一种新的池塘溶解氧预测模型

池塘溶解氧的精确预测一直是池塘人工养殖生产中的瓶颈问题。该文建立了基于神经网络的池塘溶解氧智能预测模型，并对预测模型进行了验证，其预测结果与实测数据拟合良好。     

基于游程检测法重构集合经验模态的养殖水质溶解氧预测

为了提高水产养殖中溶解氧的预测精度,该文提出了基于集合经验模态(ensemble empirical mode decomposition,EEMD)分解、游程检测法重构、适宜的单项预测算法建模和BP神经网络非线性叠加的组合预测模型。该模型首先将溶解氧原始序列用EEMD分解法进行分解,得到了多个分量;其次,用游程检测法将这些分量重构成高频分量、中频分量和低频分量等3个分量;接着,针对高频分量波动性大且复杂、中频分量呈现周期性、低频分量几乎呈线性的特点,采用粒子群(particle swarm optimization,PSO)优化的最小二乘支持向量机(least square support vector machine,LSSVM)对高频项进行预测,采用极限学习机(extreme learning machine,ELM)对中频项预测,采用非线性回归(nonlinear regression method,NRM)对低频项预测;最后,将3个分量预测的结果用BP神经网络进行重构得到最终的预测结果。将该模型应用于江苏省溧阳市埭头黄家荡特种水产养殖场的溶解氧预测中,试验表明,该种以游程检测法重构EEMD为基础的混合预测模型的预测精度高于PSO-LSSVM和单一的ELM预测模型。在预测未来48 h的溶解氧值时,该模型的预测值与实测值的均方根误差RMSE为0.099 2、平均相对误差均值MAPE为0.078、平均绝对误差MAE为0.015 5,R~2为0.995 5。表明该模型有较好的预测精度和泛化能力,能够满足现代化水产养殖业对溶解氧精细化管理的高要求。     

采用改进长短时记忆神经网络的水产养殖溶解氧预测模型

为了精确预测水产养殖溶解氧变化趋势,该研究提出了基于K-means聚类和改进粒子群优化(Improved Particle Swarm Optimization,IPSO)的长短时记忆(Long Short-term Memory,LSTM)神经网络预测模型.根据环境因子间的相似度,应用改进的K-means聚类算法将环...     

融合IDA-GRU和IIDW的水产养殖溶解氧时空预测模型

为了提高大面积水产养殖中养殖效率、降低养殖风险、提高溶解氧(dissolved oxygen,DO)时空预测精度,该研究基于双重注意力机制改进的门控循环单元(improved gated recurrent unit based on dual attention mechanism,IDA-GRU)和改进逆距离加权插值算法(improved inverse distance weighting interpolation algorithm,IIDW),提出了一种改进的水产养殖溶解氧时空预测模型。首先在门控循环单元(gated recurrent unit,GRU)的基础上,引入特征和时间双重注意力机制(dual attention,DA),实现溶解氧时间序列预测,其中特征注意力机制实时计算各环境特征的贡献率,不断修正各环境特征的权重,时间特征注意力机制自主地提取关键历史时刻信息;然后在溶解氧时间序列的基础上,利用IIDW算法实现溶解氧空间预测,该算法中提出的距离权重校正系数,能够实时调整插值权重。最后,在上海城市电力公司数字化生态养殖基地对该模型进行了试验验证。试验结果表明,对于溶...     

天津海河二道闸以下河段水质溶解氧模型分析

采用清华大学研究的北方河流溶解氧模型，对天津海河二道闸以下河段的水质溶解氧进行模型分析，并结合３年的调查数据，提出该河段的水质溶解氧控制依据。     

主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧

为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型。首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证。试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考。     

基于无线传感器网络的水产养殖池塘溶解氧智能监控系统

为了便于对规模化水产养殖池塘溶解氧的监控,该文研制了一种基于无线传感网的水产养殖池塘溶解氧智能监控系统,实现对池塘溶解氧的分布测量、智能控制和集中管理。针对常规模糊PID控制器自适应能力低,提出了一种可变论域模糊PID控制器,根据溶解氧误差和误差变化的大小动态调整模糊控制单元的输入输出变量论域,能较好地解决了模糊控制规则数量与溶解氧控制精度之间的矛盾,实现了PID控制器参数的自整定。根据池塘溶解氧变化的非线性、大时滞和大惯性等特点,设计基于变论域模糊PID控制器与增氧机转速PID调节器构成的池塘溶解氧串级控制系统,溶解氧控制器的输出为增氧机转速调节器的输入,增氧机转速调节器输出改变增氧机转速使溶解氧浓度快速跟踪目标值。根据溶解氧测量数值序列的变化趋势,基于灰色理论和权重构建组合灰色溶解氧预测模型,以预测值作为变论域模糊PID控制器的反馈值,实现对溶解氧的预测控制,起到超前调节的目的。在试验池塘和对照池塘分别采用变论域模糊PID控制器和模糊PID控制器对池塘溶解氧进行调控,对照池塘溶解氧的响应时间比试验池塘延长15 min左右,超调量扩大2.96倍,对照池塘溶解氧的标准差、均方差、最大误差和最小误差指标比试验池塘扩大3~4倍。试验结果表明可变论域模糊PID控制器能够改善池塘溶解氧控制系统的动态性能,提高控制系统的稳态精度,有效地抑制影响池塘溶解氧稳定的诸多不确定因素的干扰,满足水产养殖对池塘溶解氧的要求,为解决非线性和大时滞复杂对象的控制问题提供一个新的控制思路。     

