施 珮,袁永明,匡 亮,张红燕,李光辉

(1.中国水产科学研究院淡水渔业研究中心,农业部淡水渔业和种质资源利用重点实验室,江苏 无锡 214081;2.江南大学物联网工程学院,江苏 无锡 214122;3.江苏信息职业技术学院物联网工程学院,江苏 无锡 214153)

在工厂化的水产养殖中,由于水产品的养殖密度较大,水温的突变会使鱼类的生存环境发生变化,不仅会引起氨氮、pH、溶解氧等水质因子的变化,还会降低鱼类的生长速度和鱼体对一些疾病的抵抗力[1]。

目前对水质环境的监测、预测方法主要包括传统数学方法和智能算法上。岑伯明[2]等依据池塘水温和气温实时的监测数据,在计量经济学方法的基础上构建自回归的池塘水温的预测预报模型,模型在预测效果上缺少检验,同时在预报的实时性上有所欠缺;张德林[3]等采用逐步回归法分季节的建立大棚水温和气温之间的统计关系,然而该方法的误差较大,适用性不强;曹美兰[4]等应用数理统计的方法建立以气象要素为主的水温预报多元回归模型,从而完成冬季养殖塘水下0.5 m和1.0 m的水温预报。在人工智能技术方面,徐大明[5]等利用粒子群算法优化的BP神经网络构建PSO-BPNN预测模型对水温和pH进行预测,算法的实时性缺少对比;陈英义[6]等提出了GA-BP神经网络的池塘养殖水温短期预测模型,而训练数据量较小,参照对比模型不全面;徐龙琴[7]等提出基于经验模态分解(EMD)、相空间重构和极限学习机(ELM)组合的鱼苗水温预测模型,模型缺乏对传感器采集过程中异常情况的处理。……