凡納濱對蝦集約化養(yǎng)殖水質(zhì)管理決策支持系統(tǒng)的構(gòu)建.pdf

1、集約化養(yǎng)殖帶來巨大經(jīng)濟(jì)效益的同時，也給自身的可持續(xù)發(fā)展和生態(tài)環(huán)境帶來了嚴(yán)峻的挑戰(zhàn)。對養(yǎng)殖企業(yè)而言，關(guān)鍵水質(zhì)因子快速監(jiān)測和對水質(zhì)異常情況的及時識別，是養(yǎng)殖安全的重要保障。目前養(yǎng)殖水質(zhì)管理的主要內(nèi)容是對水質(zhì)監(jiān)測數(shù)據(jù)進(jìn)行整理和匯總，然后分析水質(zhì)的變化情況。但目前凡納濱對蝦養(yǎng)殖的水質(zhì)管理大多是針對養(yǎng)殖水質(zhì)的當(dāng)前或歷史數(shù)據(jù)進(jìn)行的，得到的結(jié)果只能反映水質(zhì)的歷史狀況，水質(zhì)管理處于一種滯后和被動的局面，往往造成嚴(yán)重后果時才發(fā)現(xiàn)水質(zhì)狀況惡化嚴(yán)重，所以必須

2、改變傳統(tǒng)的管理方式，在對水質(zhì)進(jìn)行實時監(jiān)測、現(xiàn)狀評價的基礎(chǔ)上對水質(zhì)進(jìn)行預(yù)測，最終對其惡化趨勢進(jìn)行預(yù)警，并制定相應(yīng)的應(yīng)急措施減緩或阻止水質(zhì)惡化，實現(xiàn)真正意義上水質(zhì)管理。
　　本研究以凡納濱對蝦集約化養(yǎng)殖生產(chǎn)實際為基礎(chǔ)，在分析了凡納濱對蝦集約化養(yǎng)殖水質(zhì)特征基礎(chǔ)上，首先建立了凡納濱對蝦集約化養(yǎng)殖水質(zhì)評價模型，克服了以往評價方法的不足，能夠?qū)︷B(yǎng)殖水質(zhì)做出綜合評價。然后以人工神經(jīng)網(wǎng)絡(luò)(ANN)為手段，建立了凡納濱對蝦集約化養(yǎng)殖水質(zhì)預(yù)測模型，實

3、現(xiàn)了養(yǎng)殖關(guān)鍵水質(zhì)因子與預(yù)測對象之間的映射，解決了養(yǎng)殖水體變化過程中存在的非線性、多變量和模糊性問題，提高了水質(zhì)預(yù)測的精度。第三，建立了凡納濱對蝦集約化養(yǎng)殖水質(zhì)快速預(yù)警模型，將單因子預(yù)警與多因子預(yù)警相結(jié)合，對集約化養(yǎng)殖過程中潛在的危險進(jìn)行快速準(zhǔn)確預(yù)警。第四，完成凡納濱對蝦集約化養(yǎng)殖水質(zhì)管理決策支持系統(tǒng)，實現(xiàn)水質(zhì)科學(xué)管理的可視化，能夠為養(yǎng)殖管理者進(jìn)行水質(zhì)調(diào)控和實現(xiàn)科學(xué)管理提供有效的技術(shù)手段。本文的主要研究結(jié)果如下：
　　1.凡納濱對蝦

4、集約化養(yǎng)殖水質(zhì)特征
　　本實驗主要研究了凡納濱對蝦集約化養(yǎng)殖水質(zhì)相關(guān)的各水質(zhì)因子的特征。實驗共監(jiān)測了11項水質(zhì)指標(biāo)，在對實測數(shù)據(jù)進(jìn)行顯著性檢驗和統(tǒng)計處理后，確定了影響對蝦集約化養(yǎng)殖水質(zhì)的主要因子，然后采用多元逐步回歸分析了凡納濱對蝦集約化養(yǎng)殖主要水質(zhì)因子與其它水質(zhì)因子間的相關(guān)關(guān)系，并用回歸方程的形式予以表示。結(jié)果表明，多元回歸模型能夠給出某水質(zhì)因子受其它水質(zhì)因子影響的定量公式。此外，與一般的多元線性回歸模型相比，多元逐步回歸模型能

5、夠分辨出與需描述變量顯著相關(guān)的變量及其干擾變量，只將對水質(zhì)因子影響最大的因子列入回歸模型，提高了模型的可靠性。
　　2.凡納濱對蝦集約化養(yǎng)殖水質(zhì)評價模型
　　本部分主要介紹了因子分析模型建立的一般步驟以及凡納濱對蝦集約化養(yǎng)殖水質(zhì)評價模型的建立及應(yīng)用。以水質(zhì)實測數(shù)據(jù)為基礎(chǔ)，結(jié)合我國《漁業(yè)水質(zhì)標(biāo)準(zhǔn)》和國內(nèi)外各相關(guān)養(yǎng)殖水質(zhì)標(biāo)準(zhǔn)，確定了凡納濱對蝦集約化養(yǎng)殖水環(huán)境質(zhì)量分類標(biāo)準(zhǔn)。以因子分析為基礎(chǔ)，建立了凡納濱對蝦集約化養(yǎng)殖水質(zhì)評價模型，

