水生萤火虫养殖过程中的水质监测方法

王声亮

（浙江农林大学,浙江 杭州 311300）

0 引言

水生萤火虫属于昆虫纲、磷虫科，其幼虫寄生于水生蜉蝣、螳螂等节肢动物的体内。萤火虫又称“生物发光灯”，具有光性生物的特征，是一种独特的生物，备受人们的喜爱。人工高效生产养殖萤火虫具有重要价值：（1）可满足环境教育与自然教育的需求；（2）在种源保存方面可保护生物多样性；（3）环境指示生物，用于检测环境水质、污染程度等指标；（4）应用于各种商业活动。因此近年来萤火虫的销售价格不断攀升，销售价格达到养殖成本的3～10 倍，利润空间巨大。但水生萤火虫的人工养殖受到了养殖环境（主要是水质环境）的制约，野外水源无法保障水质来源稳定，城市供水需要先进行除氯，导致供水量受限，所以对养殖过程中水质的监测和预测至关重要。

本文旨在针对水生萤火虫养殖过程中的水质监测问题进行研究，提出基于物联网技术和web技术设计实现一款面向水生萤火虫养殖的水质监测系统。通过系统的研究可以根据水生萤火虫养殖过程中对水质环境的要求对水质进行多参数、连续、自动监测和数据远程自动传输，便于养殖管理人员随时在LCD和物联网平台查询到待测水资源的水质信息，同时根据水质的变化情况为养殖管理人员提供相应的决策参考。在积累一定量的数据之后，通过算法为今后的养殖提供预测，提高水生萤火虫养殖管理质量和效率，为大批量规模化养殖提供决策参考，同时也为其他行业如热带鱼养殖、冷水观赏鱼养殖等提供参考。

1 水生萤火虫研究现状

水生萤火虫在其幼虫生长阶段受水质环境影响的主要指标包括水温、溶氧量、氨氮、pH 值和盐度等指标[1-2]。传统的以试纸测试、手动检测为主的水质检测方法受到精度和检测效率的制约已无法适应水生萤火虫精细化养殖的需求。因此，为了实现水生萤火虫的高效、可持续养殖，需要对其生长环境的水质进行精细化监测和调控。

1.1 水生萤火虫的生物学和行为学研究

水生萤火虫是一种独特的生物，对其生长环境的水质要求较高。近年来对水生萤火虫的生物学和行为学研究逐渐深入。付新亮等[3]研究发现水生萤火虫在寄生于蜉蝣体内的幼虫阶段会发生体色变化，雷氏黄萤的幼虫体色在3天内从淡黄色变成淡绿色，条背萤的幼虫体色在5天内从淡黄色变成淡绿色。同时，他们还研究了水生萤火虫的雄性吸引雌性的发光行为，发现萤火虫的发光强度与雌性选择有关。

郑霞林等[4]研究发现水生萤火虫对环境的适应性较强，可在不同的水生昆虫寄生且萤火虫的生命史变化不显著。同时，他们还发现水温、溶氧量、氨氮、pH 值和盐度等因素对水生萤火虫的生长有较大影响。在幼虫阶段，水温应维持在22～28℃，溶氧量应在5mg/L以上，氨氮应小于0.5mg/L，pH 值应保持在6.5～8.5 之间，盐度应小于0.1%。

1.2 水质监测系统的研究进展

目前已有的水质监测系统主要包括传统的手动检测和自动化水质监测系统两种方式。传统的手动检测需要专业人员对水质进行采样、检测和分析，操作复杂，精度较低且监测周期长，无法及时掌握水质状况；自动化水质监测系统通常采用传感器对水质环境参数进行实时监测并将数据通过无线传输方式传输到数据中心进行处理。自动化水质监测系统具有监测精度高、实时性好和自动化程度高的优点。

王爱民等[5]设计了一种基于物联网技术的水质监测系统，可实现对多个水质参数的实时监测和远程数据传输，提高了水质监测的效率和准确性。张建辉等人[6]设计了一种基于嵌入式系统的水质监测与控制系统，通过传感器对水质环境进行实时监测和控制，实现了对水质的自动化管理。

但是，目前已有的水质监测系统大多数都面向传统养殖行业，对于水生萤火虫养殖过程中水质的精细化监测和调控还存在较大挑战。

2 研究方法

主成分分析法（Principal Component Analysis，PCA）是一种多元统计分析方法，可以将多个相关性较高的变量转化为少数几个无关的综合指标，从而减少变量数量，提高数据的解释性和预测能力[7-10]。在本文中，根据试验提供的数据将主成分分析法用于对水产养殖中水温、溶氧量、氨氮、pH值和盐度等指标的多变量时间序列筛选中，选出相关性较大的水质参数，从而减少变量数量，提高数据的解释性和预测能力，降低模型输入数据维度。

