翻译

发布时间:   来源:文档文库   
字号:
3.系统实施3.1.测试环境
在这个测试中,基于IPSecVPN路由器(BV-601NESCO有限公司,中国)的一个中央监控平台部署在北京的中国农业大学。远程监控系统部署在位于山东省的丰泽公司,该公司是一个集约型养殖鱼场,运用的是典型的循环水产养殖系统(Colt2006年)。每个鱼缸大约6.77×6.55×0.55米大小。平均下来,鱼所占的密度为30-40kg/m33.2.远程监控平台
远程监控平台的两个技术原型已经安装在山东实际的养鱼场中,以验证系统的性能,3所示。
目前,为了温度、溶解氧、pH值、盐分而研究的传感器探头,是由南图公司(中国)分别由0.1精度的C,按0.1mg/L0.10.1的百分比结合而成。总部40d18(哈希,美国)是作为与提供长期稳定和相关DO±0.1C的温度的±1.0%的高精确度相对照而被挑选出来的。
RMP使用PICNIC2.0(三态,日本)它是数据转换和传输的核心处理芯片和CDMA模块InRouter210C中国)并且运用了CDMA模块芯片(模块编号为:FASTRACKM1203Q2358由传感器记录的数据通过中国联通的CDMA服务被传送到远程信息服务器端。一旦基于CDMAIPSecVPN(虚拟专用网)路由器的无线安全传输的虚拟局域网被建立,那么,在服务器上的程序则可以实时访问数据。集数据采集节点通过WiFi无线局域网传输数据,同时,在计算机上运行的通信程序可以通过TCP/IP协议将信息传送到远程服务器端。数据的自动采集和基于网络的传播不仅提供了一个集中式数据库的使用,还提供了所有水质方面的相关人员的详细数据分析。因此,用户将能够通过互联网来监测水质的各项参数值。3.3.中央监控软件
中央监控软件是使用JSPServlet和短消息的技术来编程所得到的,这些技术运用了模视图控制器(即MVC)架构。它可以运行在所有支持此版本的Java的操作系统上,以至于用户可以通过任何常用的浏览器(如InternetExplorerNetscape等)来使用。MATLAB7.0被用于实现和验证算法。英特尔Core2Duo处理器的个人电脑拥有1GBSDRAM,这1GBSDRAM被选为测试环境。Windows2003EclipseMyEclipse3.2MySQL5.1ApacheTomcat5.5.Aclient都是软件程序,监控系统的软件都是在这些软件环境下开发出来的。此环境的创建,用来与服务器进行通信,并提供一个用户界面,以便了解监控系统的实时状态及其变化(如图4


4.Themonitorinterfacewindowofno.5workshop.

4.结果与讨论
4.1.网络通信和数据采集
整个系统已测试并验证了大约22个月的时间,从200711月至2009年的8月。所有节点的数据统计表明,监控系统是相当可靠的,自20082月起,超过95.2%的数据已被正确无误地采集到。每个RMP作为一个独立的局域网,通过CDMA(中国联通)服务连接到互联网。这意味着,在CDMA信号覆盖的地区,一个传感网络节点可以是一个构建块,以构建一个大规模无线传感网络。监控系统也容易与更多的传感器通道以及CDMA的带宽逐步扩展。

2.4个月中,各方面水质参数的汇总统计


3.TheRMSE,RR,MREforBPneuralnetworkmodelwithdifferentinputcombinations

5.ThemonitoringdataofdissolvedoxygenforasingledaycollectedbyRMP#1onJune
4th,2008.
为了验证系统的准确性,通过不同的策略(手动和自动)进行比较所得到的两组数据采样。正如图5所示,通过系统监测所得的曲线比通过手动采集所得曲线更加令人满意,其中最大的区别就是系统监测的是低于0.4毫克/L。因此,我们可以得出结论,该系统可以监测的相当准确且连续。显然,若是通过手动采样,测量频率(达到每1分钟一次)的要求可能是无法达到的。
正如我们所看到的,约在820分和1620时,有一个快速下降的变化。这是因为

