基于改进深度信念网络的池塘养殖水体氨氮预测模型研究

陈英义，成艳君，杨 玲，刘烨琦，李道亮

（1. 中国农业大学信息与电气工程学院，北京 100083；2. 农业部农业信息获取技术重点实验室，北京100083；3. 北京农业物联网工程技术研究中心，北京 100083）

0 引 言

中国水产养殖产量连续多年居世界第一，但池塘水产养殖模式多以消耗资源、牺牲环境为代价，造成环境污染和水质恶化。其中，水体氨氮是评价水产养殖水质和水体生态系统安全的重要指标之一[1-2]。在池塘水产养殖模式中，当水体氨氮含量超过0.2mg/L时，会对水生物健康产生严重危害，造成养殖对象发病甚至死亡[3]。并且有研究表明，在某种特定温度范围下，氨氮含量即使在正常指标范围内，仍然会对水产养殖动物生命产生极大威胁。近年来，深度学习方法的高速发展直接推动了人工智能技术在农业环境等领域的深入应用，尤其在基于实时数据和先验数据相结合的预测预警等领域表现出了极大的优势。因此，基于深度学习理论，开展水产养殖氨氮含量变化预测，提高氨氮预测精度，为养殖水体氨氮含量合理控制提供理论基础和科学依据。

国内外大量学者采用试验分析方法对氮循环转化机理开展了大量研究，积累了大量的样本数据和先验知识，但是池塘养殖水体氨氮含量变化是个多重非线性问题[4]，无直观规律可循。同时，氨氮含量变化涉及微生物、生物动力、水化学等诸多方面[5-6]，很多原理尚不明确，很难建立机理模型。目前用于水体参数预测的代表性方法有灰色系统理论法、人工神经网络预测法、水质模拟法、混沌预测法等[7-9]。……