基于K-means 聚类和ELM神经网络的养殖水质溶解氧预测

为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于K-means聚类和ELM神经网络（extreme learning machine,ELM）的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数,自定义相似日的统计量－相似度,通过K-means聚类方法将历史日样本划分为若干类,然后分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明,该模型均具有较快的计算速度和较高的预测精度,在常规天气下,平均绝对百分误差和均方根误差分别达到1.4%、10.8%;在突变天气下,平均绝对百分误差和均方根误差分别达到2.6%和11.6%,有利于水产养殖水质精准调控。     

基于蚁群优化最小二乘支持向量回归机的河蟹养殖溶解氧预测模型

养殖池塘溶解氧是河蟹赖以生存的重要指标,及时准确地掌握溶解氧浓度变化趋势是确保高密度河蟹健康养殖的关键。为提高溶解氧预测精度和效率,该文提出了蚁群算法(ACA)优化最小二乘支持向量回归机(LSSVR)的河蟹养殖溶解氧预测方法。采用蚁群算法对最小二乘支持向量回归机的模型参数进行优化,并以自动获取的最佳参数组合构建溶解氧与其影响因子间非线性预测模型。利用该模型对江苏宜兴市2010年7月20日～7月28日期间高密度养殖池塘溶解氧进行预测。研究表明,该预测模型取得较好的预测效果,与支持向量回归机和BP神经网络相比,模型评价指标均方根误差、相对均方误差均值、平均绝对误差和和决定系数和运行时间分别为0.0328、0.0016、0.0448、0.9916和3.3275s均优于其他预测方法,ACA-LSSVR模型不仅计算复杂度低、收敛速度快、预测精度高、泛化能力强,还能满足实际高密度河蟹养殖溶解氧管理的需要,为其他领域的水质预测提供参考。     

基于改进极限学习机的水体溶解氧预测方法

为了有效地指导水产养殖生产,提高溶解氧浓度预测的精度,提出了基于因子筛选和改进极限学习机（Extreme Learning Machine,ELM）的水产养殖溶解氧预测模型。首先,利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数,提取强关联因子,降低预测模型的输入量维度;采用偏最小二乘算法（Partial Least Square, PLS）优化传统ELM神经网络,避免网络中隐含层共线性问题,保障输出权值的稳定性;然后,结合新型激活函数,构建水体溶解氧浓度预测模型。最后,将SPLS-ELM（Selection Based Partial Least Square Optimized-Extreme Learning Machine）预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明：该模型的预测均方根误差为0.323 2 mg/L,与最小二乘支持向量机（Least Square Support Vector Machine,LSSVM）、BP神经网络、粒子群（Particle Swarm Optimization,PSO）优化LSSVM和遗传算法（Genetic Algorithm, GA）优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.623 1s,预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线,能够满足水产养殖实际生产对水体溶解氧预测的要求。     

预测鱼塘拂晓溶氧浓度的新模式

根据对鱼塘养鱼水体生态环境因子的现场实验,分析了鱼塘溶氧浓度的变化规律。提出了预测鱼塘拂晓溶氧浓度的新模式,并通过实例分析,证明了新模式的准确性。     

襄阳护城河水体中溶解氧含量研究

研究了襄阳护城河水体中溶解氧的日变化特征,分析了襄阳护城河水体中影响溶解氧含量的因素。结果表明:襄阳护城河水中溶解氧含量的日变化特征是溶解氧的含量随光照强度的增加而逐渐上升;襄阳护城河水中消耗溶解氧的因素包括水生生物呼吸耗氧、有机物降解耗氧和底泥耗氧,其中底泥耗氧是水中溶解氧消耗的主要因素,占水体中溶解氧消耗的80%以上;护城河水体中溶解氧的增加因素包括空气表面复氧、水生植物和藻类的光合放氧,其中藻类光合放氧是水中溶解氧的主要来源,是表面复氧的10倍以上。试验结果对于水体中溶解氧的理论研究、水产养殖、水体的自净作用和护城河水的净化措施具有一定的价值。     

水体溶解氧监测系统中无线通信网络的实现

为了对淡水水体中的溶解氧进行监测,设计了实时在线溶解氧监测系统,采用无线传输模块实现了对大面积水域进行多点、实时和在线监测,重点设计了上、下位机通过无线传输模块进行数据传输的通讯协议。     

