本技術(shù)涉及數(shù)據(jù)處理，具體涉及基于物聯(lián)網(wǎng)技術(shù)的水產(chǎn)養(yǎng)殖環(huán)境監(jiān)測方法。

背景技術(shù)：

1、水產(chǎn)養(yǎng)殖環(huán)境的監(jiān)測對水資源管理和環(huán)境污染監(jiān)測具有重要意義，通過高精度傳感器對水產(chǎn)養(yǎng)殖的水樣進(jìn)行定期的多點(diǎn)檢測。養(yǎng)殖水質(zhì)檢測是指對水庫進(jìn)行定期抽樣采集水樣的物理、化學(xué)和生物特性進(jìn)行檢測，從而獲取養(yǎng)殖水質(zhì)信息的一項(xiàng)綜合性工作。對采集水樣的檢測包括溫度、溶解氧、ph值和氨氮含量等。而對養(yǎng)殖水質(zhì)的每次全面檢測，需要設(shè)置大量的采樣點(diǎn)，采集多個(gè)水樣進(jìn)行檢測，由此導(dǎo)致檢測數(shù)據(jù)的冗余，難以快速基于檢測數(shù)據(jù)得到養(yǎng)殖水質(zhì)的評估結(jié)果，從而確定水產(chǎn)養(yǎng)殖環(huán)境的監(jiān)測結(jié)果。因此，需要對抽取水樣的大量檢測數(shù)據(jù)進(jìn)行優(yōu)化采集，提高檢測數(shù)據(jù)的分析效率，以提高對環(huán)境監(jiān)測的效率。

2、現(xiàn)階段，消除數(shù)據(jù)冗余的方法包括數(shù)據(jù)降維、數(shù)據(jù)壓縮兩類，而養(yǎng)殖水質(zhì)的抽取水樣通常會(huì)添加相應(yīng)的標(biāo)簽進(jìn)行記錄，同樣需要將對應(yīng)的檢測數(shù)據(jù)進(jìn)行存儲(chǔ)，因此在降低檢測數(shù)據(jù)的冗余進(jìn)行優(yōu)化采集時(shí)，通常采用數(shù)據(jù)壓縮的方式消除冗余。

3、旋轉(zhuǎn)門算法是一種現(xiàn)有常用的數(shù)據(jù)序列壓縮方法，其原理是根據(jù)數(shù)據(jù)構(gòu)建一個(gè)又一個(gè)的高度固定的平行四邊形框選數(shù)據(jù)，在數(shù)據(jù)點(diǎn)不能被框選時(shí)將前一個(gè)數(shù)據(jù)點(diǎn)進(jìn)行存儲(chǔ)，否則進(jìn)行壓縮。該算法中的門限值用于調(diào)整該平行四邊形的尺寸，門限值的大小不同表征在壓縮程度的不同。該算法在壓縮過程中門限值是固定的，整體數(shù)據(jù)序列的壓縮程度是固定的；而對養(yǎng)殖水質(zhì)進(jìn)行檢測時(shí)，更需要關(guān)注檢測數(shù)據(jù)中的數(shù)據(jù)波動(dòng)，了解不同采樣點(diǎn)，即水庫不同區(qū)域內(nèi)的水質(zhì)情況。而固定的中門限值在壓縮大量的檢測數(shù)據(jù)時(shí)，較大的門限值容易使局部的波動(dòng)數(shù)據(jù)被壓縮，難以發(fā)現(xiàn)異常情況；較小的門限值影響壓縮效率且數(shù)據(jù)冗余量大；影響了養(yǎng)殖水質(zhì)檢測數(shù)據(jù)優(yōu)化采集的結(jié)果。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述旋轉(zhuǎn)門算法中的固定門限值影響?zhàn)B殖水質(zhì)檢測數(shù)據(jù)優(yōu)化采集結(jié)果的技術(shù)問題，本技術(shù)的目的在于提供基于物聯(lián)網(wǎng)技術(shù)的水產(chǎn)養(yǎng)殖環(huán)境監(jiān)測方法，所采用的技術(shù)方案具體如下：

