本發(fā)明涉及水質(zhì)檢測，具體涉及一種畜牧養(yǎng)殖用水水質(zhì)檢測方法。

背景技術：

1、隨著畜牧養(yǎng)殖業(yè)的規(guī)?；?、集約化發(fā)展，養(yǎng)殖場對水資源的依賴性日益增強。水質(zhì)的好壞直接關系到畜牧動物的生長發(fā)育、疾病預防和產(chǎn)品品質(zhì)。因此，現(xiàn)有的畜牧養(yǎng)殖用水監(jiān)測通常采用多種水質(zhì)監(jiān)測傳感器，并對獲取的數(shù)據(jù)進行整合，從而構(gòu)建畜牧養(yǎng)殖用水水質(zhì)監(jiān)測平臺來對畜牧養(yǎng)殖用水進行實時監(jiān)測，并基于預設的水質(zhì)指標進行當前養(yǎng)殖用水水質(zhì)優(yōu)劣的判斷。

2、畜牧養(yǎng)殖用水場景中，通常做法是通過多種傳感器實時監(jiān)測養(yǎng)殖用水水體中的各項水質(zhì)指標數(shù)據(jù)，并通過一些預測算法或統(tǒng)計模型來基于時序上的水體水質(zhì)變化情況進行預測，從而能夠及時的掌握水體的水質(zhì)，但由于不同傳感器的采樣頻率的差異，因此會導致參數(shù)之間的時序間隔不同，進而導致時序上不完全匹配，因此往往需要通過預先的插值算法來對水質(zhì)指標數(shù)據(jù)進行增強處理。在針對養(yǎng)殖用水水質(zhì)指標數(shù)據(jù)進行插值擬合處理時，現(xiàn)有的插值算法會要求擬合曲線必須要經(jīng)過原數(shù)據(jù)點，但由于水質(zhì)指標通常都是基于傳感器獲取，其數(shù)據(jù)不可避免的存在一定的噪聲干擾，進而導致水質(zhì)指標數(shù)據(jù)中存在一定的不可信特征，而直接通過去噪算法又會破壞原數(shù)據(jù)中的趨勢信息，因此，對水質(zhì)指標數(shù)據(jù)進行增強處理時不夠精準。

技術實現(xiàn)思路

1、為了解決在進行畜牧養(yǎng)殖用水水質(zhì)檢測時，現(xiàn)有插值擬合算法對水質(zhì)指標數(shù)據(jù)進行增強處理時不夠精準的技術問題，本發(fā)明的目的在于提供一種畜牧養(yǎng)殖用水水質(zhì)檢測方法，所采用的技術方案具體如下：

2、采集預設日數(shù)內(nèi)的水質(zhì)指標數(shù)據(jù)以及干擾數(shù)據(jù)；

3、基于所述水質(zhì)指標數(shù)據(jù)以及所述干擾數(shù)據(jù)來獲取各項水質(zhì)指標數(shù)據(jù)的相對區(qū)分度，進而獲取各項水質(zhì)指標數(shù)據(jù)在預設時刻數(shù)據(jù)點的初步可信度；

4、獲取基于飼料投放時間節(jié)點作為水質(zhì)處理階段劃分依據(jù)所得到的每項水質(zhì)指標數(shù)據(jù)的第一表現(xiàn)差異度，獲取基于排泄清理時間節(jié)點作為水質(zhì)處理階段劃分依據(jù)所得到的每項水質(zhì)指標數(shù)據(jù)的第二表現(xiàn)差異度；

5、基于所述初步可信度、所述第一表現(xiàn)差異度以及所述第二表現(xiàn)差異度來獲取每項水質(zhì)指標數(shù)據(jù)在每一時刻下的插值偏差值；

6、對所述水質(zhì)指標數(shù)據(jù)進行擬合插值，將所述每項水質(zhì)指標數(shù)據(jù)在每一時刻下的插值偏差值作為擬合曲線與所述水質(zhì)指標數(shù)據(jù)之間的偏差值允許度；

