北京中科医院是假的吗 https://m.39.net/baidianfeng/a_5154116.html
01养殖工船的前世今生早在20世纪80—90年代，欧美发达国家就进行了养殖工船的概念设计，提出了包括浮体平台、船载养殖车间、船舱养殖以及半潜式网箱工船等多种形式。例如，法国在布雷斯特北部的布列塔尼海岸与挪威合作建成了一艘长m、总排水量10万吨的养鱼工船；挪威NSK船舶设计公司年发布了其设计的3艘大型深海养殖工船，总长m、型宽54m，单船可以养殖1万吨三文鱼成鱼或超过万条幼鱼。我国虽最早在20世纪80年代后期便提出了发展深远海养殖装备的设想，但直到近十年才真正付诸实践。年7月，我国首艘养殖工程“鲁岚渔号”在山东成功交付，可满足冷水团养殖鱼苗培育和养殖场看护要求。年10月，全球首制、具有完全自主知识产权的舷侧开孔式养殖工船“民德号”成功交付，该船由普通散货船改装而成，具有鱼类养殖、饵料加工、活鱼运输等功能。年5月，全球首艘10万吨级智慧渔业大型养殖工船“国信1号”交付运营，该船采用电动推进双桨，总长.9m，型宽45m，型深21.5m，设计吃水12m，排水量13万吨，载重量约10万吨。年9月，“国信1号”养殖的首批大黄鱼开捕上市，标志着我国深远海养殖装备产业步入快车道。年中央一号文件提出“建设现代海洋牧场，发展深水网箱、养殖工船等深海远海养殖”，“养殖工船”首次被写入中央一号文件。

▲"国信1号"养殖工船｜图片来自网络

02封闭式养殖工船：流动的海上牧场养殖工船主要有通海型和封闭式两种类型。封闭式养殖工船是以船舶为载体，在养殖舱进行养殖，单舱养殖水体可达数万立方米。养殖工船上配有动力系统，具有灵活的机动性，可选择最佳适鱼温度和水质好的海域进行游弋式养殖，同时还可躲避恶劣的海况。封闭式养殖工船采用的是循环水养殖，通过控制循环水换水量维持养殖舱内的养殖水体各个指标达标。封闭式养殖系统具有养殖环境可控、集约化程度高、能抵御敌害生物侵害和养殖排污物可收集等特点，是绿色高效的养殖方式。

▲封闭式养殖工船养殖舱

03养殖舱的智慧大脑：实时监测水质养殖试验船上配备一套监测系统，对养殖过程中的水质情况、鱼类行为、船体姿态以及养殖设备运行状态进行实时在线监测、显示、报警和记录等。其中，水质监测系统通过多参数传感器对养殖舱中的水温、pH、溶解氧、盐度进行采集，并将数据实时发送至监控主机。

▲养殖工船养殖舱外观

▲养殖舱监测系统结构简图和实物图04至关重要的环境因子：溶解氧溶解氧是养殖工船水环境的一个重要参考指标，直接关系到鱼的存活和生长，溶解氧含量不足会使鱼产生应激反应、食欲下降、饲料转化减少、生长缓慢、抵抗力下降甚至是急性死亡。然而，养殖水体中的溶解氧受天气、水质和人类活动等多种因素影响，具有时滞大、非线性、不稳定等特点。因此，加强对溶解氧预测研究，提高溶解氧的预测精度，可以及时采取应对措施，避免巨大损失。▲养殖舱水质参数监测界面05预测模型：溶氧浓度早知道常见的溶解氧预测模型卷积神经网络(Convolutionalneuralnetwork,CNN)是深度学习模型的一个重要分支，具有很强的序列特征提取能力。长短期记忆(Longshort?termmemory,LSTM)因能解决长期依赖性问题而被广泛应用于时间序列数据预测中。门控循环单元(Gatedrecurrentunit,GRU)是LSTM的改进模型，模型更简单、参数更少、训练速度更快，尤其在原始数据较少的情况下，GRU的预测效果要明显优于LSTM。然而，GRU网络不能充分挖掘数据的特征，当预测长度较长时预测精度会降低。由CNN和LSTM或者GRU组合而成的混合模型已被许多学者所研究，并且在故障识别、环境监测、风力发电和语音识别等领域被广泛使用，但在水产养殖中的应用依旧较少。极具优越性的CNN-GRU溶解氧预测混合模型本研究通过在养殖工船上进行卵形鲳鲹(Trachinotusovatus)养殖试验，以养殖过程中采集的数据为样本，充分利用CNN提取序列特征的能力和GRU对时间序列预测的优越性，提出了一种CNN-GRU溶解氧预测混合模型，对养殖舱的水体溶解氧进行预测。并采用多个评价指标，将CNN-GRU模型与CNN、LSTM、GRU等3种模型的预测效果进行比较，验证了该混合模型的优越性。▲CNN-GRU网络结构图试验数据通过养殖工船的水质监测系统进行采集，水质监测系统的采样间隔为15min，试验周期为18d，共获得了组实验数据。在线采集的数据有：溶解氧含量、温度、pH值、盐度、循环水流量。通过皮尔逊相关性分析，选择了与溶解氧相关性较大的4个变量（溶解氧含量、温度、pH和流量）作为模型的输入。将采集到并经过预处理后的数据分为训练集和测试集两部分，选用前17d共组数据作为训练集，第18天共96组数据作为测试集。分别使用CNN、LSTM、GRU和CNN-GRU4种预测模型对溶解氧进行了预测，预测结果图所示。从4个预测图可以观察到，CNN的预测效果最差，预测过程中存在较大的波动；LSTM和GRU的预测效果较好，预测曲线与实际值较相近，CNN-GRU的预测效果最好，预测值与实际值的偏差很小。▲4种模型预测结果为了比较4种模型在预测养殖舱溶解氧含量方面的性能，分别使用均方根误差(RMSE)，平均绝对误差(MAE)和决定系数R23种性能评价指标对模型进行了评价，4个模型的RMSE、MAE和R2如下表所示。从表1可以看出，CNN模型的预测效果最差，CNN-GRU模型预测效果最好。表14种模型的预测性能

基于以上分析，本研究提出的CNN-GRU模型对溶解氧的预测具有最高的精度，各个评价指标都优于单一模型，这对养殖工船养殖水体溶解氧的预警和调控具有重要的参考意义。

相关文章：

苏辉锋,丁乐声,王绪旺,陈木生,陈潇*.基于CNN-GRU混合模型的养殖工船水体溶解氧预测研究[J].南方水产科学,,19(4):-.

撰文

苏辉锋编辑

江　睿

转载请注明:http://www.aideyishus.com/lkjg/7309.html