2、在水庫內(nèi)每個(gè)采樣點(diǎn)處采集水樣，獲取采集水樣的水質(zhì)檢測數(shù)據(jù)序列，根據(jù)水質(zhì)檢測數(shù)據(jù)序列中的極值點(diǎn)將水質(zhì)檢測數(shù)據(jù)序列劃分為多個(gè)子序列；

3、基于子序列中相鄰數(shù)據(jù)點(diǎn)之間增減趨勢的差異確定子序列中的突變點(diǎn)，基于突變點(diǎn)所取窗口范圍內(nèi)突變點(diǎn)的重合情況確定子序列的波動(dòng)范圍；基于所述波動(dòng)范圍內(nèi)突變點(diǎn)之間的距離特征獲得所述波動(dòng)范圍的第一保留程度；

4、基于每個(gè)波動(dòng)范圍內(nèi)突變點(diǎn)在每個(gè)波動(dòng)范圍內(nèi)數(shù)據(jù)點(diǎn)的擬合曲線上的位置距離特征確定每個(gè)波動(dòng)范圍的離散程度表征值；

5、基于每個(gè)波動(dòng)范圍內(nèi)數(shù)據(jù)分解得到的最長殘差子序列中的數(shù)據(jù)點(diǎn)數(shù)量以及相鄰數(shù)據(jù)點(diǎn)之間變化的規(guī)律性確定每個(gè)波動(dòng)范圍的規(guī)律評估系數(shù)，將所述離散程度表征值、規(guī)律評估系數(shù)之和作為確定每個(gè)波動(dòng)范圍的第二保留程度；將每個(gè)波動(dòng)范圍的第一保留程度和第二保留程度的和值作為每個(gè)波動(dòng)范圍的修正系數(shù)；

6、根據(jù)所述修正系數(shù)對旋轉(zhuǎn)門算法的預(yù)設(shè)門限值進(jìn)行修正獲得自適應(yīng)門限值，利用旋轉(zhuǎn)門算法基于自適應(yīng)門限值對水質(zhì)檢測數(shù)據(jù)序列進(jìn)行壓縮，得到優(yōu)化采集結(jié)果；

7、基于水質(zhì)檢測數(shù)據(jù)序列的優(yōu)化采集結(jié)果確定環(huán)境監(jiān)測結(jié)果。

8、優(yōu)選的，所述根據(jù)水質(zhì)檢測數(shù)據(jù)序列中的極值點(diǎn)將水質(zhì)檢測數(shù)據(jù)序列劃分為多個(gè)子序列的步驟包括：

9、對每個(gè)水質(zhì)檢測數(shù)據(jù)序列中的數(shù)據(jù)點(diǎn)進(jìn)行曲線擬合，得到第一擬合曲線；

10、將第一擬合曲線上的極值點(diǎn)作為分割點(diǎn)；根據(jù)所述分割點(diǎn)對每個(gè)水質(zhì)檢測數(shù)據(jù)序列進(jìn)行分割獲得每個(gè)水質(zhì)檢測數(shù)據(jù)序列的多個(gè)子序列。

11、優(yōu)選的，所述基于子序列中相鄰數(shù)據(jù)點(diǎn)之間增減趨勢的差異確定子序列中的突變點(diǎn)，基于突變點(diǎn)所取窗口范圍內(nèi)突變點(diǎn)的重合情況確定子序列的波動(dòng)范圍的步驟包括：

12、計(jì)算所述子序列中每個(gè)數(shù)據(jù)點(diǎn)與前一個(gè)相鄰數(shù)據(jù)點(diǎn)的數(shù)值差值，獲得每個(gè)數(shù)據(jù)點(diǎn)的前相鄰差；計(jì)算所述子序列中數(shù)據(jù)點(diǎn)與后一個(gè)相鄰數(shù)據(jù)點(diǎn)的數(shù)值差值，獲得每個(gè)數(shù)據(jù)點(diǎn)的后相鄰差；計(jì)算所述前相鄰差和所述后相鄰差的比值，作為每個(gè)數(shù)據(jù)點(diǎn)的波動(dòng)表征值；當(dāng)所述波動(dòng)表征值大于0時(shí)，將對應(yīng)的數(shù)據(jù)點(diǎn)作為一個(gè)突變點(diǎn)；

