工厂化水产养殖水质预测预警系统的设计

《工厂化水产养殖水质预测预警系统的设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、工厂化水产养殖水质预测预警系统的设计　　伴隨着人们生产生活水平的提高和计算机、物联网技术的发展，水产养殖的方式必然向着工厂化、信息化的方向发展。在工厂化水产养殖中，水质是最为关键的因素，水质决定了鱼的生长质量、状态及生长周期。由于工厂化水产养殖的密度较大，当发现水质问题时，往往已经造成不可弥补的损失，从而带来巨大的经济损失。针对此类问题，需要一种快速、灵敏的方法来解决这一问题。笔者所在课题组在对原有水质预测方法、水质评价方法、水质预警方法进行大量文献分析以及对水产养殖基地实际情况进行调研的基础上，开发了水质预测模型和水质预警模型，

2、实现了水质的语音报警。　　在传统养殖过程中，大都依靠经验来判断水质情况，而使用这种方式对人员的要求很高，要求这些人员具备敏锐的观察能力，具备联盟相当年限的经验积累。这些因素极大地限制了养殖规模与效率。然而，在使用智能化管理系统的养殖管理方式中，这些问题将不复存在。通过智能管理系统，可以不断让系统来学习相关知识，并进行分析、加工、存储与积累。更加重要的是，系统在通常情况下，工作比较稳定，足以满足生产需要。在对养殖水质需求分析的基础上，笔者设计了一种水质在线实时预测预警系统，系统具有水质实时信息和预测信息的查询、水质预警、水质预警设置

3、和用户管理等功能。在多媒体可视化界面的引导下，信息操作人员可以根据养殖场的实际情况，进行各种预警指标的设定和预警方式的设置。该系统较好地解决了工厂化养殖过程中遇到的水质监测预警问题，方便了用户对养殖用水水质的监控和管理。　　1工厂化水产养殖对环境的要求　　工厂化水产养殖就是集电子、土建、仪器、自动控制等技术，在半封闭[1]或全封闭[1]条件下，对养殖生产全过程的水质、温度、pH、溶解氧等因素以及疾病预防、污水处理等过程进行全面自动化监控及处理的一种生产模式。该生产方式可以在高密度养殖条件下始终维持环境的生态条件，从而使畜禽快速健康

4、生长，尽可能提高产量和质量，提高经济效益，并且减少污染。一个完整的工厂化养殖系统包括设施系统和养殖技术两大体系，其中设施系统又分为养殖系统和水处理系统。在工厂化的养殖过程中，生物体对外界环境有着较高的要求。　　温度　　依据养殖生物的品种类别不同，需要不同的生长温度。在其自身的最佳温度下，鱼类代谢加强，生长最快，饵料的转化效率高，同时生物自身体质健壮，具有较高的抗病力。若温度过低，则会影响生物自身的新陈代谢，甚至造成死亡。因此，温度是有必要进行监控预测的一个因素。　　在水产养殖中，pH是反映水酸碱度的关键指标，pH异常往往说明水体中

5、存在异常情况。通常蛋白质的消化副产物是氨氮等，而氨氮通常以离子态及非离子态存在。由于氨氮在离子态下对鱼类有较高的毒性，因此必须进行消除或转化。对淡水生物而言，水体pH应处于～[2]；当pH为时，氨氮去除或转化效果能够满足工厂化养殖中所要求的非离子氨≤/L，亚硝酸盐≤1mg/L，硝酸盐≤200mg/L；当pH为[1]时，很大一部分的总氨氮处于离子状态；当pH<时，硝化菌的活性降低；当pH<时，硝化菌将不再转化氨氮。综合考虑鱼类生理活动是产酸耗碱的过程，在不加人为控制的状态下，水体pH呈降低趋势，为保证氨氮转化率，pH应大于。因此，有

6、必要对水体pH进行监测和控制，确保水体pH能满足生物生长的环境需要。溶解氧溶解氧是水生生物生长关键因素之一，大部分水生生物都需要氧气来供其进行生理活动。鱼、虾等水产养殖水体中溶解氧应保持在5～mg/L[3]，至少要在mg/L以上。对于冷水性鱼类的养殖水体，溶解氧一般要求高于mg/L或者在水体饱和溶解氧的60%以上。为鱼类生存不间断提供充足的溶解氧是工厂化水产养殖正常运行的必要条件，因此同样需要对其进行监控预警。　　2系統设计　　系统主要架构　　系统主要分为5大部分：数据自动采集模块、系统数据库[1]、系统模型库、输出终端、人机交互

7、界面。系统架构如图1所示。　　数据自动采集模块。数据自动采集模块由水质传感器无线采集网络[4]实现，主要实现溶解氧、pH、盐度、温度等水质信息的采集、传输和校正。校正后的信息存入XML文件，由系统的数据读取模块读取到数据库中，以备模型调用。　　系统数据库。系统数据库服务器为SQLServer012，主要存放5类数据：①实时数据，即由数据自动采集模块获取的实时信息，包括pH、水温、溶解氧、流量、盐度、水深等水质信息和室温等环境信息；②人工输入数据，包括各种日常记录，如水池号、时间、鱼的数量、体长等；③水质指标数据，包括不同鱼种在其不

8、同生长阶段的各种水质指标限值；④水质预警规则库；⑤水质预警方式库。　　系统模型库[5]。系统模型库包括水质预测模型和水质预警模型[5]。水质预测模型包括数据读取、神经网络训练、神经网络预测及误差检测等子模块。水质预警模块包括规则设置模块、预警指标读