基于HarmonyOS水產(chǎn)養(yǎng)殖在線預(yù)測預(yù)警與聯(lián)動(dòng)防控系統(tǒng)設(shè)計(jì)

摘要：本文基于當(dāng)前水產(chǎn)養(yǎng)殖水質(zhì)研究現(xiàn)狀進(jìn)行鴻蒙系統(tǒng)的水產(chǎn)養(yǎng)殖在線預(yù)測預(yù)警以及聯(lián)動(dòng)防控智能系統(tǒng)的設(shè)計(jì)，旨在豐富相關(guān)研究思路的同時(shí)為相關(guān)工作的開展提供些許參考。

關(guān)鍵詞：水產(chǎn)養(yǎng)殖；預(yù)測預(yù)警；HarmonyOS；聯(lián)動(dòng)防控

我國關(guān)于水產(chǎn)養(yǎng)殖的歷史可追溯至公元前一千多年，我國水產(chǎn)品生產(chǎn)與消費(fèi)均位居世界前列。隨著國民水產(chǎn)品消費(fèi)需求的日益增長，水產(chǎn)養(yǎng)殖業(yè)得到了快速發(fā)展。水質(zhì)作為水產(chǎn)養(yǎng)殖的一個(gè)關(guān)鍵，直接影響水產(chǎn)品的生長與品質(zhì)，一直都是相關(guān)領(lǐng)域研究的一個(gè)熱點(diǎn)課題。在水產(chǎn)養(yǎng)殖中加強(qiáng)水質(zhì)監(jiān)測預(yù)警，可推動(dòng)水產(chǎn)養(yǎng)殖業(yè)進(jìn)行智能化管理，對養(yǎng)殖經(jīng)濟(jì)效益的提高以及水產(chǎn)品品質(zhì)的保障均具有明顯的現(xiàn)實(shí)意義。

1 水產(chǎn)養(yǎng)殖水質(zhì)智能預(yù)測預(yù)警概述

本文涉及的水質(zhì)預(yù)測實(shí)質(zhì)是基于經(jīng)驗(yàn)以及獲取的水質(zhì)參數(shù)數(shù)據(jù)，預(yù)測將來的水質(zhì)參數(shù)數(shù)據(jù)，分析得出水質(zhì)參數(shù)變化的規(guī)律與趨勢，是為水質(zhì)管理與調(diào)控而服務(wù)的。水質(zhì)預(yù)測的關(guān)鍵問題是算法選取[1]。涉及的方法有傳統(tǒng)預(yù)測法以及計(jì)算機(jī)技術(shù)的智能預(yù)測法，以及回歸分析預(yù)測法、函數(shù)模型預(yù)測法等，函數(shù)模型預(yù)測法屬于傳統(tǒng)預(yù)測法并且具有容易操作、可行性強(qiáng)的優(yōu)勢，然而自適應(yīng)能力欠佳；而智能水質(zhì)預(yù)測方法有人工神經(jīng)網(wǎng)絡(luò)法期、灰色理論法中網(wǎng)、SVR預(yù)設(shè)法等，此類算法各有其優(yōu)缺點(diǎn)，但適應(yīng)能力明顯高于傳統(tǒng)算法，如人工神經(jīng)網(wǎng)絡(luò)算法在自適應(yīng)學(xué)習(xí)以及運(yùn)算速度方面優(yōu)勢明顯[2]。此方面在國內(nèi)外研究者中均有研究，并取得一定的進(jìn)展，我國一些學(xué)者將大數(shù)據(jù)與水質(zhì)預(yù)警結(jié)合起來進(jìn)行水質(zhì)系統(tǒng)的研究設(shè)計(jì)，結(jié)合地理信息技術(shù)以及信息交互技術(shù)設(shè)計(jì)水質(zhì)預(yù)警系統(tǒng)，基于智能視覺技術(shù)構(gòu)建魚群識(shí)別模型拓展水質(zhì)預(yù)警研究思路等[3]。