13、對于所述子序列中的任意一個(gè)突變點(diǎn)，對于子序列中的任意一個(gè)突變點(diǎn)，將每個(gè)突變點(diǎn)和預(yù)設(shè)鄰域范圍內(nèi)其他突變點(diǎn)組成一個(gè)波動(dòng)子區(qū)間；

14、獲取子序列內(nèi)的所有波動(dòng)子區(qū)間，將任意兩個(gè)包含相同突變點(diǎn)的波動(dòng)子區(qū)間融合，直至融合后的波動(dòng)范圍內(nèi)沒有與其他波動(dòng)子區(qū)間相同的突變點(diǎn)；獲取包含相同突變點(diǎn)的每個(gè)波動(dòng)子區(qū)間中兩個(gè)端點(diǎn)對應(yīng)的時(shí)刻，將所有所述時(shí)刻中確定最長時(shí)間區(qū)間的兩個(gè)時(shí)刻作為起始時(shí)刻、末尾時(shí)刻，將由起始時(shí)刻、末尾時(shí)刻對應(yīng)的數(shù)據(jù)點(diǎn)作為端點(diǎn)確定的區(qū)間作為波動(dòng)區(qū)間。

15、優(yōu)選的，所述基于所述波動(dòng)范圍內(nèi)突變點(diǎn)之間的距離特征獲得所述波動(dòng)范圍的第一保留程度的步驟包括：

16、將每個(gè)波動(dòng)范圍內(nèi)數(shù)據(jù)點(diǎn)的數(shù)量值的正相關(guān)映射結(jié)果作為每個(gè)波動(dòng)范圍的范圍表征值，計(jì)算所述范圍表征值與預(yù)設(shè)第一權(quán)重的乘積得到范圍權(quán)重；

17、計(jì)算每個(gè)波動(dòng)范圍內(nèi)相鄰兩個(gè)突變點(diǎn)之間的數(shù)據(jù)點(diǎn)數(shù)量的平均值并正相關(guān)映射，獲得每個(gè)波動(dòng)范圍的間距表征值，計(jì)算所述間距表征值與預(yù)設(shè)第二權(quán)重的乘積得到間距權(quán)重；

18、將所述范圍權(quán)重與所述間距權(quán)重的和作為每個(gè)波動(dòng)范圍的第一保留程度。

19、優(yōu)選的，所述基于每個(gè)波動(dòng)范圍內(nèi)突變點(diǎn)在每個(gè)波動(dòng)范圍內(nèi)數(shù)據(jù)點(diǎn)的擬合曲線上的位置距離特征確定每個(gè)波動(dòng)范圍的離散程度表征值的步驟包括：

20、對每個(gè)波動(dòng)范圍內(nèi)的數(shù)據(jù)點(diǎn)進(jìn)行曲線擬合獲得第二擬合曲線；

21、計(jì)算第二擬合曲線內(nèi)所有相鄰的單波的波峰的橫坐標(biāo)之間的差值絕對值，獲得波峰間距值；計(jì)算第二擬合曲線內(nèi)每個(gè)單波的波峰和波谷之間的縱坐標(biāo)的差值絕對值，獲得波形幅度值；

22、計(jì)算第二擬合曲線內(nèi)所有所述波峰間距值的標(biāo)準(zhǔn)差與所有所述波形幅度值的標(biāo)準(zhǔn)差之和作為波動(dòng)離散值，對所述波動(dòng)離散值進(jìn)行負(fù)相關(guān)映射，得到波動(dòng)范圍的離散程度表征值。

23、優(yōu)選的，所述基于每個(gè)波動(dòng)范圍內(nèi)數(shù)據(jù)分解得到的最長殘差子序列中的數(shù)據(jù)點(diǎn)數(shù)量以及相鄰數(shù)據(jù)點(diǎn)之間變化的規(guī)律性確定每個(gè)波動(dòng)范圍的規(guī)律評估系數(shù)的步驟包括：

