CN112907107A - 一种基于多源信息融合的渔业事故应急处理系统及方法 - Google Patents
一种基于多源信息融合的渔业事故应急处理系统及方法 Download PDFInfo
- Publication number
- CN112907107A CN112907107A CN202110270966.7A CN202110270966A CN112907107A CN 112907107 A CN112907107 A CN 112907107A CN 202110270966 A CN202110270966 A CN 202110270966A CN 112907107 A CN112907107 A CN 112907107A
- Authority
- CN
- China
- Prior art keywords
- information
- fishery
- early warning
- water area
- culture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000004927 fusion Effects 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 title claims abstract description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 127
- 238000009395 breeding Methods 0.000 claims abstract description 22
- 230000001488 breeding effect Effects 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims description 42
- 238000009360 aquaculture Methods 0.000 claims description 40
- 244000144974 aquaculture Species 0.000 claims description 40
- 239000013598 vector Substances 0.000 claims description 16
- 238000003672 processing method Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明涉及一种基于多源信息融合的渔业事故应急处理系统及方法，包括：通过大数据建立养殖设施安全预警模型；获取水域历史数据，生成渔业养殖信息；采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；若所述偏差率大于第一阈值且小于第二阈值，则生成预警信息，将预警信息输入安全预警模型，得到维修策略；若所述偏差率大于第二阈值，则生成修正信息；根据修正信息对渔业养殖参数进行修正，得到结果信息；将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；所述第一阈值小于所述第二阈值。
Description
技术领域
本发明涉及一种渔业事故应急处理系统，尤其涉及一种基于多源信息融合的渔业事故应急处理系统及方法。
背景技术
传统的养殖模式主要沿用靠天靠经验、粗放经营的养殖模式，一味追求产量和经济效益，易出现超容量、高密养殖，投馆、施药、施肥不科学不合理，导致养殖水质自污染严重，生态失衡、极大地恶化了水产品的生长环境，给庞大的水产养殖业带来极大的养殖风险。
为了能够保证渔业水上养殖的安全运行需要开发一款与其相匹配的系统进行控制，通过大数据建立养殖设施安全预警模型；获取水域历史数据，生成渔业养殖信息；采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到维修策略；若渔业环境信息偏差较大时，则生成修正信息对渔业养殖参数进行修正；此外修正信息还能够进行水域历史数据的反向修正更新；如何对渔业养殖设施安全预警系统实现精准控制，是亟待要解决的问题。
发明内容
本发明克服了现有技术的不足，提供一种基于多源信息融合的渔业事故应急处理系统及方法。
为达到上述目的，本发明采用的技术方案为：一种基于多源信息融合的渔业事故应急处理方法，其特征在于，包括：
通过大数据建立养殖设施安全预警模型；
获取水域历史数据，生成渔业养殖信息；
采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；
若所述偏差率大于第一阈值且小于第二阈值，则生成预警信息，
将预警信息输入安全预警模型，得到维修策略；
若所述偏差率大于第二阈值，则生成修正信息；
根据修正信息对渔业养殖参数进行修正，得到结果信息；
将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；
所述第一阈值小于所述第二阈值。
在本发明的一个较佳实施例中，通过大数据建立养殖设施安全预警模型；还包括：
获取海量故障诊断数据，建立安全预警模型；
采集养殖设施运行数据，生成养殖设施运行状态曲线，
将养殖设施运行状态曲线进行平滑处理，并剔除异常数据，
根据安全预警模型，生成养殖设施故障预警信息，
根据养殖设施故障预警信息，建立维修决策，
将维修决策按照预定方式传输至终端。
在本发明的一个较佳实施例中，根据修正信息对渔业养殖参数进行修正，得到结果信息；具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据。
在本发明的一个较佳实施例中，还包括：获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
在本发明的一个较佳实施例中，所述渔业环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温、养殖水域风速信息、养殖水域风向变化信息、养殖水域水流信息中的一种或多种。
在本发明的一个较佳实施例中，还包括：
获取养殖水域强风数据样本，提取养殖水域强风参数特征值，
根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；
采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；
根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；
根据天气变化信息建立预警信息，并生成对应的预警策略。
在本发明的一个较佳实施例中，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：
设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，
将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；
比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；
比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；
若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；
若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；
