论文部分内容阅读
随着计算机技术的快速发展，如何将信息处理技术与水产养殖结合起来，从而真正实现科学养殖，在农业乃至水产养殖行业领域成为了亟待解决的问题。水产养殖池塘水质参数对水产品具有极其重要的作用，一旦池塘水质恶化会严重影响养殖产品的生存甚至给养殖户造成无法估量的损失。因此，对池塘水质因子进行研究，并将现代信息处理技术运用到池塘水质重要因子的预测上具有重要的现实意义。本文针对池塘水质问题，通过分析池塘水质的基础之上，建立水质重要因子溶解氧的预测模型，并在此基础上对水产养殖监控管理系统的后台管理系统进行了设计，同时将MATLAB引擎技术将溶解氧预测模型嵌入到系统中，为科学管理水产养殖池塘提供了一定的理论和实际意义。 （1）针对水产养殖池塘水质，在借鉴池塘水质动态模型的基础之上对池塘水质因子及其影响因素进行了分析研究，并构建了池塘水质关键因子溶解氧预测模型，对下一时刻池塘溶解氧进行预测。 （2）针对池塘溶解氧影响因素种类多且相互之间作用机理复杂的情况，通过将主成分分析方法与BP神经网络相结合的方法，提出PCA-BP神经网络预测模型，对影响因素降维，消除因子间相互影响，仿真结果表明在提高BP神经网络训练效率的同时，相较BP神经网络预测结果有明显提高。 （3）对BP神经网络的连接权值和阈值确定过程中，通过将遗传算法引入寻找BP神经网络的最优连接权值及阈值，构建PCA-GA-BP神经网络模型。从仿真结果可以看出，虽然训练预测时间稍有增加，但是完全满足实际预测需要，且预测精度较好，预测结果更稳定。 （4）对池塘水质进行综合分析之后，运用WPF、WCF等技术开发了水产养殖监控管理系统的后台管理系统，对其中的部分模块进行了重点介绍，同时利用MATLAB引擎技术将训练好的MATLAB溶解氧预测模型嵌入到水产养殖监控管理系统中，实现仿真与实际应用的互联，为科学养殖水产品提供了一定的借鉴意义。