24、將波動(dòng)范圍內(nèi)的數(shù)據(jù)序列通過stl算法進(jìn)行分解獲得殘差序列，將殘差序列中的數(shù)據(jù)點(diǎn)作為輸入，利用ap聚類算法將殘差序列中的數(shù)據(jù)點(diǎn)劃分到不同聚類簇中，并將數(shù)據(jù)點(diǎn)數(shù)量最多的聚類簇內(nèi)的數(shù)據(jù)點(diǎn)按照時(shí)間排列，得到最長殘差子序列；

25、根據(jù)最長殘差子序列的長度特征和變化特征獲得波動(dòng)范圍的規(guī)律評估系數(shù)。

26、優(yōu)選的，所述根據(jù)最長殘差子序列的長度特征和變化特征獲得波動(dòng)范圍的規(guī)律評估系數(shù)的步驟包括：

27、計(jì)算最長殘差子序列中每個(gè)數(shù)據(jù)點(diǎn)與相鄰的其他數(shù)據(jù)點(diǎn)之間的斜率作為每個(gè)數(shù)據(jù)點(diǎn)的斜率表征值；

28、將最長殘差子序列中所有數(shù)據(jù)點(diǎn)的斜率表征值的絕對值的累加和作為最長殘差子序列的整體斜率表征值；

29、計(jì)算最長殘差子序列中所有相鄰數(shù)據(jù)點(diǎn)之間的斜率表征值的差值絕對值并累加求和，得到最長殘差子序列的相鄰斜率差異值；

30、計(jì)算所述整體斜率表征值與所述相鄰斜率差異值的和值得到最長殘差子序列的偏差程度，將所述偏差程度的負(fù)相關(guān)映射結(jié)果作為最長的殘差子序列的平緩程度值；

31、對最長殘差子序列中數(shù)據(jù)點(diǎn)的數(shù)量值進(jìn)行正相關(guān)映射，將所述正相關(guān)映射的映射結(jié)果與所述平緩程度值的和值作為波動(dòng)范圍的規(guī)律評估系數(shù)。

32、優(yōu)選的，所述根據(jù)所述修正系數(shù)對旋轉(zhuǎn)門算法的預(yù)設(shè)門限值進(jìn)行修正獲得自適應(yīng)門限值的步驟包括：

33、將預(yù)設(shè)門限值和每個(gè)波動(dòng)范圍的波動(dòng)范圍的修正系數(shù)的比值作為每個(gè)波動(dòng)范圍的自適應(yīng)門限值。

34、優(yōu)選的，所述利用旋轉(zhuǎn)門算法基于自適應(yīng)門限值對水質(zhì)檢測數(shù)據(jù)序列進(jìn)行壓縮的步驟包括：

35、分別計(jì)算每個(gè)水質(zhì)檢測數(shù)據(jù)序列中每個(gè)子序列中每個(gè)波動(dòng)范圍的自適應(yīng)門限值；將每個(gè)水質(zhì)檢測數(shù)據(jù)序列劃分的所有子序列作為輸入；

36、對于修正系數(shù)大于預(yù)設(shè)修正閾值的波動(dòng)范圍對應(yīng)的數(shù)據(jù)，將預(yù)設(shè)門限值替換為波動(dòng)范圍的自適應(yīng)門限值，進(jìn)行壓縮；

37、對于修正系數(shù)小于等于預(yù)設(shè)修正閾值的波動(dòng)范圍對應(yīng)的數(shù)據(jù)，利用旋轉(zhuǎn)門算法基于預(yù)設(shè)門限值進(jìn)行壓縮；

38、對于子序列中不在波動(dòng)范圍內(nèi)的檢測數(shù)據(jù)，按照時(shí)間順序排列得到帶壓縮序列，利用旋轉(zhuǎn)門算法基于預(yù)設(shè)門限值進(jìn)行壓縮。

