详情

原文传递低溶解氧的精准监测方法

专利名称：	低溶解氧的精准监测方法
摘要：	本发明涉及属于水产养殖领域，具体涉及一种低溶解氧的精准监测方法。本发明通过对水体温度、pH、浊度和氨氮等多种环境因素建立样本集，通过优化长短时记忆网络(LSTM)的损失函数，构建了低溶解氧含量估算模型LDO‑LSTM，优化后的模型更能够充分学习低溶解氧的分布特征，在不影响预测溶解氧总体趋势的情况下，精准估算低溶解氧，确保了低溶解氧的精准估算，实现实时检测低溶解氧，从而节约了在实际养殖过程中用于检测溶解氧传感器的费用支出，同时解决了在低溶解氧时刻检测不准确可能导致人工增氧不及时带来的鱼类死亡问题。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江南大学
发明人：	郭亚;朱南阳;蒋永年;李无言;尹亮
专利状态：	有效
申请日期：	2019-04-22T00:00:00+0800
发布日期：	2019-10-08T00:00:00+0800
申请号：	CN201910323727.6
公开号：	CN110308254A
代理机构：	苏州市中南伟业知识产权代理事务所(普通合伙)
代理人：	曹成俊
分类号：	G01N33/18(2006.01);G;G01;G01N;G01N33
申请人地址：	214122 江苏省无锡市蠡湖大道1800号
主权项：	1.一种低溶解氧的精准监测方法，其特征在于，包括以下步骤： S1：使用历史采集的养殖水域的溶解氧数值、温度、浊度、pH值和氨氮构建数据集； S2：对数据集中的数据进行滤波清洗和归一化处理，对环境变量进行相关性分析，使用主成分分析融合数据特征并进行特征降维，构建训练样本集； S3：将样本集中的温度、浊度、pH值和氨氮的数据信息作为输入变量，将溶解氧数值作为输出变量，以交叉验证的方法对样本切分，组合为不同的训练集和测试集，分别训练和测试优化的长短时记忆网络LDO-LSTM,构建不同的LDO-LSTM模型，用改进的损失函数度量得到的模型的好坏，以获得最优的低溶解氧含量估算模型LDO-LSTM； S4：实时采集养殖水域的温度、浊度、pH值和氨氮，运用步骤S3建立的低溶解氧含量估算模型LDO-LSTM估算溶解氧数据，用于实时检测低溶解氧数值。 2.如权利要求1所述的低溶解氧的精准监测方法，其特征在于，步骤S3中，建立的低溶解氧含量估算模型LDO-LSTM的损失函数在平均绝对误差基础上，改进为平均绝对百分比误差。 3.如权利要求2所述的低溶解氧的精准监测方法，其特征在于，步骤S3中，当溶解氧高于6.5mg/L并且小于8.5mg/L时，真实溶解氧初始的权重值赋予预测溶解氧初始的权重值为当溶解氧高于4.5mg/L并且小于等于6.5mg/L时，真实溶解氧的初始值赋予预测溶解氧初始的权重值为当溶解氧小于等于4.5mg/L时，真实溶解氧赋予预测溶解氧赋予 4.如权利要求1所述的低溶解氧的精准监测方法，其特征在于，步骤S2归一化处理后，先利用高斯滤波法对数据进行滤波降噪，然后构建训练样本集。 5.如权利要求1所述的低溶解氧的精准监测方法，其特征在于，所述步骤S3中的损失函数，根据溶解氧数值的大小将赋予不同的权重，这些权重在反向传播过程中，均为可训练的。
所属类别：	发明专利