基于HarmonyOS水产养殖在线预测预警与联动防控系统设计

摘要：本文基于当前水产养殖水质研究现状进行鸿蒙系统的水产养殖在线预测预警以及联动防控智能系统的设计，旨在丰富相关研究思路的同时为相关工作的开展提供些许参考。

关键词：水产养殖；预测预警；HarmonyOS；联动防控

我国关于水产养殖的历史可追溯至公元前一千多年，我国水产品生产与消费均位居世界前列。随着国民水产品消费需求的日益增长，水产养殖业得到了快速发展。水质作为水产养殖的一个关键，直接影响水产品的生长与品质，一直都是相关领域研究的一个热点课题。在水产养殖中加强水质监测预警，可推动水产养殖业进行智能化管理，对养殖经济效益的提高以及水产品品质的保障均具有明显的现实意义。

1 水产养殖水质智能预测预警概述

本文涉及的水质预测实质是基于经验以及获取的水质参数数据，预测将来的水质参数数据，分析得出水质参数变化的规律与趋势，是为水质管理与调控而服务的。水质预测的关键问题是算法选取[1]。涉及的方法有传统预测法以及计算机技术的智能预测法，以及回归分析预测法、函数模型预测法等，函数模型预测法属于传统预测法并且具有容易操作、可行性强的优势，然而自适应能力欠佳；而智能水质预测方法有人工神经网络法期、灰色理论法中网、SVR预设法等，此类算法各有其优缺点，但适应能力明显高于传统算法，如人工神经网络算法在自适应学习以及运算速度方面优势明显[2]。此方面在国内外研究者中均有研究，并取得一定的进展，我国一些学者将大数据与水质预警结合起来进行水质系统的研究设计，结合地理信息技术以及信息交互技术设计水质预警系统，基于智能视觉技术构建鱼群识别模型拓展水质预警研究思路等[3]。

2 基于HarmonyOS水产养殖在线预测预警与联动防控系统的设计

2.1 基本思路

本研究是结合当前水质预测预警的相关研究来进行基于HarmonyOS水产养殖在线预测预警智能联动系统的设计。在数据降噪处理方面，基于小波分析进行改进，结合仿真实验从而提高系统效率；数据丢失修复重构方面则综合SAMP算法与多属性关联度，在减小误差的同时提高精度与效率；预测预警方面，结合RBF神经网络、ARIMII模型规避常规水质预测方法的不足。本研究选取水产养殖中溶解氧、pH值以及水温这三个较为重要的水质参数。

2.2 总体设计

第一，功能需求。本系统主要针对水产养殖户、系统管理预案以及研究人员等。综合分析，系统应具备水质数据采集显示、数据预测预警以及系统维护等多方面功能。鉴于此，本研究中基于HarmonyOS的水质预测预警、联防系统针对性设计等主要的六大功能模块，其中水体监测智能光电传感器模块具有智能预警功能，与移动终端以及PC终端相关联，可提前预警，该模块的功能能够有效降低因养殖环境变化所导致的养殖风险。无线远程监控与管理模块实现了增氧控制箱与管理者终端的联接，便于养殖户进行在线远程监管。数据采集传输通信系统实现了系统相关的控制参数、子系统控制硬件传感网络参数的高效调节，具备历史数据检索以及统计分析功能；智能分析预测系统在监测三个关键因子的同时还能进行智能预测，同时包括对实时采集数据的恢复、降噪等处理；数据检索+统计分析模块则是基于大数据分析对所采集的相关数据进行一系列处理，从而便于相关人员获得更为适宜的关键因子参数数值。PC浏览器以及终端访问模块，主要服务于管理人员以及养殖户，包括用户的个性化需求，如池塘名字命名，可视化呈现水质参数以及固定工作模式修改等。

第二，技术架构。技术架构方面，包含四层：第一层为数据存储层，主要是对水质参数数据的存储。第二层是数据访问层与数据存储层通过JDBC查询连接起来，主要是通过查询来访问数据库的水产养殖水质参数数据，使业务逻辑层与数据存储层间的数据传递得以实现。第三层是业务逻辑层，主要是根据用户请求进行数据信息的分析处理，使得数据具备相应的安全性并便于后续更新维护。第四层是表示层，主要是包含手机以及Web交互界面，一方面可将获取的水质数据以及水质预测预警信息传达给用户，另一方面用户可通过交互界面查看历史数据亦或进行远程操作。

2.3 设计实现

第一，硬件设计。本研究系统设计的关键主要由四个部分组成：第一，智能传感器：传感器属于感测设备，在实际运用中，需要结合工作环境、工作对象以及工作原理等多方面因素选择，兼顾有效性、精确性以及稳定性，本研究结合水产养殖实际情况选择，包括溶解氧传感器（覆膜式极谱法-使用OOS61荧光法溶解氧传感器以及AMER在线溶氧仪）、水温传感器（热敏电阻法-通过对冷却水温度的转换进而获得温度变化信息）以及PH传感器（玻璃电极法-高智能化在线连续监测仪），实现对水产养殖水质重要三要素的测量。第二，供电电源：选择的传感器电源均为直流电源（5V），为了节约能耗，降低用电成本，在考虑水产养殖水质预测预警实际需要以及工作条件的基础上，使用太阳能板辅助系统供电（阳光充足时）。第三，通信模块：本研究系统运用九点法布置溶解氧、水温以及pH值三类传感器，采取簇状拓扑结构，每个簇点由各类传感器构成，任一个簇点所属的传感器不能与其他簇点就所采集数据进行传递，但可进行簇点间的数据通信，数据最终汇集到某个节点（汇聚节点）；各个节点的数据通信通过RS232总线、ZigBee技术实现，其中来自用户的控制信息也可通过ZigBee传递到对应的簇点，进而控制传感器，本系统无线控制节点的中控芯片采用的是具备运行模式更换功能的CC2530，有助于系统功耗的降低，并且不同运行模式在切换耗时较短，兼顾实用性与节

