(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111655753.2 (22)申请日 2021.12.3 0 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301号 (72)发明人 刘星桥　王前昆　刘一颍　宦娟　 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/16(2006.01) G06F 111/06(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于模糊评价与改进支持向量机的鱼 塘水质评价预测系统及方法 (57)摘要 本发明公开了一种基于模糊评价与改进支 持向量机的鱼塘水质评价预测系统及方法， 属于 环境智能监控技术领域。 包括： 步骤一： 采用莱以 达准则剔除环境中缺失与异常的数据； 步骤二： 对多个同类传感器数据采用改进的分组自适应 加权融合进行数据处理； 步骤三： 使用模糊综合 评判法对水质进行评级； 步骤四： 使用改进的果 蝇算法去优化LSSVR预测模型。 与未经过数据处 理、 模糊评价与果蝇算法优化后的LSSVR模型相 比， 本组合预测方法能够提高鱼塘水质环境评价 预测水平， 在评价预测中具有可行性和有效性。 连续预测的性能可以满足对鱼塘水产养殖业对 水质环境的高要求。 权利要求书8页 说明书8页 附图5页 CN 114357877 A 2022.04.15 CN 114357877 A 1.一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统， 其特征在于， 包括： 信息采集模块、 数据 处理模块、 模糊评价与预测模块、 人机交互模块； 所述信息采集模块用 于采集水质参数； 所述数据 处理模块用于简化数据样本， 缩小因鱼塘面积过大产生的区域 间差异； 所述模糊评价与预测模块计算水质参数隶属度函数， 将当前水质划分等级， 并预测 未来水质； 所述人机交互模块用于保存和显示当前最优融合值、 水质等级和未来水质预测 结果。 2.根据权利要求1所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系 统， 其特征在于， 所述信息采集模块采用传感器实现， 用于采集温度、 溶解氧、 PH值、 氨氮浓 度， 所述传感器通过Lora组网， 远程连接至STM32开发板， 进行处理存储， 所述数据处理模 块、 模糊评价与预测模块 集成于STM 32开发板中； 数据处 理模块具体步骤如下 所示： 步骤1， 在鱼塘适当位置安装4个传感器测温度、 溶解氧、 PH值、 氨氮含量， 传感器通过 Lora无线速传与STM 32单片机进行分时数据交 互， 这些数据保存在STM 32单片机flash中； 步骤2， 单个传感器数据接受10次后， 使用莱以达准则剔除过大误差数据后， 将平均值 保存至数 组中， 获得10个平均数后， 调用单传感器数据融合函数， 将单个传感器所测数据分 为奇偶两组： 式中： x1n1,x2n1分别代表奇偶次序值； 其样本方差分别为： 式中： X1—奇数组的平均值； —奇数组的方差值； n1—奇数组个数； 由 各 自 的 方 差 决 定 权 值 进 行 加 权 融 合 得 出 单 个 传 感 器 的 最 优 估 计 值 最优方差 步骤3， 依照方差大小进行排序； 将4个融合值分为AB两组， 按照方差大小确定权重系 数： 进行组内融合， 并计算融合值 按照AB两组的融 合方差值确定AB组的权重系数 进行组间融合， 获取最优值 3.根据权利要求2所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系 统， 其特征在于， 所述STM32能够与上位机通讯， 将处理的结果在人机交互界面中显示并交权　利　要　求　书 1/8 页 2 CN 114357877 A 2互操作。 4.根据权利要求1所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系 统， 其特征在于， 所述模糊评价与预测模块选取对养殖鱼的健康水平和 生产力产生重大影 响的环境因素， 包括 温度、 溶解氧、 P H值、 氨氮质量浓度作为鱼塘环 境评价指标， 环 境适宜度 用1级、 2级、 3级表示， 分别表示舒适、 中等和 差； 根据规模鱼塘环境参数及环境管理国家标 准， 得出环境舒适度评价范围， 评价因子集为{ 温度， 溶解氧， PH值， 氨氮质量浓度}， 评语集 为{舒适， 中等， 差}； 确定好评价因子集后， 采用相对隶属度来表示其相应的模数变换， 计算隶属度矩阵， 依 据最大隶属度原则计算此时的水质等级， 具体如下： 建立模糊数 学模型为： 式中： r(x)—隶属度函数； x—评价因子实测浓度值； sij—第i个评价因子在第j等级标 准值； 由以上隶属度函数建立模糊矩阵R: 式中： rij—第i个水质指标对第j类标准的隶属度； 依据实际归一 化权重矩阵B： B＝(w1,w2,. ..,wn) 式中： wn—第n个权 重系数， n个权 重系数相加为1； 依据上述矩阵， 可计算模糊评价综合指标C: C＝B·R＝(c1,c2,...,cm) 式中： cm—被评事物从整体上看对m等级的隶属程度。 5.根据权利要求1所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系 统， 其特征在于， 所述模糊评价与预测模块采用最小二乘支持向量回归机对未来水质预测； 将融合后的环 境数据作为LSSVR的输入向量x,将环 境适宜度等级作为输出向量y， 随机从 中 抽取70％作为训练集， 30％作为测试集； 为防止数据大小差异， 进行归一化处理， 将所有数 据归一化到[0,1]区间， 公式如下： 式中： xi—归一化之前的数据， xmax,xmin—样本数据中最大值和最小值； xi,t—归一化之权　利　要　求　书 2/8 页 3 CN 114357877 A 3