39、優(yōu)選的，所述基于水質(zhì)檢測數(shù)據(jù)序列的優(yōu)化采集結(jié)果確定環(huán)境監(jiān)測結(jié)果的步驟包括：

40、將每個(gè)采樣點(diǎn)的每個(gè)水質(zhì)檢測數(shù)據(jù)序列的優(yōu)化采集結(jié)果作為異常檢測算法的輸入，利用異常檢測算法輸出所述優(yōu)化采集結(jié)果中的異常點(diǎn)；

41、統(tǒng)計(jì)每個(gè)采樣點(diǎn)中同一種水質(zhì)檢測數(shù)據(jù)序列中的所有異常點(diǎn)，將所述所有異常點(diǎn)與每種水質(zhì)檢測標(biāo)準(zhǔn)區(qū)間進(jìn)行對比，將不位于標(biāo)準(zhǔn)區(qū)間內(nèi)的異常點(diǎn)數(shù)量與所有異常點(diǎn)數(shù)量的比值作為每個(gè)采樣點(diǎn)每種水質(zhì)反映出的養(yǎng)殖環(huán)境不合格率。

42、本技術(shù)具有如下有益效果：在本技術(shù)中，首先，根據(jù)水質(zhì)檢測數(shù)據(jù)序列中的極值點(diǎn)將水質(zhì)檢測數(shù)據(jù)序列劃分為多個(gè)子序列，便于后續(xù)波動(dòng)范圍的確定，以提高最終的自適應(yīng)壓縮效果；其次，基于子序列中相鄰數(shù)據(jù)點(diǎn)之間增減趨勢的差異確定子序列中的突變點(diǎn)，基于突變點(diǎn)所取窗口范圍內(nèi)突變點(diǎn)的重合情況確定子序列的波動(dòng)范圍，根據(jù)波動(dòng)范圍能夠初步剔除噪聲點(diǎn)；之后，基于所述波動(dòng)范圍內(nèi)突變點(diǎn)之間的距離特征獲得所述波動(dòng)范圍的第一保留程度，能夠反映該波動(dòng)范圍內(nèi)的數(shù)據(jù)在壓縮過程中是否應(yīng)該保留；之后，基于每個(gè)波動(dòng)范圍內(nèi)突變點(diǎn)在每個(gè)波動(dòng)范圍內(nèi)數(shù)據(jù)點(diǎn)的擬合曲線上的位置距離特征確定每個(gè)波動(dòng)范圍的離散程度表征值，離散程度表征值能夠反映波動(dòng)范圍內(nèi)突變點(diǎn)之間的變化特征相似性，進(jìn)而判斷是否為噪聲數(shù)據(jù)；隨后，基于每個(gè)波動(dòng)范圍內(nèi)數(shù)據(jù)分解得到的最長殘差子序列中的數(shù)據(jù)點(diǎn)數(shù)量以及相鄰數(shù)據(jù)點(diǎn)之間變化的規(guī)律性確定每個(gè)波動(dòng)范圍的規(guī)律評估系數(shù)，計(jì)算規(guī)律評估系數(shù)能夠根據(jù)殘差序列的分布特征判斷該波動(dòng)范圍內(nèi)的規(guī)律性，用于分析數(shù)據(jù)波動(dòng)是由與水質(zhì)相關(guān)的異常情況造成的可能性；最后，基于每個(gè)波動(dòng)范圍的第一保留程度、第二保留程度確定每個(gè)波動(dòng)范圍的修正系數(shù)；根據(jù)所述修正系數(shù)對旋轉(zhuǎn)門算法的預(yù)設(shè)門限值進(jìn)行修正獲得自適應(yīng)門限值，能夠?qū)崿F(xiàn)根據(jù)波動(dòng)范圍的特征自適應(yīng)調(diào)節(jié)壓縮程度。最終在保證整體的壓縮效率的同時(shí)，提高反映異常情況的數(shù)據(jù)保留度，保證對養(yǎng)殖環(huán)境監(jiān)測的結(jié)果的準(zhǔn)確度。