一种基于多源信息融合的渔业事故应急处理系统及方法

技术领域

本发明涉及一种渔业事故应急处理系统，尤其涉及一种基于多源信息融合的渔业事故应急处理系统及方法。

背景技术

传统的养殖模式主要沿用靠天靠经验、粗放经营的养殖模式，一味追求产量和经济效益，易出现超容量、高密养殖，投馆、施药、施肥不科学不合理，导致养殖水质自污染严重，生态失衡、极大地恶化了水产品的生长环境，给庞大的水产养殖业带来极大的养殖风险。

为了能够保证渔业水上养殖的安全运行需要开发一款与其相匹配的系统进行控制，通过大数据建立养殖设施安全预警模型；获取水域历史数据，生成渔业养殖信息；采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到维修策略；若渔业环境信息偏差较大时，则生成修正信息对渔业养殖参数进行修正；此外修正信息还能够进行水域历史数据的反向修正更新；如何对渔业养殖设施安全预警系统实现精准控制，是亟待要解决的问题。

发明内容

本发明克服了现有技术的不足，提供一种基于多源信息融合的渔业事故应急处理系统及方法。

为达到上述目的，本发明采用的技术方案为：一种基于多源信息融合的渔业事故应急处理方法，其特征在于，包括：

通过大数据建立养殖设施安全预警模型；

获取水域历史数据，生成渔业养殖信息；

采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；

若所述偏差率大于第一阈值且小于第二阈值，则生成预警信息，

将预警信息输入安全预警模型，得到维修策略；

若所述偏差率大于第二阈值，则生成修正信息；

根据修正信息对渔业养殖参数进行修正，得到结果信息；

将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；

所述第一阈值小于所述第二阈值。

在本发明的一个较佳实施例中，通过大数据建立养殖设施安全预警模型；还包括：

获取海量故障诊断数据，建立安全预警模型；

采集养殖设施运行数据，生成养殖设施运行状态曲线，

将养殖设施运行状态曲线进行平滑处理，并剔除异常数据，

根据安全预警模型，生成养殖设施故障预警信息，

根据养殖设施故障预警信息，建立维修决策，

将维修决策按照预定方式传输至终端。

在本发明的一个较佳实施例中，根据修正信息对渔业养殖参数进行修正，得到结果信息；具体包括：

获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；

提取结果信息特征值，将特征值进行向量分解；

建立向量权重自适应函数，并对特征值向量进行加权计算；

加权计算后的多尺度特征向量进行融合，生成新的环境数据。

在本发明的一个较佳实施例中，还包括：获取水位信息，并将设备分割为水上区域与水下区域；

获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，若大于，则调整设备水上区域与水下区域比值；

获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，

若大于，调整设备运行数据，并生成预警信息。

在本发明的一个较佳实施例中，所述渔业环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温、养殖水域风速信息、养殖水域风向变化信息、养殖水域水流信息中的一种或多种。

在本发明的一个较佳实施例中，还包括：

获取养殖水域强风数据样本，提取养殖水域强风参数特征值，

根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；

采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；

根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；

根据天气变化信息建立预警信息，并生成对应的预警策略。

在本发明的一个较佳实施例中，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：

设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，

将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；

比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；

比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；

若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；

若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；

对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，

根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。

本发明第二方面还提供了一种基于多源信息融合的渔业事故应急处理系统，该系统包括：存储器、处理器，所述存储器中包括基于多源信息融合的渔业事故应急处理方法程序，所述基于多源信息融合的渔业事故应急处理方法程序被所述处理器执行时实现如下步骤：

通过大数据建立养殖设施安全预警模型；

获取水域历史数据，生成渔业养殖信息；

采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；

若所述偏差率大于第一阈值且小于第二阈值，则生成预警信息，

将预警信息输入安全预警模型，得到维修策略；

若所述偏差率大于第二阈值，则生成修正信息；

根据修正信息对渔业养殖参数进行修正，得到结果信息；

将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；

所述第一阈值小于所述第二阈值。

在本发明的一个较佳实施例中，还包括：

获取养殖水域强风数据样本，提取养殖水域强风参数特征值，

根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；

采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；

根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；

根据天气变化信息建立预警信息，并生成对应的预警策略。

在本发明的一个较佳实施例中，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：

设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，

将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；

比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；

比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；

若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；

若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；

对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，

根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。

本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

(1)通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精准性。

(2)通过获取养殖水域强风数据样本，提取养殖水域强风参数特征值，根据养殖水域强风参数特征值建立脉动风速场采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图进行预测养殖水域天气变化信息，根据天气变化信息能够对养殖水域进行提前预警，并通过将脉动风速进行分解的方式，提高水域风力变化预测精度，使养殖设施安全预警更加贴近实际值。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1示出了本发明一种基于多源信息融合的渔业事故应急处理方法的流程图；

