一种基于数据融合的养殖水体溶解氧数据修复方法

本发明涉及水产养殖，具体为一种基于数据融合的养殖水体溶解氧数据修复方法。

背景技术：

1、在大面积水域的水产养殖中，不同位置的水草、浮游动植物等分布存在不均匀问题，使得这些位置的水质参数会存在一定的差异，溶解氧作为养殖过程中水体的重要参数，对养殖的鱼类具有重要影响，在智能水产养殖中，溶解氧的准确监测是增氧设备的合理开关的有效依据，因此，通过有效的方法对发生故障或异常的溶解氧传感器获取的数据进行修复，并获得准确的监测数据对提高监测精度、降低养殖风险有十分重要的作用。

2、目前在实际生产中，现有的数据修复技术中有使用卡尔曼滤波对金华江流域实时洪水数据进行校正，利用预报模型结果实现实时数据校正；有使用d-s证据理论针对农田中土壤水分、水分胁迫指数以及气孔导度等因子进行数据融合，利用融合结果修复误差数据，从而提高农田监测数据融合的可靠性和合理性；另外，还有使用加权平均针对温室环境中的温度、湿度、光照强度、二氧化碳、气压和风速等进行数据融合，但当前数据修复方法在实际应用过程中仍存算法复杂度高、效率低、实用性有限等问题。

3、因此，针对上述问题提出一种基于数据融合的养殖水体溶解氧数据修复方法。

技术实现思路

1、本发明的目的是针对上述问题提供的一种基于数据融合的养殖水体溶解氧数据修复方法，克服传统数据修复方法中利用卡尔曼滤波、d-s证据理论等方法的高复杂度和实用性不强的问题，从而提高数据融合的实时性和可行性。

2、为实现上述目的，本发明提供如下技术方案：一种基于数据融合的养殖水体溶解氧数据修复方法，包括如下步骤，

3、步骤一：数据采集，在部署的水产养殖无线传感器网络环境中，按照实际生产的需要采集池塘中的7个监测节点的溶解氧、水温和ph等指标数据；

4、步骤二：数据检测与样本制备，针对采集的多传感器数据进行一致性检测，获得平滑处理后的数据，并制备多监测点同构传感器样本集；

5、步骤三：自支持度计算，利用养殖水体中多传感器的溶解氧平滑数据，对所有传感器节点间的互异度和关联度进行计算，衡量传感器两两间自支持度值；

6、步骤四：融合修复，网关节点完成传感器的新型自支持度加权线性数据融合过程，并对异常数据进行替换校正。

7、进一步地，基于步骤二所述数据检测的检测过程如下：

8、步骤二(1)：选取n各传感器最近的m个历史数据x＝{x1m,x2m,…,xim,…,xnm}；

9、步骤二(2)：以自滑动移动平均模型为一致性检测方法，估计该方法的参数自回归阶数p和移动平均阶数q，经过d次差分变换原序列变换为平稳序列，进而估算p+q各待估参数值和θ；

10、步骤二(3)：估算待测数据属于异常情况时的区间范围，设置异常情况置信范围r,计算表达式为：oi(t)＝xi(t)+c；

11、其中，oi(t)为t时刻采集的数据，xi(t)为检测模型的估测值，c为代价函数，由此可得到估测值x的f估测区间，

12、

13、其中，n为样本量，s为标准偏差，tα/2,n-1为分布函数,n-1为该分布函数的自由度，则t时刻，传感器采集数据的测量值进行估测时，存在两种情况：

14、(1)t时刻，当传感器采集数据不在预测区间内，则判定该数据为异常数据；

15、(2)t时刻，当传感器采集数据在预测区间内，则判定该数据为正常数据。

16、步骤二(4)：基于上述数据一致性检测结果，对7个监测节点对应的溶解氧、水温和ph值等指标因子进行一一匹配制备同构因子的多节点数据集，数据集中分别包括站点信息、位置数据、时间数据、同构指标数据。并针对溶解氧这一关键水体监测指标，形成多监测点空间数据集。