2 基于HarmonyOS水產(chǎn)養(yǎng)殖在線預(yù)測預(yù)警與聯(lián)動(dòng)防控系統(tǒng)的設(shè)計(jì)

2.1 基本思路

本研究是結(jié)合當(dāng)前水質(zhì)預(yù)測預(yù)警的相關(guān)研究來進(jìn)行基于HarmonyOS水產(chǎn)養(yǎng)殖在線預(yù)測預(yù)警智能聯(lián)動(dòng)系統(tǒng)的設(shè)計(jì)。在數(shù)據(jù)降噪處理方面，基于小波分析進(jìn)行改進(jìn)，結(jié)合仿真實(shí)驗(yàn)從而提高系統(tǒng)效率；數(shù)據(jù)丟失修復(fù)重構(gòu)方面則綜合SAMP算法與多屬性關(guān)聯(lián)度，在減小誤差的同時(shí)提高精度與效率；預(yù)測預(yù)警方面，結(jié)合RBF神經(jīng)網(wǎng)絡(luò)、ARIMII模型規(guī)避常規(guī)水質(zhì)預(yù)測方法的不足。本研究選取水產(chǎn)養(yǎng)殖中溶解氧、pH值以及水溫這三個(gè)較為重要的水質(zhì)參數(shù)。

2.2 總體設(shè)計(jì)

第一，功能需求。本系統(tǒng)主要針對水產(chǎn)養(yǎng)殖戶、系統(tǒng)管理預(yù)案以及研究人員等。綜合分析，系統(tǒng)應(yīng)具備水質(zhì)數(shù)據(jù)采集顯示、數(shù)據(jù)預(yù)測預(yù)警以及系統(tǒng)維護(hù)等多方面功能。鑒于此，本研究中基于HarmonyOS的水質(zhì)預(yù)測預(yù)警、聯(lián)防系統(tǒng)針對性設(shè)計(jì)等主要的六大功能模塊，其中水體監(jiān)測智能光電傳感器模塊具有智能預(yù)警功能，與移動(dòng)終端以及PC終端相關(guān)聯(lián)，可提前預(yù)警，該模塊的功能能夠有效降低因養(yǎng)殖環(huán)境變化所導(dǎo)致的養(yǎng)殖風(fēng)險(xiǎn)。無線遠(yuǎn)程監(jiān)控與管理模塊實(shí)現(xiàn)了增氧控制箱與管理者終端的聯(lián)接，便于養(yǎng)殖戶進(jìn)行在線遠(yuǎn)程監(jiān)管。數(shù)據(jù)采集傳輸通信系統(tǒng)實(shí)現(xiàn)了系統(tǒng)相關(guān)的控制參數(shù)、子系統(tǒng)控制硬件傳感網(wǎng)絡(luò)參數(shù)的高效調(diào)節(jié)，具備歷史數(shù)據(jù)檢索以及統(tǒng)計(jì)分析功能；智能分析預(yù)測系統(tǒng)在監(jiān)測三個(gè)關(guān)鍵因子的同時(shí)還能進(jìn)行智能預(yù)測，同時(shí)包括對實(shí)時(shí)采集數(shù)據(jù)的恢復(fù)、降噪等處理；數(shù)據(jù)檢索+統(tǒng)計(jì)分析模塊則是基于大數(shù)據(jù)分析對所采集的相關(guān)數(shù)據(jù)進(jìn)行一系列處理，從而便于相關(guān)人員獲得更為適宜的關(guān)鍵因子參數(shù)數(shù)值。PC瀏覽器以及終端訪問模塊，主要服務(wù)于管理人員以及養(yǎng)殖戶，包括用戶的個(gè)性化需求，如池塘名字命名，可視化呈現(xiàn)水質(zhì)參數(shù)以及固定工作模式修改等。