7、將擬合插值過后的所述水質(zhì)指標數(shù)據(jù)輸入預設水質(zhì)檢測模型來得到畜牧養(yǎng)殖用水的水質(zhì)檢測值。

8、進一步地，基于所述水質(zhì)指標數(shù)據(jù)以及所述干擾數(shù)據(jù)來獲取各項水質(zhì)指標數(shù)據(jù)的相對區(qū)分度包括：

9、分別獲取飼料消耗量與糞便排泄量在預設日數(shù)內(nèi)的飼料消耗量均值以及糞便排泄量均值；

10、從所述預設日數(shù)中任選一日作為預設日，計算在所述預設日中所述飼料消耗量與所述飼料消耗量均值之間的第一差值以及所述糞便排泄量與所述糞便排泄量均值之間的第二差值，對所述第一差值、第二差值分別進行線性歸一化處理來得到第一差值線性歸一化值以及第二差值線性歸一化值；

11、計算在所述預設日中預設項水質(zhì)指標數(shù)據(jù)在歸一化后的第一標準差；

12、將所述第一差值線性歸一化值和所述第二差值線性歸一化值相加來得到差值線性歸一化值之和，將所述差值線性歸一化值之和乘以所述第一標準差來得到第一乘積；

13、重復所述第一乘積的獲取過程來獲取所述預設日數(shù)中每一日所對應的所述第一乘積，將所述第一乘積依次相加來得到第一乘積之和，并對所述第一乘積之和進行線性歸一化來得到第一乘積之和線性歸一化值；

14、對所述第一乘積之和線性歸一化值進行負相關來得到所述預設項水質(zhì)指標數(shù)據(jù)的相對區(qū)分度；

15、重復所述相對區(qū)分度的獲取過程來獲取各項水質(zhì)指標數(shù)據(jù)的相對區(qū)分度。

16、進一步地，所述獲取各項水質(zhì)指標數(shù)據(jù)在預設時刻數(shù)據(jù)點的初步可信度包括：

17、獲取預設項水質(zhì)指標數(shù)據(jù)在預設時刻數(shù)據(jù)點為中心的局部范圍內(nèi)的第二標準差；

18、將所述第二標準差乘以所述預設項水質(zhì)指標數(shù)據(jù)的相對區(qū)分度來得到第二乘積，將所述第二乘積進行歸一化處理來得到第二乘積歸一化值；

19、對所述第二乘積歸一化值進行負相關來得到所述預設項水質(zhì)指標數(shù)據(jù)在預設時刻數(shù)據(jù)點的初步可信度；

20、重復所述初步可信度的獲取過程可得到各項水質(zhì)指標數(shù)據(jù)在預設時刻數(shù)據(jù)點的初步可信度。

21、進一步地，獲取基于飼料投放時間節(jié)點作為水質(zhì)處理階段劃分依據(jù)所得到的每項水質(zhì)指標數(shù)據(jù)的第一表現(xiàn)差異度包括：

22、獲取預設項水質(zhì)指標數(shù)據(jù)以及另一項水質(zhì)指標數(shù)據(jù)之間的線性關系值；

23、獲取所述預設項水質(zhì)指標數(shù)據(jù)在預設時刻下的數(shù)據(jù)局部范圍內(nèi)的第一波動程度以及所述另一項水質(zhì)指標數(shù)據(jù)在預設時刻下的數(shù)據(jù)局部范圍的第二波動程度；

24、獲取所述預設項水質(zhì)指標數(shù)據(jù)與所述另一項水質(zhì)指標數(shù)據(jù)之間的采樣頻率差異絕對值；

25、基于所述第一波動程度、所述第二波動程度、所述線性關系值以及所述采樣頻率差異絕對值來獲取所述預設項水質(zhì)指標數(shù)據(jù)在預設時刻點的第一表現(xiàn)差異度；