对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，
根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。
本发明第二方面还提供了一种基于多源信息融合的渔业事故应急处理系统，该系统包括：存储器、处理器，所述存储器中包括基于多源信息融合的渔业事故应急处理方法程序，所述基于多源信息融合的渔业事故应急处理方法程序被所述处理器执行时实现如下步骤：
通过大数据建立养殖设施安全预警模型；
获取水域历史数据，生成渔业养殖信息；
采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；
若所述偏差率大于第一阈值且小于第二阈值，则生成预警信息，
将预警信息输入安全预警模型，得到维修策略；
若所述偏差率大于第二阈值，则生成修正信息；
根据修正信息对渔业养殖参数进行修正，得到结果信息；
将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；
所述第一阈值小于所述第二阈值。
在本发明的一个较佳实施例中，还包括：
获取养殖水域强风数据样本，提取养殖水域强风参数特征值，
根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；
采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；
根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；
根据天气变化信息建立预警信息，并生成对应的预警策略。
在本发明的一个较佳实施例中，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：
设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，
将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；
比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；
比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；
若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；
若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；
对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，
根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精准性。
(2)通过获取养殖水域强风数据样本，提取养殖水域强风参数特征值，根据养殖水域强风参数特征值建立脉动风速场采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图进行预测养殖水域天气变化信息，根据天气变化信息能够对养殖水域进行提前预警，并通过将脉动风速进行分解的方式，提高水域风力变化预测精度，使养殖设施安全预警更加贴近实际值。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种基于多源信息融合的渔业事故应急处理方法的流程图；
图2示出了建立养殖设施安全预警模型方法流程图；
图3示出了渔业养殖环境数据处理方法流程图；
图4示出了预警策略生成方法流程图；
图5示出了脉动风速预测方法流程图；
图6示出了一种基于多源信息融合的渔业事故应急处理系统框图；
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于多源信息融合的渔业事故应急处理方法的流程图。
如图1所示，本发明第一方面提供了一种基于多源信息融合的渔业事故应急处理方法，包括：
S102，通过大数据建立养殖设施安全预警模型；
S104，获取水域历史数据，生成渔业养殖信息；
S106，采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；
S108，若偏差率大于第一阈值且小于第二阈值，则生成预警信息，
S110，将预警信息输入安全预警模型，得到维修策略；
S112，若偏差率大于第二阈值，则生成修正信息；
S114，根据修正信息对渔业养殖参数进行修正，得到结果信息；
S116，将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；
第一阈值小于第二阈值。
需要说明的是，通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精准性。
如图2所示，本发明公开了建立养殖设施安全预警模型方法流程图；
根据本发明实施例，通过大数据建立养殖设施安全预警模型；还包括：
S202，获取海量故障诊断数据，建立安全预警模型；
S204，采集养殖设施运行数据，生成养殖设施运行状态曲线，
S206，将养殖设施运行状态曲线进行平滑处理，并剔除异常数据，
S208，根据安全预警模型，生成养殖设施故障预警信息，
S210，根据养殖设施故障预警信息，建立维修决策，
S212，将维修决策按照预定方式传输至终端。
如图3所示，本发明公开了渔业养殖环境数据处理方法流程图；
根据本发明实施例，根据修正信息对渔业养殖参数进行修正，得到结果信息；具体包括：
S302，获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
S304，提取结果信息特征值，将特征值进行向量分解；
S306，建立向量权重自适应函数，并对特征值向量进行加权计算；
S308，加权计算后的多尺度特征向量进行融合，生成新的环境数据。
需要说明的是，需要说明的是，小波分析是一种时间尺度分析和多分辨率分析的新技术，能够描述动态信号非平稳性描述、同时提取信号的频域和时域的局部信息，实现水质信号特征频率的分离与提取，具有多尺度分析和数学显微特，是一种实现水质高效、便捷的降噪和数据清洗工具。
根据本发明实施例，还包括：获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
根据本发明实施例，渔业环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温、养殖水域风速信息、养殖水域风向变化信息、养殖水域水流信息中的一种或多种。
如图4所示，本发明公开了预警策略生成方法流程图；
根据本发明实施例，还包括：
S402，获取养殖水域强风数据样本，提取养殖水域强风参数特征值，
S404，根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；
S406，采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；
S408，根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；
S410，根据天气变化信息建立预警信息，并生成对应的预警策略。
如图5所示，本发明公开了脉动风速预测方法流程图；
根据本发明实施例，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：
S502，设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，
