面向预测的水产养殖物联网数据预处理方法

水产养殖环境因子相互作用关系复杂,且实时采集的数据冗余较多、数据缺失问题时常发生,基于实时数据的预处理方法选择在很大程度上决定了预测精度。因此,提出基于数据修复、特征选择和小波降噪相结合的预处理方法。首先利用线性插值法和均值平滑法修复数据;然后采用系统聚类法和主成分分析法进行特征选择,实现预测模型的输入数据降维;最后使用小波降噪技术处理关键影响因子。使用该方法对基于物联网采集的银鳕鱼养殖池塘氨态氮含量进行数据预处理,其信噪比(SNR)、均方根误差(RMSE)分别为25.888 6、0.044 8。结果表明,该方法满足数据的精度需要,可为水产养殖水质因子预测模型的构建提供良好的数据基础。