图2示出了建立养殖设施安全预警模型方法流程图；

图3示出了渔业养殖环境数据处理方法流程图；

图4示出了预警策略生成方法流程图；

图5示出了脉动风速预测方法流程图；

图6示出了一种基于多源信息融合的渔业事故应急处理系统框图；

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了本发明一种基于多源信息融合的渔业事故应急处理方法的流程图。

如图1所示，本发明第一方面提供了一种基于多源信息融合的渔业事故应急处理方法，包括：

S102，通过大数据建立养殖设施安全预警模型；

S104，获取水域历史数据，生成渔业养殖信息；

S106，采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；

S108，若偏差率大于第一阈值且小于第二阈值，则生成预警信息，

S110，将预警信息输入安全预警模型，得到维修策略；

S112，若偏差率大于第二阈值，则生成修正信息；

S114，根据修正信息对渔业养殖参数进行修正，得到结果信息；

S116，将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；

第一阈值小于第二阈值。

需要说明的是，通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精准性。

如图2所示，本发明公开了建立养殖设施安全预警模型方法流程图；

根据本发明实施例，通过大数据建立养殖设施安全预警模型；还包括：

S202，获取海量故障诊断数据，建立安全预警模型；

S204，采集养殖设施运行数据，生成养殖设施运行状态曲线，

S206，将养殖设施运行状态曲线进行平滑处理，并剔除异常数据，

S208，根据安全预警模型，生成养殖设施故障预警信息，

S210，根据养殖设施故障预警信息，建立维修决策，

S212，将维修决策按照预定方式传输至终端。

如图3所示，本发明公开了渔业养殖环境数据处理方法流程图；

根据本发明实施例，根据修正信息对渔业养殖参数进行修正，得到结果信息；具体包括：

S302，获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；

S304，提取结果信息特征值，将特征值进行向量分解；

S306，建立向量权重自适应函数，并对特征值向量进行加权计算；

S308，加权计算后的多尺度特征向量进行融合，生成新的环境数据。

需要说明的是，需要说明的是，小波分析是一种时间尺度分析和多分辨率分析的新技术，能够描述动态信号非平稳性描述、同时提取信号的频域和时域的局部信息，实现水质信号特征频率的分离与提取，具有多尺度分析和数学显微特，是一种实现水质高效、便捷的降噪和数据清洗工具。

根据本发明实施例，还包括：获取水位信息，并将设备分割为水上区域与水下区域；

获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，若大于，则调整设备水上区域与水下区域比值；

获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，

若大于，调整设备运行数据，并生成预警信息。

根据本发明实施例，渔业环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温、养殖水域风速信息、养殖水域风向变化信息、养殖水域水流信息中的一种或多种。

如图4所示，本发明公开了预警策略生成方法流程图；

根据本发明实施例，还包括：

S402，获取养殖水域强风数据样本，提取养殖水域强风参数特征值，

S404，根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；

S406，采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；

S408，根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；

S410，根据天气变化信息建立预警信息，并生成对应的预警策略。

如图5所示，本发明公开了脉动风速预测方法流程图；

根据本发明实施例，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：

S502，设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，

S504，将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；

S506，比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；

S508，比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；

S510，若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；

S512，若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；

S514，对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，

S516，根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。

如图6所示，本发明公开了一种基于多源信息融合的渔业事故应急处理系统框图；

本发明第二方面还提供了一种基于多源信息融合的渔业事故应急处理系统，该系统6包括：存储器61、处理器62，存储器中包括基于多源信息融合的渔业事故应急处理方法程序，基于多源信息融合的渔业事故应急处理方法程序被处理器执行时实现如下步骤：