首先对上述数据进行标准化处理以消除量纲影响，然后进行主成分分析。在主成分分析中选取累计贡献率大于80%的主成分作为模型输入，最后将选出的主成分作为模型的输入数据对水产养殖的相关问题进行预测和分析。通过主成分分析法的筛选得到相关性较大的水质参数，为后续水产养殖问题的分析和预测提供准确有效的数据支持。

3 系统设计

3.1 系统硬件

系统由多个传感器和控制器组成，其中温度传感器、溶氧传感器、氨氮传感器、pH传感器和盐度传感器分别用于对水温、溶氧量、氨氮、pH值和盐度进行实时监测。控制器负责控制传感器的采样和数据传输。系统还包括一个数据中心和一个LCD显示屏，用于显示和存储数据。

3.2 系统软件

整个系统软件架构的设计充分考虑了各个模块之间的协调和配合，实现了高效、稳定和可靠的水产养殖智能监控和管理。

系统的软件设计主要包括3个部分：传感器采集模块、数据处理模块和数据显示模块。传感器采集模块负责对水温、溶氧量、氨氮、pH值和盐度等指标进行实时采集；数据处理模块负责对采集到的数据进行处理，通过主成分分析法筛选出相关性较大的水质参数，再通过MSLSTM-DA算法建立水质监测和预警模型，预测水质的变化趋势，并生成相应的决策和建议；数据显示模块负责将处理后的数据显示在LCD显示屏和物联网平台上，方便养殖管理人员进行实时监测和调控。

4 试验结果与分析

本文选取条背萤和雷氏黄萤作为试验对象，对其幼虫生长过程中的水质环境参数进行监测和分析。试验结果表明系统可以实现对水质环境参数的多参数、连续和自动监测，并实现数据远程自动传输，同时可以实现对水质参数的预测和监测，具有较高的实用性和经济效益。

试验地点为萤火虫养殖的专业环境，试验对象为雷氏黄萤幼虫，选取水温、溶氧量、氨氮、pH 值和盐度作为主要监测指标。

4.1 主成分分析结果

将原始数据输入到主成分分析模型中进行处理，选取主成分的累计贡献率为95%，得到了水温、溶氧量、氨氮、pH值和盐度等5个主成分，具体结果如表1。

表1 主成分分析

4.2 MSLSTM-DA 算法预测结果

将主成分分析结果作为输入，采用MSLSTM-DA算法进行水质预测。通过对预测结果和实际数据的对比得到如图1的预测结果。可以看出，预测结果与实际数据具有较高的拟合度和预测准确性。

图1 MSLSTM-DA 算法预测结果

在图中，MSLSTM-DA算法预测结果是通过将模型训练得到的水质监测数据与实际水质监测数据进行比较得到的预测结果。预测结果显示了MSLSTM-DA算法在预测水生萤火虫幼虫养殖过程中的水质环境方面的准确性和可靠性。预测结果包括两个图形，分别为“模型训练误差”和“模型预测误差”，其中“模型训练误差”图形显示了模型在训练过程中的误差变化情况，用于评估模型的训练效果；“模型预测误差”图形显示了模型在预测过程中的误差变化情况，用于评估模型的预测准确性。这些预测结果可以为养殖管理人员更好地了解水生萤火虫养殖过程中的水质环境变化情况，以便提供决策参考，保障水生萤火虫的健康生长。

5 结论与展望

5.1 结论

本文对水生萤火虫养殖过程中水质监测问题进行了研究，提出了运用物联网技术和web技术设计一款面向水生萤火虫养殖的水质监测系统的方案。系统可以实现对水温、溶氧量、氨氮、pH值和盐度等多个指标进行多参数、连续、自动监测，数据可以实现远程自动传输，并且可以实现对水质参数的预测和监测，具有较高的实用性和经济效益。

在试验中，本文利用MSLSTM-DA算法建立了一个水质监测和预警模型并成功地将其应用于水生萤火虫的养殖管理中。试验结果表明，该预测模型与实际数据具有高度的拟合性。

5.2 展望

本文并提出了一种面向水生萤火虫养殖的水质监测系统方案，但该方案还存在一些需要进一步改进和完善的地方。

首先，可以进一步完善水质监测系统的硬件和软件设计。在硬件设计方面，可以加强对传感器的选择和布局，提高系统的监测精度和覆盖范围；在软件设计方面，优化算法和数据处理流程，提高预测准确性和实时性。在养殖过程中通过系统预测以及硬件系统并行测量的方式实现更为精细化的养殖管理。此外，深入研究水生萤火虫的生物学和行为学特征，以便更好地掌握其生长发育过程中对水质环境的需求和适应能力，这样可以更加准确地选择监测指标和建立预测模型，从而提高系统的实用性和适应性。