第二，技術(shù)架構(gòu)。技術(shù)架構(gòu)方面，包含四層：第一層為數(shù)據(jù)存儲(chǔ)層，主要是對水質(zhì)參數(shù)數(shù)據(jù)的存儲(chǔ)。第二層是數(shù)據(jù)訪問層與數(shù)據(jù)存儲(chǔ)層通過JDBC查詢連接起來，主要是通過查詢來訪問數(shù)據(jù)庫的水產(chǎn)養(yǎng)殖水質(zhì)參數(shù)數(shù)據(jù)，使業(yè)務(wù)邏輯層與數(shù)據(jù)存儲(chǔ)層間的數(shù)據(jù)傳遞得以實(shí)現(xiàn)。第三層是業(yè)務(wù)邏輯層，主要是根據(jù)用戶請求進(jìn)行數(shù)據(jù)信息的分析處理，使得數(shù)據(jù)具備相應(yīng)的安全性并便于后續(xù)更新維護(hù)。第四層是表示層，主要是包含手機(jī)以及Web交互界面，一方面可將獲取的水質(zhì)數(shù)據(jù)以及水質(zhì)預(yù)測預(yù)警信息傳達(dá)給用戶，另一方面用戶可通過交互界面查看歷史數(shù)據(jù)亦或進(jìn)行遠(yuǎn)程操作。

2.3 設(shè)計(jì)實(shí)現(xiàn)

第一，硬件設(shè)計(jì)。本研究系統(tǒng)設(shè)計(jì)的關(guān)鍵主要由四個(gè)部分組成：第一，智能傳感器：傳感器屬于感測設(shè)備，在實(shí)際運(yùn)用中，需要結(jié)合工作環(huán)境、工作對象以及工作原理等多方面因素選擇，兼顧有效性、精確性以及穩(wěn)定性，本研究結(jié)合水產(chǎn)養(yǎng)殖實(shí)際情況選擇，包括溶解氧傳感器（覆膜式極譜法-使用OOS61熒光法溶解氧傳感器以及AMER在線溶氧儀）、水溫傳感器（熱敏電阻法-通過對冷卻水溫度的轉(zhuǎn)換進(jìn)而獲得溫度變化信息）以及PH傳感器（玻璃電極法-高智能化在線連續(xù)監(jiān)測儀），實(shí)現(xiàn)對水產(chǎn)養(yǎng)殖水質(zhì)重要三要素的測量。第二，供電電源：選擇的傳感器電源均為直流電源（5V），為了節(jié)約能耗，降低用電成本，在考慮水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測預(yù)警實(shí)際需要以及工作條件的基礎(chǔ)上，使用太陽能板輔助系統(tǒng)供電（陽光充足時(shí)）。第三，通信模塊：本研究系統(tǒng)運(yùn)用九點(diǎn)法布置溶解氧、水溫以及pH值三類傳感器，采取簇狀拓?fù)浣Y(jié)構(gòu)，每個(gè)簇點(diǎn)由各類傳感器構(gòu)成，任一個(gè)簇點(diǎn)所屬的傳感器不能與其他簇點(diǎn)就所采集數(shù)據(jù)進(jìn)行傳遞，但可進(jìn)行簇點(diǎn)間的數(shù)據(jù)通信，數(shù)據(jù)最終匯集到某個(gè)節(jié)點(diǎn)（匯聚節(jié)點(diǎn)）；各個(gè)節(jié)點(diǎn)的數(shù)據(jù)通信通過RS232總線、ZigBee技術(shù)實(shí)現(xiàn)，其中來自用戶的控制信息也可通過ZigBee傳遞到對應(yīng)的簇點(diǎn)，進(jìn)而控制傳感器，本系統(tǒng)無線控制節(jié)點(diǎn)的中控芯片采用的是具備運(yùn)行模式更換功能的CC2530，有助于系統(tǒng)功耗的降低，并且不同運(yùn)行模式在切換耗時(shí)較短，兼顧實(shí)用性與節(jié)

