王 魏 郭 戈

(1.大连海事大学船舶电气工程学院， 大连 116026； 2.大连海洋大学信息工程学院， 大连 116023;3.东北大学秦皇岛分校控制工程学院， 秦皇岛 066004)

0 引言

养殖水质常受残留饵料、养殖对象粪便、化学药物等因素影响，致使水中氮、磷、有机质等不断增加，产生氨氮、亚硝酸盐等有毒物质，严重危及养殖对象的健康，甚至导致其大批量死亡，造成不可挽回的经济损失[1]。集约化水产养殖利用循环海水进行高密度精养，需密切关注养殖水环境的各个指标，尤其是氨氮浓度，实时监测其变化并加以调控，不仅关系到养殖水产品的质量和收益，而且还影响到食用者的健康。

目前，已有水质监测方法大致可分为3种[2]：人工采样试验检测、传感器检测和软测量方法。国外对集约化水产养殖的研究较早，拥有比较完善的水质监测仪器，包括美国的YSI6820/6920型多参数水质分析仪，德国WTW公司的Mnlti350i型手提式多参数测定仪、IQ Sensor Net型在线多参数分析仪等。这些设备都存在造价高、维护成本高、监测费用高等问题[3-4]，难以在我国养殖企业普及和推广。

随着我国集约化循环海水养殖模式的逐渐兴起，国内学者也在养殖水体氨氮浓度监测方面做了一些研究。有基于BP神经网络预测氨氮浓度的方法[5-6]，该方法选择水温、pH值和非离子氨浓度等输入进行变量预测。也有基于RBF神经网络预测出水氨氮浓度的方法，该方法采用温度、pH值、溶解氧浓度、总氮浓度作为输入变量[7]。这些方法虽然预测结果较好，但无法在实际中推广应用，输入变量参数也存在不能实时测量的问题，仅局限于实验室研究。……