S504，将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；
S506，比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；
S508，比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；
S510，若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；
S512，若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；
S514，对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，
S516，根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。
如图6所示，本发明公开了一种基于多源信息融合的渔业事故应急处理系统框图；
本发明第二方面还提供了一种基于多源信息融合的渔业事故应急处理系统，该系统6包括：存储器61、处理器62，存储器中包括基于多源信息融合的渔业事故应急处理方法程序，基于多源信息融合的渔业事故应急处理方法程序被处理器执行时实现如下步骤：
通过大数据建立养殖设施安全预警模型；
获取水域历史数据，生成渔业养殖信息；
采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；
若偏差率大于第一阈值且小于第二阈值，则生成预警信息，
将预警信息输入安全预警模型，得到维修策略；
若偏差率大于第二阈值，则生成修正信息；
根据修正信息对渔业养殖参数进行修正，得到结果信息；
将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；
第一阈值小于第二阈值。
根据本发明实施例，还包括：
获取养殖水域强风数据样本，提取养殖水域强风参数特征值，
根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；
采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；
根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；
根据天气变化信息建立预警信息，并生成对应的预警策略。
根据本发明实施例，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：
设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，
将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；
比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；
比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；
若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；
若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；
对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，
根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。
根据本发明实施例，通过大数据建立养殖设施安全预警模型；还包括：
获取海量故障诊断数据，建立安全预警模型；
采集养殖设施运行数据，生成养殖设施运行状态曲线，
将养殖设施运行状态曲线进行平滑处理，并剔除异常数据，
根据安全预警模型，生成养殖设施故障预警信息，
根据养殖设施故障预警信息，建立维修决策，
将维修决策按照预定方式传输至终端。
根据本发明实施例，根据修正信息对渔业养殖参数进行修正，得到结果信息；具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据。
需要说明的是，需要说明的是，小波分析是一种时间尺度分析和多分辨率分析的新技术，能够描述动态信号非平稳性描述、同时提取信号的频域和时域的局部信息，实现水质信号特征频率的分离与提取，具有多尺度分析和数学显微特，是一种实现水质高效、便捷的降噪和数据清洗工具。
根据本发明实施例，还包括：获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
根据本发明实施例，渔业环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温、养殖水域风速信息、养殖水域风向变化信息、养殖水域水流信息中的一种或多种。
综上所述，通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精，通过获取养殖水域强风数据样本，提取养殖水域强风参数特征值，根据养殖水域强风参数特征值建立脉动风速场采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图进行预测养殖水域天气变化信息，根据天气变化信息能够对养殖水域进行提前预警，并通过将脉动风速进行分解的方式，提高水域风力变化预测精度，使养殖设施安全预警更加贴近实际值。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于多源信息融合的渔业事故应急处理方法，其特征在于，包括：
通过大数据建立养殖设施安全预警模型；
获取水域历史数据，生成渔业养殖信息；
采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；
若所述偏差率大于第一阈值且小于第二阈值，则生成预警信息，
将预警信息输入安全预警模型，得到维修策略；
若所述偏差率大于第二阈值，则生成修正信息；
根据修正信息对渔业养殖参数进行修正，得到结果信息；
将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；
所述第一阈值小于所述第二阈值。
2.根据权利要求1所述的一种基于多源信息融合的渔业事故应急处理方法，其特征在于，通过大数据建立养殖设施安全预警模型；还包括：
获取海量故障诊断数据，建立安全预警模型；
采集养殖设施运行数据，生成养殖设施运行状态曲线，
将养殖设施运行状态曲线进行平滑处理，并剔除异常数据，
根据安全预警模型，生成养殖设施故障预警信息，
根据养殖设施故障预警信息，建立维修决策，
将维修决策按照预定方式传输至终端。
3.根据权利要求1所述的一种基于多源信息融合的渔业事故应急处理方法，其特征在于，根据修正信息对渔业养殖参数进行修正，得到结果信息；具体包括：
获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；
提取结果信息特征值，将特征值进行向量分解；
建立向量权重自适应函数，并对特征值向量进行加权计算；
加权计算后的多尺度特征向量进行融合，生成新的环境数据。
4.根据权利要求3所述的一种基于多源信息融合的渔业事故应急处理方法，其特征在于，还包括：获取水位信息，并将设备分割为水上区域与水下区域；
获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，