約性。

第二，軟件設(shè)計(jì)。本研究軟件設(shè)計(jì)著重考量這幾個(gè)方面：第一，功能模塊：通過調(diào)查養(yǎng)殖戶實(shí)際需求，結(jié)合資料查閱，進(jìn)行軟件的功能模塊設(shè)計(jì)；數(shù)據(jù)采集模塊主要是運(yùn)用傳感器采集水質(zhì)三大參數(shù)的實(shí)時(shí)數(shù)據(jù)，在此基礎(chǔ)上搭建數(shù)據(jù)庫，運(yùn)用AI、大數(shù)據(jù)分析等技術(shù)分析處理所采集的水質(zhì)參數(shù)數(shù)據(jù)；預(yù)測預(yù)警模塊是運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)+ARIMA模型預(yù)測水產(chǎn)養(yǎng)殖水質(zhì)的三大參數(shù)，線性、非線性均可進(jìn)行，根據(jù)I-S模糊神經(jīng)網(wǎng)絡(luò)融合處理而得到的預(yù)警信息進(jìn)行調(diào)用，之后養(yǎng)殖戶收到預(yù)警信息時(shí)可針對性的進(jìn)行干預(yù)；數(shù)據(jù)查詢模塊是為了讓養(yǎng)殖戶隨時(shí)查詢獲得水質(zhì)預(yù)測預(yù)警參數(shù)以及水質(zhì)三大重要參數(shù)數(shù)據(jù)服務(wù)的，此外還可查詢以不同條件劃分的數(shù)據(jù)，如異常信息、時(shí)間日期、參數(shù)對比等；信息管理模塊主要是將獲取的水質(zhì)參數(shù)預(yù)測值以及預(yù)警信息（基于預(yù)測值的預(yù)警級別與預(yù)警處理方法）向用戶端發(fā)送，由養(yǎng)殖戶遠(yuǎn)程操控硬件設(shè)備開關(guān)，達(dá)到調(diào)控目的；設(shè)置管理模塊可備份數(shù)據(jù)庫并在需要時(shí)調(diào)取還原數(shù)據(jù)庫數(shù)據(jù)，管理員既能進(jìn)行系統(tǒng)參數(shù)設(shè)置（如信息刷新頻率）以及用戶管理（如設(shè)置賬號密碼、名稱更改等）等方面的操作。第二，數(shù)據(jù)庫：結(jié)合功能需求以及各大模塊功能的需要，本系統(tǒng)軟件數(shù)據(jù)庫設(shè)計(jì)采用的是較為常用的E-R數(shù)據(jù)庫模型，由于關(guān)系到數(shù)據(jù)表算法，其中數(shù)據(jù)表包含職位信息表（職位、姓名以及Vistor）、水質(zhì)預(yù)測表（預(yù)測值、預(yù)測時(shí)間）、水質(zhì)預(yù)警表（水質(zhì)三要素、預(yù)警級別、預(yù)警時(shí)間）、用戶信息表（如用戶名、ID、密碼、電話等）以及信息管理表（如信息ID、用戶ID、水質(zhì)信息等）。

2.4 系統(tǒng)測試分析

為了對本研究的HarmonyOS水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測預(yù)警以及聯(lián)防系統(tǒng)性能進(jìn)行評估，故而進(jìn)行模擬仿真實(shí)驗(yàn)，運(yùn)用Matlab軟件搭建本次模擬的仿真平臺(tái)，評價(jià)的指標(biāo)設(shè)定為水質(zhì)參數(shù)變化量，結(jié)合仿真分析與比較分析[3]。經(jīng)測試，該系統(tǒng)在完成在線預(yù)測預(yù)警與遠(yuǎn)程聯(lián)動(dòng)控制時(shí)，系統(tǒng)運(yùn)行穩(wěn)定且良好，功能正常，設(shè)計(jì)效果基本實(shí)現(xiàn)。

