工厂化水产养殖水质预测预警系统的设计
伴隨着人们生产生活水平的提高和计算机、物联网技术的发展，水产养殖的方式必然向着工厂化、信息化的方向发展。在工厂化水产养殖中，水质是最为关键的因素，水质决定了鱼的生长质量、状态及生长周期。由于工厂化水产养殖的密度较大，当发现水质问题时，往往已经造成不可弥补的损失，从而带来巨大的经济损失。针对此类问题，需要一种快速、灵敏的方法来解决这一问题。笔者所在课题组在对原有水质预测方法、水质评价方法、水质预警方法进行大量文献分析以及对水产养殖基地实际情况进行调研的基础上，开发了水质预测模型和水质预警模型，实现了水质的语音报警。
在传统养殖过程中，大都依靠经验来判断水质情况，而使用这种方式对人员的要求很高，要求这些人员具备敏锐的观察能力，具备相当年限的经验积累。这些因素极大地了养殖规模与效率。然而，在使用智能化管理系统的养殖管理方式中，这些问题将不复存在。通过智能管理系统，可以不断让系统来学习相关知识，并进行分析、加工、存储与积累。更加重要的是，系统在通常情况下，工作比较稳定，足以满足生产需要。在对养殖水质需求分析的基础上，笔者设计了一种水质在线实时预测预警系
统，系统具有水质实时信息和预测信息的查询、水质预警、水质预警设置和用户管理等功能。在多媒体可视化界面的引导下，信息操作人员可以根据养殖场的实际情况，进行各种预警指标的设定和预警方式的设置。该系统较好地解决了工厂化养殖过程中遇到的水质监测预警问题，方便了用户对养殖用水水质的监控和管理。
1工厂化水产养殖对环境的要求
工厂化水产养殖就是集电子、土建、仪器、自动控制等技术，在半封闭[1]或全封闭[1]条件下，对养殖生产全过程的水质、温度、pH、溶解氧等因素以及疾病预防、污水处理等过程进行全面自动化监控及处理的一种生产模式。该生产方式可以在高密度养殖条件下始终维持环境的生态条件，从而使畜禽快速健康生长，尽可能提高产量和质量，提高经济效益，并且减少污染。一个完整的工厂化养殖系统包括设施系统和养殖技术两大体系，其中设施系统又分为养殖系统和水处理系统。在工厂化的养殖过程中，生物体对外界环境有着较高的要求。
1.1温度
依据养殖生物的品种类别不同，需要不同的生长温度。在其自身的最佳温度下，
鱼类代谢加强，生长最快，饵料的转化效率高，同时生物自身体质健壮，具有较高的抗病力。若温度过低，则会影响生物自身的新陈代谢，甚至造成死亡。因此，温度是有必要进行监控预测的一个因素。
1.2pH在水产养殖中，pH是反映水酸碱度的关键指标，pH异常往往说明水体中存在异常情况。通常蛋白质的消化副产物是氨氮等，而氨氮通常以离子态及非离子态存在。由于氨氮在离子态下对鱼类有较高的毒性，因此必须进行消除或转化。对淡水生物而言，水体 pH应处于6.5～8.5[2]；当pH为7.5时，氨氮去除或转化效果能够满足工厂化养殖中所要求的非离子氨≤0.05 mg/L，亚盐≤1 mg/L，盐≤200 mg/L；当pH为7.0[1]时，很大一部分的总氨氮处于离子状态；当pH<7.0时，硝化菌的活性降低；当pH<6.0时，硝化菌将不再转化氨氮。综合考虑鱼类生理活动是产酸耗碱的过程，在不加人为控制的状态下，水体pH呈降低趋势，为保证氨氮转化率，pH应大于7.0。因此，有必要对水体pH进行监测和控制，确保水体pH能满足生物生长的环境需要。
1.3溶解氧溶解氧是水生生物生长关键因素之一，大部分水生生物都需要氧气来
供其进行生理活动。鱼、虾等水产养殖水体中溶解氧应保持在5～8 mg/L[3]，至少要在4 mg/L以上。对于冷水性鱼类的养殖水体，溶解氧一般要求高于5 mg/L或者在水体饱和溶解氧的60%以上。为鱼类生存不间断提供充足的溶解氧是工厂化水产养殖正常运行的必要条件，因此同样需要对其进行监控预警。
2系統设计
2.1系统主要架构
系统主要分为5大部分：数据自动采集模块、系统数据库[1]、系统模型库、输出终端、人机交互界面。系统架构如图1所示。
2.1.1数据自动采集模块。数据自动采集模块由水质传感器无线采集网络[4]实现，主要实现溶解氧、pH、盐度、温度等水质信息的采集、传输和校正。校正后的信息存入XML文件，由系统的数据读取模块读取到数据库中，以备模型调用。