26、重復所述第一表現(xiàn)差異度的獲取過程來獲取每項水質(zhì)指標數(shù)據(jù)在預設時刻點的第一表現(xiàn)差異度。

27、進一步地，所述線性關系值的獲取過程包括：

28、獲取所述預設項水質(zhì)指標數(shù)據(jù)與所述另一項水質(zhì)指標數(shù)據(jù)在各水質(zhì)處理階段所對應的皮爾遜相關系數(shù)；

29、將所述皮爾遜相關系數(shù)依次相加之后得到皮爾遜相關系數(shù)之和；

30、獲取所述預設項水質(zhì)指標數(shù)據(jù)的第一自身處理穩(wěn)定性表現(xiàn)以及所述另一項水質(zhì)指標數(shù)據(jù)的第二自身處理穩(wěn)定性表現(xiàn)；

31、將所述皮爾遜相關系數(shù)之和、所述第一自身處理穩(wěn)定性表現(xiàn)、所述第二自身處理穩(wěn)定性表現(xiàn)依次相乘之后來得到第三乘積，將所述第三乘積除以所述水質(zhì)處理階段的個數(shù)之后再進行線性歸一化處理來得到所述線性關系值。

32、進一步地，所述自身處理穩(wěn)定性表現(xiàn)的獲取過程包括：

33、獲取所述預設項水質(zhì)指標數(shù)據(jù)中預設兩水質(zhì)處理階段的匹配相似度；

34、將所述預設兩水質(zhì)處理階段飼料投喂量之間的差異絕對值進行線性歸一化來得到差異線性歸一化絕對值；

35、將所述差異線性歸一化絕對值乘以所述匹配相似度來得到第四乘積；

36、重復所述第四乘積的獲取過程來得到每次飼料投喂時所對應的第四乘積；

37、將所述第四乘積依次相加之后，再除以兩水質(zhì)處理階段的組合數(shù)來得到所述預設項水質(zhì)指標數(shù)據(jù)的自身處理穩(wěn)定性表現(xiàn)。

38、進一步地，所述匹配相似度的獲取過程包括：

39、獲取所述預設項水質(zhì)指標數(shù)據(jù)在預設兩水質(zhì)處理階段中得到的預設組匹配點的距離；

40、獲取所述預設項水質(zhì)指標數(shù)據(jù)在預設兩水質(zhì)處理階段中得到的預設組匹配點的初步可信度均值；

41、將所述距離乘以所述初步可信度均值來得到第五乘積，將所述距離減去所述第五乘積來得到第三差值；

42、重復所述第三差值的獲取過程來獲取各組匹配點的所述第三差值，將所述第三差值全部相加之后取倒數(shù)來獲取所述預設項水質(zhì)指標數(shù)據(jù)中預設兩水質(zhì)處理階段的匹配相似度。

43、進一步地，基于所述第一波動程度、所述第二波動程度、所述線性關系值以及所述采樣頻率差異絕對值來獲取所述預設項水質(zhì)指標數(shù)據(jù)在預設時刻點的第一表現(xiàn)差異度包括：

44、將所述第一波動程度減去所述第二波動程度之后取絕對值來獲取波動程度差異絕對值；

45、將所述采樣頻率差異絕對值進行線性歸一化處理來得到采樣頻率差異絕對歸一化值；

46、將所述波動程度差異絕對值、所述采樣頻率差異絕對歸一化值以及所述線性關系值依次相乘來得到所述預設項水質(zhì)指標數(shù)據(jù)與另一項水質(zhì)指標數(shù)據(jù)之間的單一表現(xiàn)差異度；

47、重復所述單一表現(xiàn)差異度的獲取過程來獲取所述預設項水質(zhì)指標數(shù)據(jù)與各其余水質(zhì)指標數(shù)據(jù)之間的單一表現(xiàn)差異度；

