近年来,小龙虾(学名克氏原螯虾)因其容易饲养、口味独特、营养丰富等优点,已经成为我国淡水养殖的主力军。然而,淡水龙虾的养殖对水质的要求比较高,水质的好坏直接影响到龙虾的健康生长和发育。采用物联网技术对龙虾养殖水质进行监测、预测预警,及时掌握养殖过程中水质变化情况,对于规避养殖风险、提高龙虾产量具有重要意义。本文以稻田养虾水质关键参数水温、溶解氧和PH值为研究对象,利用传感器技术、小波分析、循环神经网络等理论和方法,开展了水质数据预处理方法和水质预测模型研究。论文的主要研究工作总结如下:(1)设计了稻田养虾水质监测系统的总体架构,提出了基于ZigBee技术和GPRS技术的数据获取方法。针对龙虾养殖环境复杂、水质参数间相互作用难以分析等问题,构建了感知层、数据传输层、数据处理应用层的三层水质监测体系架构。利用ZigBee技术短距离、低功耗、快速自组织网络等特点组建水质监测系统的感知层,通过终端节点的传感器模块对水环境进行数据采集,并通过ZigBee网络将数据汇集给协调器节点,在ZigBee协调器与GPRS之间建立传输模块,通过远程传输技术GPRS来完成水质数据的传输。(2)稻田养虾水质监测数据预处理技术研究。利用格罗贝斯(Grubbs)准则对水质数据进行了数据实测,剔除不良的数据。利用数据融合的技术,实现了一种自适应加权数据融合方法,实验结果表明,该方法能够得到较好的融合数据。利用小波分析方法实现数据降噪,实验结果表明,利用Matlab软件的cmddnoise函数进行数据降噪处理,降噪效果比较明显。(3)基于循环神经网络的水质预测模型研究。为了实现龙虾养殖水质数据的预测预警,提出了一种基于循环神经网络的水质预测模型WOP。该模型以水温、PH值和溶解氧作为输入数据,实时预测水质溶解氧和PH值的数据。实验结果表明,WOP模型可以实时预测水质数据。(4)稻田养虾水质监测系统的实现。综合应用上述研究成果,构建了稻田养虾水质监测系统。实现了ZigBee网络对水参数的温度、PH值、溶解氧率等参数的数据采集,GPRS网络对数据的远程传输,水质数据预处理,水质数据预测等功能。系统的运行验证了上诉研究方法、模型的有效性。