通过大数据建立养殖设施安全预警模型；

获取水域历史数据，生成渔业养殖信息；

采集渔业环境信息，将渔业环境信息与预设信息进行比较，得到偏差率；

若偏差率大于第一阈值且小于第二阈值，则生成预警信息，

将预警信息输入安全预警模型，得到维修策略；

若偏差率大于第二阈值，则生成修正信息；

根据修正信息对渔业养殖参数进行修正，得到结果信息；

将结果信息按照预定方式传输至终端，并进行水域历史数据的更新；

第一阈值小于第二阈值。

根据本发明实施例，还包括：

获取养殖水域强风数据样本，提取养殖水域强风参数特征值，

根据养殖水域强风参数特征值建立脉动风速场，并获取养殖水域脉动风速；

采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；

根据脉动风时间与历程的变化曲线图预测养殖水域天气变化信息；

根据天气变化信息建立预警信息，并生成对应的预警策略。

根据本发明实施例，利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图；具体为：

设定采样间隔，依次采集养殖水域不同时间节点的养殖水域脉动风速，

将不同时间节点的脉动风速依次分解为不同时间节点的纵向分量与横向分量；

比较相邻时间节点的脉动风速的纵向分量，得到第一偏差率；

比较相邻时间节点的脉动风速的横向分量，得到第二偏差率；

若第一偏差率大于预设纵向分量阈值，则生成第一脉动风速权重值；

若第二偏差率大于预设横向分量阈值，则生成第二脉动风速权重值；

对第一脉动风速权重值与第二脉动风速权重值进行权重重建，得到权重基值，

根据权重基值对下一时间节点的脉动风速进行预测，并将预测结果传输至终端。

根据本发明实施例，通过大数据建立养殖设施安全预警模型；还包括：

获取海量故障诊断数据，建立安全预警模型；

采集养殖设施运行数据，生成养殖设施运行状态曲线，

将养殖设施运行状态曲线进行平滑处理，并剔除异常数据，

根据安全预警模型，生成养殖设施故障预警信息，

根据养殖设施故障预警信息，建立维修决策，

将维修决策按照预定方式传输至终端。

根据本发明实施例，根据修正信息对渔业养殖参数进行修正，得到结果信息；具体包括：

获取历史养殖环境数据，通过小波分析法对养殖环境数据进行降噪，得到结果信息；

提取结果信息特征值，将特征值进行向量分解；

建立向量权重自适应函数，并对特征值向量进行加权计算；

加权计算后的多尺度特征向量进行融合，生成新的环境数据。

需要说明的是，需要说明的是，小波分析是一种时间尺度分析和多分辨率分析的新技术，能够描述动态信号非平稳性描述、同时提取信号的频域和时域的局部信息，实现水质信号特征频率的分离与提取，具有多尺度分析和数学显微特，是一种实现水质高效、便捷的降噪和数据清洗工具。

根据本发明实施例，还包括：获取水位信息，并将设备分割为水上区域与水下区域；

获取水上区域设备运行数据，并将设备运行数据与第一阈值进行比较，若大于，则调整设备水上区域与水下区域比值；

获取水下区域设备运行数据，将设备运行数据与第二阈值进行比较，

若大于，调整设备运行数据，并生成预警信息。

根据本发明实施例，渔业环境信息包括养殖水质、养殖水环境溶解氧、水环境PH值、水温、养殖水域风速信息、养殖水域风向变化信息、养殖水域水流信息中的一种或多种。

综上所述，通过大数据获取历史养殖环境数据，并结合设备预警模型进行设备运行安全预警，建立对应的维修决策，保证水上养殖设施安全高效的运行，进行设施安全预警过程中，通过对剔除设备运行过程中的异常数据，减少数据冗余度，提高预警的精，通过获取养殖水域强风数据样本，提取养殖水域强风参数特征值，根据养殖水域强风参数特征值建立脉动风速场采用线性滤波将脉动风速时程处理为一系列的白噪声，并利用自回归模型进行变换，拟合出脉动风时间历程，得到时间与历程的变化曲线图进行预测养殖水域天气变化信息，根据天气变化信息能够对养殖水域进行提前预警，并通过将脉动风速进行分解的方式，提高水域风力变化预测精度，使养殖设施安全预警更加贴近实际值。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。