土壤可溶性有机氮测定方法研究进展

可溶性有机氮(DON)是土壤中生物可利用有机氮库的主要成分,是最为活跃的有机氮形态之一。DON在土壤中的迁移和转化是土壤氮素地球生物化学循环的重要一环,与氮素养分供应、损失等过程密切相关。然而缺失准确、可靠的土壤DON分析方法严重限制了DON的相关研究进程。本文综述了近年来国内外土壤浸提液和水体中DON测定方法,重点比较了不同可溶性总氮(DTN)测定方法以及不同前处理方法对提高DON测定结果准确性的影响。     

土壤中溶解性有机物及其影响因素研究进展

溶解性有机物(DOM)是陆地生态系统中极为活跃的有机组分,是土壤圈层与相关圈层(如生物圈、大气圈、水圈和岩石圈等)发生物质交换的重要形式。它不但是土壤微生物最重要的能量与物质来源,影响微生物的新陈代谢,而且对土壤营养元素(如C,N,P)和污染物的化学活性与生物活性也有直接影响。因此,土壤中溶解性有机物的消长动态已成为当前农业生态学领域的研究焦点问题之一。本文综述了土壤中溶解性有机物的迁移转化规律和主要影响因素,并指出未来的研究重点应在以下几个方面:(1)土壤有机质性质对DOM释放的影响。(2)有机质对DOM数量和质量的影响(3)生物和物理化学因素对土壤中DOM吸附和解吸的影响(4)DOC、DON和DOP迁移转化的差异。     

不同增氧水平对夏玉米生长及氮素利用的影响

为探究有利于夏玉米生长和氮素利用的适宜灌溉水溶解氧浓度,本试验以夏玉米为供试作物,采用地下滴灌供水方式,以地下水灌溉为对照,设置10(OA10)、20(OA20)和40(OA40) mg·L^-1灌溉水溶解氧浓度3个增氧水平,研究不同增氧水平对盆栽夏玉米生长、产量和氮素利用的影响。结果表明,增氧地下滴灌显著提高了土壤溶解氧浓度,与对照相比,OA40、OA20和OA10处理土壤溶解氧浓度平均提高14.83%、9.71%和8.00%,表现为作物生长增强,作物产量和氮素利用效率均显著提高(P<0.05)。与对照相比,OA10处理的株高、叶鲜质量和叶干质量分别增加7.39%、16.30%和12.02%;OA40处理叶干质量和茎鲜质量分别增加15.82%和12.43%;OA10、OA20和OA40根系鲜质量分别增加60.00%、17.66%和52.98%,根系体积分别增加34.03%、14.56%和51.32%;OA10和OA20处理根系活力分别增加272.77%和64.44%;OA10和OA40处理产量分别增加24.46%和21.83%,水分利用效率分别提高19.10%和21.61%,百粒重分别增加17.53%和15.14%。OA10和OA40处理籽粒氮素吸收量较对照分别增加63.90%和35.27%,OA10处理籽粒氮素分配比例和氮素吸收效率分别增加21.57%和33.33%。上述差异均具有统计学意义(P<0.05)。综上,增氧地下滴灌可显著提高作物根区溶解氧浓度,促进作物生长,提高产量及氮素吸收利用,以OA10处理效果最为显著。本研究结果为增氧灌溉技术在实际生产中的合理利用提供了理论依据。     

溶解性有机质在土壤固碳中的意义

随着全球变暖的加剧,土壤圈作为全球碳循环中的重要碳库受到日益关注。土壤有机碳固定对大气温室效应和气候变暖有重要影响。溶解性有机质(DOM)是土壤中最活跃的有机碳库,其含量与土壤CO2、CH4、N2O的排放显著正相关,DOM的矿化成为土壤有机碳损失的重要途径。DOM可通过与Fe、Al共沉淀、吸附于土壤矿物表面而改变其生物降解性,从而在土壤中稳定和保留下来,对土壤有机碳积累中具有重要贡献。DOM的化学组成和结构特征影响其生物降解性,同时也影响其沉淀吸附效应。其稳定机制不同,对土壤有机碳积累的贡献也存在差异。目前估算DOM对土壤有机碳的贡献尚无普遍认可的方法,具体数值因估算方法不同而存在较大差异,有效的估算方法仍有待于进一步研究。     

溶解性有机质对镉在蔬菜中累积的影响

在赤红土中施用溶解性有机质（ＤＯＭ）——稻秆ＤＯＭ（稻秆发酵液中的有机质）后，生长在该土壤上的蔬菜体内镉含量，较不施稻秆ＤＯＭ的显著增加，加重了对蔬菜的危害程度     

养殖水中总有机碳与化学需氧量和生化需氧量相关性的研究

总有机碳能较全面地反映水体有机物的污染程度,总有机碳的测定具有操作简单、分析快速、结果准确等特点。研究了养殖水中的总有机碳与化学需氧量和生化需氧量相关性,总有机碳与化学需氧量的相关系数为０.９９１８,总有机碳与生化需氧量的相关系数为０.９３６２,可以用总有机碳来估算和衡量水体的污染情况。