48、將所述單一表現(xiàn)差異度依次相加之后除以所述其余水質(zhì)指標數(shù)據(jù)的個數(shù)來得到所述表現(xiàn)差異度。

49、進一步地，基于所述初步可信度、所述第一表現(xiàn)差異度以及所述第二表現(xiàn)差異度來獲取每項水質(zhì)指標數(shù)據(jù)在每一時刻下的插值偏差值包括：

50、將所述第一表現(xiàn)差異度加上所述第二表現(xiàn)差異度之后進行歸一化來得到表現(xiàn)差異度歸一化值；

51、將所述初步可信度乘以所述表現(xiàn)差異度歸一化值來得到第六乘積，將所述初步可信度減去所述第六乘積來得到所述插值偏差值。

52、進一步地，所述水質(zhì)指標數(shù)據(jù)包括：ph數(shù)據(jù)、溶解氧數(shù)據(jù)、電導率數(shù)據(jù)、濁度數(shù)據(jù)、氨氮數(shù)據(jù)、亞硝酸鹽數(shù)據(jù)、硝酸鹽數(shù)據(jù)。

53、本發(fā)明具有如下有益效果：

54、在本發(fā)明中，首先，采集預設日數(shù)內(nèi)的水質(zhì)指標數(shù)據(jù)以及干擾數(shù)據(jù)。這是后續(xù)數(shù)據(jù)分析的基礎。其次，基于所述水質(zhì)指標數(shù)據(jù)以及所述干擾數(shù)據(jù)來獲取各項水質(zhì)指標數(shù)據(jù)的相對區(qū)分度，進而獲取各項水質(zhì)指標數(shù)據(jù)在預設時刻數(shù)據(jù)點的初步可信度。所述初步可信度越低，則所述水質(zhì)指標數(shù)據(jù)越不可靠，是噪聲數(shù)據(jù)的可能性越大。另外，獲取基于飼料投放時間節(jié)點作為水質(zhì)處理階段劃分依據(jù)所得到的每項水質(zhì)指標數(shù)據(jù)的第一表現(xiàn)差異度，獲取基于排泄清理時間節(jié)點作為水質(zhì)處理階段劃分依據(jù)所得到的每項水質(zhì)指標數(shù)據(jù)的第二表現(xiàn)差異度。所述第一表現(xiàn)差異度以及所述第二表現(xiàn)差異度越大，則所述水質(zhì)指標數(shù)據(jù)越不可靠，是噪聲數(shù)據(jù)的可能性越大。然后，基于所述初步可信度、所述第一表現(xiàn)差異度以及所述第二表現(xiàn)差異度來獲取每項水質(zhì)指標數(shù)據(jù)在每一時刻下的插值偏差值。獲取所述插值偏差值是作為對所述水質(zhì)指標數(shù)據(jù)進行擬合插值時，擬合曲線與所述水質(zhì)指標數(shù)據(jù)之間的偏差值允許度。接著，對所述水質(zhì)指標數(shù)據(jù)進行擬合插值，將所述每項水質(zhì)指標數(shù)據(jù)在每一時刻下的插值偏差值作為擬合曲線與所述水質(zhì)指標數(shù)據(jù)之間的偏差值允許度。通過擬合插值之后來得到更為精準的所述水質(zhì)指標數(shù)據(jù)。最后，將擬合插值過后的所述水質(zhì)指標數(shù)據(jù)輸入預設水質(zhì)檢測模型來得到當前畜牧養(yǎng)殖用水的水質(zhì)檢測值。將擬合插值過后的所述水質(zhì)指標數(shù)據(jù)輸入現(xiàn)有的水質(zhì)檢測模型來得到更為精準及時的水質(zhì)檢測結(jié)果。本發(fā)明采用擬合插值對水質(zhì)指標數(shù)據(jù)進行增強處理時更加精準，使得將擬合插值過后的所述水質(zhì)指標數(shù)據(jù)輸入預設水質(zhì)檢測模型來得到當前畜牧養(yǎng)殖用水的水質(zhì)檢測值也更加精準。