6、并對模型進(jìn)行了應(yīng)用，模型表達(dá)式為：顯示，本模型不僅能夠體現(xiàn)水質(zhì)因子之間的相互關(guān)系，客觀反映水質(zhì)的真實狀況，還能夠在某一指標(biāo)特別惡化時對水質(zhì)做出準(zhǔn)確評價，彌補(bǔ)了以往評價方法必須結(jié)合單因子評價方法的不足。
　　3.凡納濱對蝦集約化養(yǎng)殖水質(zhì)預(yù)測模型
　　本部分主要介紹了BP神經(jīng)網(wǎng)絡(luò)的原理、建立模型的一般步驟以及凡納濱對蝦集約化養(yǎng)殖水質(zhì)預(yù)測模型的建立及仿真過程。將第二章確定的九項水質(zhì)因子作為凡納濱對蝦集約化養(yǎng)殖水質(zhì)BP預(yù)測的輸入向量

7、；根據(jù)預(yù)測目的，確定BP預(yù)測網(wǎng)絡(luò)的輸出變量為水質(zhì)預(yù)測值；網(wǎng)絡(luò)采用三層結(jié)構(gòu)，隱含層的神經(jīng)元數(shù)為7；tansig和purelin分別作為網(wǎng)絡(luò)隱含層和輸出層神經(jīng)元的傳遞函數(shù)。在確定了凡納濱對蝦集約化養(yǎng)殖水質(zhì)BP預(yù)測模型的結(jié)構(gòu)后，對模型進(jìn)行訓(xùn)練，選擇trainlm作為網(wǎng)絡(luò)的訓(xùn)練函數(shù)，最后通過仿真實驗對模型進(jìn)行驗證。結(jié)果顯示，兩組數(shù)據(jù)相關(guān)分析顯示系數(shù)是0.9921，預(yù)測誤差率結(jié)果顯示平均的預(yù)測誤差率是2.9％，最大的是12.55%，最小是0.03

8、8%，總體預(yù)測結(jié)果較好。BP神經(jīng)網(wǎng)絡(luò)能夠以較高的精度對養(yǎng)殖水質(zhì)狀況進(jìn)行預(yù)測，使得集約化養(yǎng)殖水質(zhì)預(yù)測成為可能，能夠?qū)崿F(xiàn)水質(zhì)惡化的早期預(yù)報，減少養(yǎng)殖損失，保證養(yǎng)殖的安全。
　　4.凡納濱對蝦集約化養(yǎng)殖水質(zhì)預(yù)警模型
　　根據(jù)對蝦養(yǎng)殖水質(zhì)的特征，建立了凡納濱對蝦集約化養(yǎng)殖水質(zhì)單因子預(yù)警模型和水質(zhì)綜合預(yù)警模型。在確定了預(yù)警指標(biāo)體系和預(yù)警級別的基礎(chǔ)上，以凡納濱對蝦養(yǎng)殖水環(huán)境質(zhì)量分類標(biāo)準(zhǔn)為基礎(chǔ)，建立了水質(zhì)單因子預(yù)警模型，并在傳統(tǒng)的單因子預(yù)

9、警模型基礎(chǔ)上，以第二章建立的多元逐步回歸模型為手段，建立了對蝦養(yǎng)殖水質(zhì)單因子預(yù)警回歸模型，其不僅繼承了傳統(tǒng)單因子預(yù)警模型簡單直觀的特點(diǎn)，而且還能客觀的能夠反映出某水質(zhì)因子與其它水質(zhì)因子之間的關(guān)系。建立了凡納濱對蝦集約化養(yǎng)殖水質(zhì)綜合預(yù)警模型，并將狀態(tài)預(yù)警與趨勢預(yù)警相結(jié)合，在水質(zhì)評價模型基礎(chǔ)上建立了狀態(tài)預(yù)警模型，模型的表達(dá)式為：。在預(yù)測模型基礎(chǔ)上建立了趨勢預(yù)警模型，BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型的結(jié)構(gòu)為9-7-1，網(wǎng)絡(luò)隱含層和輸出層神經(jīng)元的傳遞函數(shù)分

10、別為tansig和purelin，trainlm為網(wǎng)絡(luò)的訓(xùn)練函數(shù)，最后通過仿真實驗對模型進(jìn)行驗證，趨勢預(yù)警結(jié)果顯示，預(yù)警結(jié)果與實際結(jié)果數(shù)據(jù)相關(guān)分析系數(shù)為0.991，說明總體預(yù)警效果較好。
　　5.凡納濱對蝦集約化養(yǎng)殖水質(zhì)決策支持系統(tǒng)
　　在上述模型建立的基礎(chǔ)上，設(shè)計并實現(xiàn)了凡納濱對蝦集約化養(yǎng)殖水質(zhì)決策支持系統(tǒng)。系統(tǒng)使用的是基于模型的輔助決策系統(tǒng)，在確定了框架和運(yùn)行結(jié)構(gòu)后，結(jié)合實驗實際情況，通過隨機(jī)抽取的水質(zhì)數(shù)據(jù)，驗證DSS在