若大于，则调整设备水上区域与水下区域比值；
获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，
若大于，调整设备运行数据，并生成预警信息。
5.根据权利要求1所述的一种基于多源信息融合的渔业事故应急处理方法，其特征在于，所述渔业环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温、养殖水域风速信息、养殖水域风向变化信息、养殖水域水流信息中的一种或多种。
6.根据权利要求1所述的一种基于多源信息融合的渔业事故应急处理方法，其特征在于，还包括：
获取养殖水域强风数据样本，提取养殖水域强风参数特征值，
根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；
采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；
根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；
根据天气变化信息建立预警信息，并生成对应的预警策略。
7.根据权利要求6所述的一种基于多源信息融合的渔业事故应急处理方法，其特征在于，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：
设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，
将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；
比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；
比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；
若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；
若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；
对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，
根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。
8.一种基于多源信息融合的渔业事故应急处理系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于多源信息融合的渔业事故应急处理方法程序，所述基于多源信息融合的渔业事故应急处理方法程序被所述处理器执行时实现如下步骤：
通过大数据建立养殖设施安全预警模型；
获取水域历史数据，生成渔业养殖信息；
采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；
若所述偏差率大于第一阈值且小于第二阈值，则生成预警信息，
将预警信息输入安全预警模型，得到维修策略；
若所述偏差率大于第二阈值，则生成修正信息；
根据修正信息对渔业养殖参数进行修正，得到结果信息；
将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；
所述第一阈值小于所述第二阈值。
9.根据权利要求7所述的一种基于多源信息融合的渔业事故应急处理系统，其特征在于，还包括：
获取养殖水域强风数据样本，提取养殖水域强风参数特征值，
根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；
采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；
根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；
根据天气变化信息建立预警信息，并生成对应的预警策略。
10.根据权利要求9所述的一种基于多源信息融合的渔业事故应急处理系统，其特征在于，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：
设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，
将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；
比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；
比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；
若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；
若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；
对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，
根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110270966.7A CN112907107B (zh) | 2021-03-12 | 2021-03-12 | 一种基于多源信息融合的渔业事故应急处理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110270966.7A CN112907107B (zh) | 2021-03-12 | 2021-03-12 | 一种基于多源信息融合的渔业事故应急处理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112907107A true CN112907107A (zh) | 2021-06-04 |
| CN112907107B CN112907107B (zh) | 2024-01-09 |
Family
ID=76104929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110270966.7A Active CN112907107B (zh) | 2021-03-12 | 2021-03-12 | 一种基于多源信息融合的渔业事故应急处理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112907107B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114493680A (zh) * | 2022-01-06 | 2022-05-13 | 中国水产科学研究院南海水产研究所 | 一种基于流刺网调查的渔业资源统计方法及系统 |
| CN116562923A (zh) * | 2023-05-26 | 2023-08-08 | 深圳般若海科技有限公司 | 一种基于电商行为的大数据分析方法、系统及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202603396U (zh) * | 2012-05-17 | 2012-12-19 | 吴雯雯 | 一种自动化水产养殖装置 |
| CN105892537A (zh) * | 2016-04-21 | 2016-08-24 | 佛山市迪赛农业技术有限公司 | 一种智慧渔业养殖监控系统 |
