一种基于数据融合的水产养殖水质溶解氧预测方法

摘要

本发明涉及一种基于数据融合的水产养殖水质溶解氧预测方法，主要包括如下步骤：S1：获得多处溶解氧数值和气象数据，并对溶解氧数值进行归一化处理；S2：通过K‑聚类算法优化的RBF网络对归一化后的数据进行处理，得到更准确的溶解氧数值；S3：将更准确的溶解氧数值和步骤S1的气象数据重新组合形成样本预测训练样本，利用训练样本训练最小二乘支持向量机模型，获取最优最小二乘支持向量机预测模型；S4：在线实时采集水产养殖生态环境的溶解氧数据和气象环境数据，利用最优最小二乘支持向量机预测模型获得溶解氧预测值。采用本发明的方法可实现溶解氧精确、高效预测，为后续实现水产养殖的在线预测预警和智能控制奠定基础。

主权项

一种基于数据融合的水产养殖水质溶解氧预测方法，其特征在于，包括如下步骤：S1：数据获取与预处理：采集水产养殖生态环境的溶解氧数据和气象环境数据，作为原始数据集，并将采集到的溶解氧数据进行归一化处理；S2：数据融合处理：通过K‑聚类算法优化的RBF神经网络算法对步骤S1归一化处理后的溶解氧数据进行融合，获得更准确的溶解氧数值；S3：预测模型构建：将所述更准确的溶解氧数值与步骤S1中同时刻采集的气象数据重新组合作为预测模型的训练样本，利用所述训练样本训练最小二乘支持向量机模型并优化最小二乘支持向量机的参数，以获取最优最小二乘支持向量机预测模型；S4：溶解氧实时预测：在线实时采集水产养殖生态环境的溶解氧数据和气象环境数据，利用所述最优最小二乘支持向量机预测模型获得溶解氧预测值。