翁 正，陈 明，池 涛，刘亚蕊

(1上海海洋大学信息学院，上海 201306；2 农业农村部渔业信息重点实验室，上海 201306)

2019年全国水产养殖产值共达9 761.89亿元[1]，水产品总产量逐年上升。加强水产养殖的信息化建设，建立水产养殖监测、预警和管理的综合体系显得十分重要[2-3]。水质的安全关乎水产养殖的产量和质量[4]。在养殖过程中，对水质实现动态的监测和预警[5]，能提升养殖过程的稳健性。传统的水质监测系统，存在系统精度低，系统控制延迟高，不能进行预测和提前预警等不足。江先亮等[6]设计了基于自动无人船的水产养殖水质动态监测系统，提升了监测效率。Fang等[7]设计了具有较好性能的环境监测系统，降低了系统的延迟。刘雨青等[8]开发了基于物联网3层体系架构的螃蟹养殖基地监控系统，但这3项研究都不能预测数据和提前预警。Ren等[9]采用变分模式分解(VMD)方法对数据去噪，基于深度信念网络实现溶氧含量的预测。Heddam等[10]使用最小二乘支持向量机、多元自适应回归样条和M5模型树成功估算溶氧的质量浓度。溶氧是水质的关键指标，通常是监测和分析工作的主要目标[11-12]，其含量过低过高都会影响鱼类的生长发育[13]。

综合以上研究的优缺点，提出了一种基于溶氧预测的低延迟水产养殖监测系统。本系统中内嵌了WT-LSTM溶氧预测模型，实现了对水产养殖水质的实时监测和溶氧的实时预测，预测精度不亚于文献[9-10]和当前溶氧主流预测方法中的精度。

1 监测平台的体系架构

1.1 系统架构

系统架构包括数据采集模块、传输模块、控制模块和应用模块。……