2.1.2系统数据库。系统数据库服务器为SQL Server 2012，主要存放5类数据：①实时数据，即由数据自动采集模块获取的实时信息，包括pH、水温、溶解氧、流量、盐度、水深等水质信息和室温等环境信息；②人工输入数据，包括各种日常记录，
如水池号、时间、鱼的数量、体长等；③水质指标数据，包括不同鱼种在其不同生长阶段的各种水质指标限值；④水质预警规则库；⑤水质预警方式库。
2.1.3系统模型库[5]。系统模型库包括水质预测模型和水质预警模型[5]。水质预测模型包括数据读取、神经网络训练、神经网络预测及误差检测等子模块。水质预警模块包括规则设置模块、预警指标读取模块、预警方式设置模块、预警执行模块等子模块。2个模型以Java包的形式存在，各子模块都以Java类的形式存在。
2.1.4人机交互界面。进行人机交互的客户端为浏览器。用户可以通过浏览器输入日常记录数据，对系统的水质指标库、预警规则库、预警方式库进行维护。
2.1.5输出终端。水质预警系统的输出终端为音箱。音箱直接与服务器相连，当水质警情满足语音报警的规则时，音箱会播放指定语音进行报警。
2.2水质预警流程针对不同品种及其不同生长阶段，提供不同的水质标准，这样才能保证水产养殖的安全、高产、高效。在预测的基础上，设计了一种基于规则的水质预警模型，其预警流程如图2所示。
具体的预警过程[6]如下：①通过鱼的标识号，查找对应的水质指标（溶解氧、
温度、pH、盐度等）的阈值，将其存入文件。
②查询系统数据库，读取参数20 min后的预测值。③将查到的参数与文件中的指标值进行比较，并判断水质情况及其生物所需水质参数的关系，更新相关项。如果其中某项参数处于非最优状态，则在数据库中记录所属状态，并执行过程④，否则等待一定时间，然后返至过程②。④根据状态数据，搜索规则表，判断相应预警等级，若不满足预警条件，则等待一定时间，返至过程②；如果符合某一预警级别，则执行过程⑤。⑤进行报警，并将报警结果存储下来。⑥等待，然后返回至过程②。
3数据库设计
根据平台需要，该系统的中心数据库采用MS SQL Server 2012，平台运用Web Service技术，建立整个数据集中平台，在运行过程中将各个采集点的数据自动上传到中心数据库中，并根据不同需求对数据进行加工处理，由此实现数据信息的统一集成与标准化。在此基础上，实现操作人员的数据综合查询与统计分析等。
中心数据库包括溶解氧预测预警模型关系表、pH预测预警关系表、水温预测关系表、水质预警模型数据调用表、水质指标记录表等32个表格，这些信息均存放于
中心数据库中，可供操作人员调用及日后查询。其中，最主要的水质预警模型主要的数据表调用如图3所示。
4系统软硬件开发平台
集控中心为所有资源的部署提供条件，其中包括水质传感器无线网络和1台服务器，硬件具体规格为1台装有声卡的PC服务器，该服务器的CPU为Intel xeon E3-1230，内存16 G，硬盘1 TB以及1对音箱。系统构建模型如图4所示。
5工厂化水质预测预警平台的特点
该平台建立在对实际工厂化养殖生产详细调研的基础上，并充分结合了工厂化养殖的特点，大大方便了养殖人员对养殖环境的自动化监控、预警与快速反应。
该平台具备以下4个特点：①简单高效的操作方式。即操作员通过使用1台计算机，就可以实现对整体环境状态实时信息的查询与操控。②及时高效的报警方式。在系统设定中各种参数的预测或状态监测时间段不超过30 min，这样的时间间隔足以满足实际的工厂化要求。③水质预警方式的灵活设置。对于不同的生物群体，可按照不同要求进行预警设置，扩大或者缩小时间间隔，简单方便。④高效的信息收集方
式。系统不仅可以通过传感器来获取相关状态信息并输入数据库中，而且可以由专家直接将经验输入数据库，这极大地提高了系统的可用性与可靠性。
6小结与展望
该系统在很大程度上实现了工厂化养殖过程中的水质预测预警自动化，方便生产人员对生产活动进行管理，通过简单高效的操作方式来完成生产活动的整个过程监测。随着物联网与人工智能的发展，今后的生产系统必将更加现代化。在实际生产过程中，该系统具备较好的稳定性，可进行进一步推广应用。（弘利教育）