17、进一步地，步骤三(1)：在n个传感器的历史数据x＝{x1m,x2m,…,xim,…,xm}中，定义互异度μij和关联度δij(i,j＝1,2,…,n),分别表达第i个传感器采集的数据xi和第j个传感器采集的数据xj之间的差异程度和相似程度；

18、对于互异度μij的计算，选择欧式距离作为度量方法，计算两两传感器之间采集的互异性，其互异度计算公式如下：

19、

20、式中，σ为两传感器采集数据之间的欧式距离，k为样本号；

21、对于关联度δij的计算，使用皮尔森相关系数法计算两两传感器之间采集的相似性，其关联度计算公式如下：

22、式中，分别为传感器测量值xi(k),xj(k)数据集中元素的均值；

23、步骤三(2)：构建基于互异度μij和关联度δij的支持度函数，利用互异度获得两两传感器之间的差异程度，利用关联度获得两两传感器之间的相似程度，将二者进行结合，使得支持度随着关联度的增大和互异度的减小呈指数倍增长，其表达式为

24、

25、式中，sij为两两传感器之间的支持度；

26、步骤三(3)：基于新的支持度函数，构建n个传感器之间的自支持度矩阵，其表达式为:

27、

28、进一步地，基于步骤四中所述数据融合过程如下：

29、基于n个传感器之间的自支持度矩阵，对多个传感器组成的传感网中i号传感器的自支持度进行计算，即，其余n-1个传感器对i号传感器的自支持度，计算表达式如下：

30、

31、利用所述的传感器自支持度，计算第j个传感器在传感器组中获得的支持权值,其表达式为：

32、

33、同时，对监测区域中对n个传感器的固有测量精度σ1，σ2，…，σn，分别分配各传感器测量权值其表达式为

34、

35、最后，综合各传感器的测量权值和支持权值获得最终的融合权值wj，并对多传感器组的融合估计值进行估算，利用加权方法完成多传感器的数据融合，表达式为：

36、

37、其中，u，v分别为支持权值和测量权值分别所占的比重。

38、与现有技术相比，本发明的有益效果是：

39、该基于数据融合的养殖水体溶解氧数据修复方法，分析了水产养殖池塘中各位置采集的溶解氧浓度值的一致性，引入自支持度作为数据融合的权重依据，使用新型自支持度优化的加权融合方法进行溶解氧误差数据的修复，并取得了较好的效果。

技术特征：

1.一种基于数据融合的养殖水体溶解氧数据修复方法，其特征在于包括如下步骤：

2.根据权利要求1所述的基于数据融合的养殖水体溶解氧数据修复方法，其特征在于：基于步骤二所述数据一致性检测过程以及制备的同构传感器样本集步骤如下：

3.根据权利要求1所述的基于数据融合的养殖水体溶解氧数据修复方法，其特征在于：基于步骤三中所述计算过程如下：

4.根据权利要求1所述的基于数据融合的养殖水体溶解氧数据修复方法，其特征在于：基于步骤四中所述数据融合过程如下：

技术总结
本发明公开了一种基于数据融合的养殖水体溶解氧数据修复方法，涉及水产养殖技术领域，该方法的实施具体包括下列步骤：数据采集，在部署的水产养殖无线传感器网络环境中，按照实际生产的需要采集池塘中的7个监测节点的溶解氧、水温和pH值等指标数据；数据检测与样本制备，针对采集的多传感器数据进行一致性检测，获得平滑处理后的数据，并制备多监测点同构传感器样本集；自支持度计算，利用养殖水体中多传感器的溶解氧平滑数据，对所有终端传感器节点间的互异度和关联度进行计算，衡量传感器两两间自支持度值；融合修复，网关节点完成传感器的自支持度加权线性数据融合过程，并对异常数据进行替换校正。

技术研发人员：匡亮,施珮
受保护的技术使用者：江苏信息职业技术学院
技术研发日：
技术公布日：2024/1/13