| KR20170060653A (ko) * | 2015-11-24 | 2017-06-02 | 주식회사 글로비트 | 모바일 기반의 양만장 통합관리 시스템 |
| CN107830891A (zh) * | 2017-10-26 | 2018-03-23 | 仲恺农业工程学院 | 水产养殖水质pH值多参量数据采集装置及数据处理方法 |
| CN107884530A (zh) * | 2017-09-20 | 2018-04-06 | 江苏杰创科技有限公司 | 水质化学污染在线监测评估预警传感器网络节点系统 |
| CN112232569A (zh) * | 2020-10-19 | 2021-01-15 | 苏州容思恒辉智能科技有限公司 | 一种机械设备故障预警方法、系统及可读存储介质 |
| CN112435449A (zh) * | 2020-11-24 | 2021-03-02 | 中国水产科学研究院南海水产研究所 | 一种全数字智能化渔业违规船舶识别排查系统及方法 |
| CN112464951A (zh) * | 2020-11-24 | 2021-03-09 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔业安全应急处置系统及方法 |
-
2021
- 2021-03-12 CN CN202110270966.7A patent/CN112907107B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202603396U (zh) * | 2012-05-17 | 2012-12-19 | 吴雯雯 | 一种自动化水产养殖装置 |
| KR20170060653A (ko) * | 2015-11-24 | 2017-06-02 | 주식회사 글로비트 | 모바일 기반의 양만장 통합관리 시스템 |
| CN105892537A (zh) * | 2016-04-21 | 2016-08-24 | 佛山市迪赛农业技术有限公司 | 一种智慧渔业养殖监控系统 |
| CN107884530A (zh) * | 2017-09-20 | 2018-04-06 | 江苏杰创科技有限公司 | 水质化学污染在线监测评估预警传感器网络节点系统 |
| CN107830891A (zh) * | 2017-10-26 | 2018-03-23 | 仲恺农业工程学院 | 水产养殖水质pH值多参量数据采集装置及数据处理方法 |
| CN112232569A (zh) * | 2020-10-19 | 2021-01-15 | 苏州容思恒辉智能科技有限公司 | 一种机械设备故障预警方法、系统及可读存储介质 |
| CN112435449A (zh) * | 2020-11-24 | 2021-03-02 | 中国水产科学研究院南海水产研究所 | 一种全数字智能化渔业违规船舶识别排查系统及方法 |
| CN112464951A (zh) * | 2020-11-24 | 2021-03-09 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔业安全应急处置系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 白泉 等: "基于AR模型的大跨悬索桥脉动风速时程模拟", 沈阳工业大学学报, vol. 42, no. 5, pages 578 - 582 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114493680A (zh) * | 2022-01-06 | 2022-05-13 | 中国水产科学研究院南海水产研究所 | 一种基于流刺网调查的渔业资源统计方法及系统 |
| CN114493680B (zh) * | 2022-01-06 | 2024-05-03 | 中国水产科学研究院南海水产研究所 | 一种基于流刺网调查的渔业资源统计方法及系统 |
| CN116562923A (zh) * | 2023-05-26 | 2023-08-08 | 深圳般若海科技有限公司 | 一种基于电商行为的大数据分析方法、系统及介质 |
| CN116562923B (zh) * | 2023-05-26 | 2023-12-22 | 深圳般若海科技有限公司 | 一种基于电商行为的大数据分析方法、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112907107B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112578725B (zh) | 一种基于物联网的渔业水上养殖设施安全预警系统及方法 | |
| CN114549563A (zh) | 一种基于DeepLabV3+的复合绝缘子实时分割方法及系统 | |
| CN112907107A (zh) | 一种基于多源信息融合的渔业事故应急处理系统及方法 | |
| CN116227745B (zh) | 一种基于大数据的涉渔船舶调查分析方法及系统 | |
| CN106327013A (zh) | 一种输电线巡检路径规划方法及系统 | |
| CN111507155A (zh) | 联合U-Net++和UDA的微地震有效信号初至拾取方法及装置 | |
| CN111426905A (zh) | 一种配电网同母线变关系异常诊断方法、装置及系统 | |
| CN114416707A (zh) | 工业时序数据的自动化特征工程方法和装置 | |
| CN114297907A (zh) | 温室环境空间分布预测方法及装置 | |
| CN117115527A (zh) | 一种基于红外热成像的电力设备故障检测方法和系统 | |
| CN108205727A (zh) | 一种基于决策树和专家系统的数字化车间工艺决策方法 | |
| CN112215410A (zh) | 基于改进深度学习的电力负荷预测方法 | |
| CN110968950A (zh) | 一种基于人员疲劳度的人机协作拆卸序列规划方法 | |
| CN115359029A (zh) | 一种基于异构交叉伪监督网络的半监督医学图像分割方法 | |
| CN115100592B (zh) | 一种输电通道外破隐患识别方法、装置及存储介质 | |
| CN111934903A (zh) | 一种基于时序演化基因的Docker容器故障智能预测方法 | |
| CN116384217A (zh) | 一种海洋环境预报方法、装置及其存储介质 | |
| CN116961231A (zh) | 一种基于电力物联网安全管理系统 | |
| CN109657404B (zh) | 基于混沌修正群智能寻优的采煤机故障自动诊断系统 | |
| CN114235409A (zh) | 一种轻量化通信的滚动轴承多用户协同智能故障诊断方法 | |
| CN107392379B (zh) | 一种基于Lorenz扰动的时间序列风速预测方法 | |
| CN117909691B (zh) | 一种海洋工程设计数据的获取系统及方法 | |
| CN116975611B (zh) | 一种基于扩散模型ode形式的高频负荷数据生成方法和系统 | |
| CN116636815B (zh) | 基于脑电信号的水下作业人员睡眠质量评估方法及系统 | |
| CN118503927B (zh) | 一种基于神经网络模型的海域波浪数据推演方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |