【摘 要】
：
在水产养殖过程中,水质是影响养殖收益的最主要的因素。随着养殖技术的不断发展,养殖水质环境已经成为各国研究的热点,而氨氮浓度作为衡量水质的重要参数之一,在养殖水质监测中至关重要。氨氮浓度过高会对水生物生存的环境造成恶劣影响,对周围水质、生态等造成破坏。因此对水体氨氮浓度的实时监测尤为重要。对水质数据进行预测可以解决现有检测方法的缺陷,采用预测方法对养殖水体氨氮浓度数据进行分析和建模,建立氨氮浓度与其
论文部分内容阅读
在水产养殖过程中,水质是影响养殖收益的最主要的因素。随着养殖技术的不断发展,养殖水质环境已经成为各国研究的热点,而氨氮浓度作为衡量水质的重要参数之一,在养殖水质监测中至关重要。氨氮浓度过高会对水生物生存的环境造成恶劣影响,对周围水质、生态等造成破坏。因此对水体氨氮浓度的实时监测尤为重要。对水质数据进行预测可以解决现有检测方法的缺陷,采用预测方法对养殖水体氨氮浓度数据进行分析和建模,建立氨氮浓度与其他因素间的关系,能得到当前时刻的氨氮浓度,有效地解决传统检测方法无法及时获取氨氮浓度导致的一系列养殖问题。随着信息技术的发展,数据可以实时获取。但由于养殖过程中相关传感器相对较少,数字化程度较低,导致数据量不足。在数据标记比较少的情况下,传统的预测模型会存在梯度更新困难,收敛速度较慢,预测精度不高等问题。本文针对上述问题提出了以下两种方法:1.为了提高小样本建模的精度,提出基于元学习与长短期记忆网络（Long Short-Term Memory,LSTM）的氨氮浓度预测模型,利用模型无关的元学习算法（Model-Agnostic Meta Learning,MAML）将模型分为LSTM基学习器（base-learner）和MAML元学习器（mate-learner）,学习氨氮浓度复杂的非线性变化过程,提升MAML-LSTM模型的自适应能力,提高模型的泛化能力,实现小样本数据集的预测。实验结果表明MAML-LSTM模型对小样本数据集建模有效,且可以快速训练达到收敛,模型误差较LSTM模型降低了11.9%,可以实现对水产养殖中氨氮浓度预测,为后续水质调控提供一定的参考。2.为了使LSTM基学习器在元学习训练阶段获得最优的初始化参数,提出一种基于电子云改进的贝叶斯优化算法,通过增加核函数,根据电子云的三维运动视图来增大贝叶斯寻优的概率,并在输出时通过计算矩阵的最优解来筛选最优超参数。该方法能够有效地降低人为调参带来的误差,提高模型的训练精度。采用改进的贝叶斯算法优化LSTM基学习器,从而使其在基于MAML-LSTM的氨氮浓度预测模型有好的初始化参数。结果显示采用改进后的贝叶斯优化方法能够提高预测模型精度,模型误差降低了4.5%,验证了改进贝叶斯优化方法的可行性。
其他文献
海珍品是指一些海洋中特有的珍贵高营养食材,例如海参、海胆、扇贝、鲍鱼和牡蛎等。这些食材以其独特的口感和丰富的营养价值,在国内外市场上广受欢迎。随着人们对海珍品的需求不断增加,使用自动化、智能化的捕捉方式已成为未来智慧牧场和智慧海洋的必然趋势。因此,研究适用于水下机器人等嵌入式设备的轻量化海珍品检测模型对于海洋牧场智能化建设具有重要意义。近年来,随着计算机视觉和深度学习技术的不断发展,利用机器学习方
核反应堆压力容器是核电站中最重要的部件之一,其服役寿命对整个核电站的安全运转起着决定性的作用。核反应堆压力容器作为经典的Fe-Cu二元合金,在使用过程中会受到辐照损伤,这使得溶质原子析出形成沉淀从而加快了合金的老化过程。因此,需要对材料实现原子级别的微观模拟来了解材料内部的微观演变,通过计算机数值模拟技术则可以有效帮助材料研究人员深入研究这些物理化学现象。动力学蒙特卡洛方法是当下较为常用的科学计算
氢能是最清洁的能源载体，是未来能源革命与产业发展的重要方向，是助力双碳目标实现的重要手段之一。本文通过对比碱性电解池制氢、质子交换膜电解水制氢、固体氧化物电解水制氢等主流电解水制氢方式，分析各制氢方式的特点，阐述了光伏直流耦合PEM电解水制氢的重要意义。分析了光伏直接耦合和间接耦合PEM电解水制氢的原理以及优缺点。针对目前光伏直流耦合PEM电解水制氢的研究现状，对光伏耦合PEM电解水制氢的未来发展
智慧化养殖已成为我国鱼类养殖产业发展的核心动力,这种智能养殖模式将逐渐代替以往的传统养殖模式,使水产养殖业进入智慧时代。鱼类养殖密度是养殖过程中的关键因素,过小会影响鱼类产值和经济效益,过大会影响水体水质和鱼类生长性能。鱼类实例分割是实现精细化养殖的重要前提,可为鱼类体长、体质量以及生长状态评估提供依据。然而,现阶段养殖鱼类图像实例分割网络由于水下环境复杂、养殖密度不均匀,很难精准分割出图中不同尺
劳动教育和思想政治教育作为中国特色社会主义教育制度的重要内容,是学校教育的中心任务,以立德树人作为根本目标和重要使命。思想政治教育在劳动教育过程中起到思想引领的作用,而劳动教育则能够具体实现思想政治教育的目标,推动学生思想政治教育与劳动获得感的互促提升。但随着社会的快速发展和科技的进步,特别是人工智能等新技术的崛起,劳动教育近年来在教育中受到的关注较少,尤其是在高校教育中劳动教育环节相对薄弱。这导
在海洋生态环境中,海洋微藻是一种占据重要地位的光合自养型生物,能够进行光合作用,吸收二氧化碳。随着水体富营养化日益严重,水体中的某种藻类快速繁殖逐渐形成有害水华,破坏水体环境。因此,为了维持水体的生态健康,充分利用藻类资源,对藻类进行识别非常重要。在海洋微藻图像识别任务中,人工镜检识别劳动量大;传统的图像识别算法存在识别时间长、精度不高等问题;目前基于深度学习算法进行藻类识别广泛适用,虽然精度较高
渔业标准化是数字渔业发展的主要趋势,实现渔业标准化需要渔业标准信息服务系统做支撑,完善渔业标准服务系统需要从渔业标准文本中抽取其蕴含的知识。信息抽取技术能够对渔业标准文本中的知识进行抽取,目前的渔业标准信息抽取主要针对粗粒度实体进行抽取,而完善渔业标准服务系统需抽取完备的渔业标准实体,因此需对渔业标准细粒度实体进行抽取。因渔业标准细粒度实体主要存在于渔业标准表格中,且细粒度实体存在重叠关系等问题,
随着近年来数字化养殖技术的迅猛发展,海参养殖水体中的温度、盐度、p H值和氨氮浓度的在线监测和预测成为智慧养殖、促进海参健康生长的重要技术工作。其中氨氮浓度的监测面临检测技术复杂,耗费人力物力财力较大的问题,养殖产品的氨中毒会造成不可估量的经济损失。养殖水体中的温度、盐度、p H值等因素影响着海参生长环境中的氨氮浓度,因此使用软测量技术,通过温度、盐度、p H值来建模和预测海参生长环境的氨氮浓度,
水产动物疾病是影响水产健康养殖的重要因素,有效的疾病防治需要完备的水产医学相关知识作为支撑,而知识图谱是水学产医学相关知识表示及应用、实现水产健康养殖的有效手段,图谱补全技术又是提升水产医学知识图谱构建质量的关键。然而在对水产医学知识图谱补全过程中,水产医学相关数据存在稀疏、关系复杂等特点,造成因水产医学知识图谱同类实体语义辨析度低、语义特征不显著等导致水产医学知识图谱复杂关系补全准确率不高的问题