约性。

第二，软件设计。本研究软件设计着重考量这几个方面：第一，功能模块：通过调查养殖户实际需求，结合资料查阅，进行软件的功能模块设计；数据采集模块主要是运用传感器采集水质三大参数的实时数据，在此基础上搭建数据库，运用AI、大数据分析等技术分析处理所采集的水质参数数据；预测预警模块是运用RBF神经网络+ARIMA模型预测水产养殖水质的三大参数，线性、非线性均可进行，根据I-S模糊神经网络融合处理而得到的预警信息进行调用，之后养殖户收到预警信息时可针对性的进行干预；数据查询模块是为了让养殖户随时查询获得水质预测预警参数以及水质三大重要参数数据服务的，此外还可查询以不同条件划分的数据，如异常信息、时间日期、参数对比等；信息管理模块主要是将获取的水质参数预测值以及预警信息（基于预测值的预警级别与预警处理方法）向用户端发送，由养殖户远程操控硬件设备开关，达到调控目的；设置管理模块可备份数据库并在需要时调取还原数据库数据，管理员既能进行系统参数设置（如信息刷新频率）以及用户管理（如设置账号密码、名称更改等）等方面的操作。第二，数据库：结合功能需求以及各大模块功能的需要，本系统软件数据库设计采用的是较为常用的E-R数据库模型，由于关系到数据表算法，其中数据表包含职位信息表（职位、姓名以及Vistor）、水质预测表（预测值、预测时间）、水质预警表（水质三要素、预警级别、预警时间）、用户信息表（如用户名、ID、密码、电话等）以及信息管理表（如信息ID、用户ID、水质信息等）。

2.4 系统测试分析

为了对本研究的HarmonyOS水产养殖水质预测预警以及联防系统性能进行评估，故而进行模拟仿真实验，运用Matlab软件搭建本次模拟的仿真平台，评价的指标设定为水质参数变化量，结合仿真分析与比较分析[3]。经测试，该系统在完成在线预测预警与远程联动控制时，系统运行稳定且良好，功能正常，设计效果基本实现。

进行分析：第一，创新点：本研究综合多方面因素选择较为重要的溶解氧、水温与pH值这三大参数，分析这三大参数变化规律，进而开展后续的数据降噪、数据恢复以及预测预警，结合分层阈值小波分析进行水质参数的降噪处理，其中阈值设定的使用使得数据降噪精度与速度得以提升，这是一个改进点；综合SAMP算法与多属性关联可提高数据恢复运算效率以及数据恢复精确性；联合RBF神经网络与ARIMA进行线性以及非线性预测，降低误差，提高精确度；水质预警采用T-S模糊神经网络算法。第二，难点：在实际水产养殖中，影响水产品生长发育的因素多种多样，水质因素也并非只有所选取的三个，需要拓展研究其他水质参数加入本研究算法中，进一步提高算法应用的可靠性；某些情况下降噪处理时会误将一些突变数据作为噪声信号处理，数据恢复时则涉及到丢失数据权重值的设置，这两方面很有必要深入研究从而巩固算法的可靠性。

结语

综上所述，随着水产业的发展以及养殖密度的增加，水产养殖智能化已成为大势所趋，高效的水质参数监测可为养殖智能化管控奠定良好基础。本文着重分析HarmonyOS水产养殖在线预测预警与联动防控系统的设计，包括思路、总体设计、实现以及测试分析，经测试证实了该系统的可行性与功能性。■

参考文献：

[1] 冯国富，卢胜涛，陈明，等.基于自注意力机制和改进的K-BiLSTM的水产养殖水体溶解氧含量预测模型[J].江苏农业学报，2024，40（3）：490-499.

[2] 赵龙海，董艳辉，张志杰.基于AIoT的海水水产养殖环境智能监控系统的设计与开发[J].电脑知识与技术：学术交流，2024，20（1）：137-139.

[3] 张继飞，魏茂春，林超.智慧渔业水产养殖系统物联设备安全监控技术[J].信息技术，2022，46（4）：97-101.

收稿时间：2024-12-26

项目来源：广东省2022年度普通高校重点领域专项（新一代电子信息）

项目名称：基于HarmonyOS水产养殖在线预测预警与联动防控系统

项目编号：2022ZDZX1081

项目来源：2024年度广东省普通高校特色创新类项目

项目名称：基于无线传感器网络的水质监测与预警系统

项目编号：2024KTSCX304

作者简介：刘春玲，（1985—）女，硕士，副教授。研究方向：电子与通信工程。