進(jìn)行分析：第一，創(chuàng)新點(diǎn)：本研究綜合多方面因素選擇較為重要的溶解氧、水溫與pH值這三大參數(shù)，分析這三大參數(shù)變化規(guī)律，進(jìn)而開展后續(xù)的數(shù)據(jù)降噪、數(shù)據(jù)恢復(fù)以及預(yù)測預(yù)警，結(jié)合分層閾值小波分析進(jìn)行水質(zhì)參數(shù)的降噪處理，其中閾值設(shè)定的使用使得數(shù)據(jù)降噪精度與速度得以提升，這是一個(gè)改進(jìn)點(diǎn)；綜合SAMP算法與多屬性關(guān)聯(lián)可提高數(shù)據(jù)恢復(fù)運(yùn)算效率以及數(shù)據(jù)恢復(fù)精確性；聯(lián)合RBF神經(jīng)網(wǎng)絡(luò)與ARIMA進(jìn)行線性以及非線性預(yù)測，降低誤差，提高精確度；水質(zhì)預(yù)警采用T-S模糊神經(jīng)網(wǎng)絡(luò)算法。第二，難點(diǎn)：在實(shí)際水產(chǎn)養(yǎng)殖中，影響水產(chǎn)品生長發(fā)育的因素多種多樣，水質(zhì)因素也并非只有所選取的三個(gè)，需要拓展研究其他水質(zhì)參數(shù)加入本研究算法中，進(jìn)一步提高算法應(yīng)用的可靠性；某些情況下降噪處理時(shí)會(huì)誤將一些突變數(shù)據(jù)作為噪聲信號處理，數(shù)據(jù)恢復(fù)時(shí)則涉及到丟失數(shù)據(jù)權(quán)重值的設(shè)置，這兩方面很有必要深入研究從而鞏固算法的可靠性。

結(jié)語

綜上所述，隨著水產(chǎn)業(yè)的發(fā)展以及養(yǎng)殖密度的增加，水產(chǎn)養(yǎng)殖智能化已成為大勢所趨，高效的水質(zhì)參數(shù)監(jiān)測可為養(yǎng)殖智能化管控奠定良好基礎(chǔ)。本文著重分析HarmonyOS水產(chǎn)養(yǎng)殖在線預(yù)測預(yù)警與聯(lián)動(dòng)防控系統(tǒng)的設(shè)計(jì)，包括思路、總體設(shè)計(jì)、實(shí)現(xiàn)以及測試分析，經(jīng)測試證實(shí)了該系統(tǒng)的可行性與功能性。■

參考文獻(xiàn)：

[1] 馮國富，盧勝濤，陳明，等.基于自注意力機(jī)制和改進(jìn)的K-BiLSTM的水產(chǎn)養(yǎng)殖水體溶解氧含量預(yù)測模型[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2024，40（3）：490-499.

[2] 趙龍海，董艷輝，張志杰.基于AIoT的海水水產(chǎn)養(yǎng)殖環(huán)境智能監(jiān)控系統(tǒng)的設(shè)計(jì)與開發(fā)[J].電腦知識(shí)與技術(shù)：學(xué)術(shù)交流，2024，20（1）：137-139.

[3] 張繼飛，魏茂春，林超.智慧漁業(yè)水產(chǎn)養(yǎng)殖系統(tǒng)物聯(lián)設(shè)備安全監(jiān)控技術(shù)[J].信息技術(shù)，2022，46（4）：97-101.

收稿時(shí)間：2024-12-26

項(xiàng)目來源：廣東省2022年度普通高校重點(diǎn)領(lǐng)域?qū)ｍ?xiàng)（新一代電子信息）

項(xiàng)目名稱：基于HarmonyOS水產(chǎn)養(yǎng)殖在線預(yù)測預(yù)警與聯(lián)動(dòng)防控系統(tǒng)

項(xiàng)目編號：2022ZDZX1081

項(xiàng)目來源：2024年度廣東省普通高校特色創(chuàng)新類項(xiàng)目

項(xiàng)目名稱：基于無線傳感器網(wǎng)絡(luò)的水質(zhì)監(jiān)測與預(yù)警系統(tǒng)

項(xiàng)目編號：2024KTSCX304

作者簡介：劉春玲，（1985—）女，碩士，副教授。研究方向：電子與通信工程。