在这个实验中此时正是喂食的时间。我们可以监测溶解氧的日常变化,用以及时控制通风装置,特别是在喂食之后,这种方法是比较合理的。这种时间序列的形式允许监测溶解氧的日常波动,它相当于水质状况的一种附属指标器。这个频率允许溶解氧被作为一种预警参数使用。该系统可以提供早期预警,特别适用于大规模、高密度和高风险的水养殖场。
通过采用结果令人满意的同样的方式,详细的温度、pH值和盐度变化均被测量用于合适的监测系统。
系统部署好以后,pH值相对稳定,其平均值为7.943(见表2。盐分对于相对稳定的平均值为31.35个百分点并且盐分为小于1个单位的范围0.6个百分点)来说仍比较高(见2。这两个参数都是各地波动不大的最佳的增长幅度。自系统部署好以后,鱼的死亡率已开始逐步下降到2%以下。
4.2.预测模块
为了达到最好的效果,学习过程中刻意地实行在不同的学习效率和学习动力的因素方面。在BP学习方法实行之前,训练例子的顺序是随机的,通过几组例子的训练以至于不会严重影响到学习参数的变化。此外,初始学习参数对于所有的学习情况是随机且确定的。
=0.3=0.9的学习条件,已被选定阐明在溶解氧的建模和预测中应用改进BP网络的实用性。初始数据集包括2016个样本(每天288个样本),从4天的数据(1440个样本),用于模型校准,3天的数据(576个样本),进行模型验证。校准数据集进一步可分为1152训练样本和288个测试样本。据发现,4000次迭代后,学习误差小于6%。接着,缓慢却不断地聚集,会发现,在10,000次迭代后,误差将逐步小于3%。
为了评估模型的性能,根均方误差(RMSE、最大相对误差(MRE)和识别率(RR)均作为评估的标准。
(3
其中,XO表示观测变量;XP表示预测的变数。











(4
其中,M表示满足公式(5)的样品数;N表示样本的总数。









(5(6
为了得到最合适的模型,结合根据表3中不同的输入组合,创建出一套人工神经网络。
可以看出,7个要素作为输入的模型,具有较高的实用性和DO浓度预测的精准的能力。不同的因素对预测的结果有着不同的影响,其中pH值、盐分的影响最小。神经系统网络,包含输入端的空气温度、溶解氧和水温,并且输出端的溶解氧和水温作为输入,这种神经系统网络被选中为最中肯的模型。
5.结论
在这项研究中,为密集水产养殖业而制造的远程无线监控系统在中国被推出,它采用无线通信技术和人工神经网络预测模型。在山东密集型水产养殖场部署RMP的两个技术原型已测试了近2年的时间。当检测的变量发生异常时,该系统则实现了水环境的参数及警报通知的远程无线监控。

在本次研究的基础上,得出以下结论:
1)就超过95.2%的数据已被正确采集到的情况而言,该系统可以实时并持续地监测DOpH值、盐分和温度。在监测的pH值方面没有显著的影响,因为相对来说该系统是比较稳定的。结果表明了水温的周期性变化,这种变化与气温有着相似的规律。盐分在大雨过后的情况下会发生急剧变化,因此,这也为早期预警间接地发挥了指示器的作用。在水产养殖中,被特别关注的一些其他方面的参数也包括氨氮和硫化氢。这些以及其他关键参数的测量和控制,将在今后的工作中实现。
2)该系统可提供早期预警,这一点特别有利于高密度的水产养殖场。预测模型准确地预测未来半小时内溶解氧的进一步趋势。系数的相关性和根值的平均值的平方的偏差分别为0.91%和1.56%。预警的准确度为81.4%,而误报的几率为零。
3)在每日定期的测量中发现,溶解氧具有某种规律性的重复,这种现象主要取决于喂食的时间。在大规模季节性的测量中发现,它显示了几乎是一个周期性的趋势,这是由气候情况而定的。因此,它有可能在此基础上更好地改善预测模型。
4)训练后溶解氧的预测结果是良好的,因此其系数的变化将不会是一个模型改进所需要优先考虑的事。实验的数据集合所包含的所有沿生长周期所需的测量值都没有获得。此外,要想使模型适用于更广泛的养殖环境的话,是需要从其他包含不同鱼类的鱼池环境中获取数据的集合的。同样地,也应当给予培养数据集合特别的注意。
5)所推荐的系统应用仍受相当复杂的操作要求以及高额成本的维护的限制。倘若安装了更多的风险管理计划,那么水质变化的影响,将可以在合适的时间和空间内进行调查研究,从而解决问题。此外,该传感器需要经常清洗和再校准,以延长使用寿命,因为他们需要不断地与水进行接触,从而可能会导致仪器上产生污垢,仪器的灵敏度降低,以及破坏了仪器的再生性的损失。因此,应当研究怎样使得传感器的使用寿命更长久,还有怎样更加合理地设计传感器采集处。

本文来源:https://www.2haoxitong.net/k/doc/82cd796027d3240c8447efbb.html

《翻译.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式