摘要:
攮要:水产养殖环境因子相互作用关系复杂,水产养殖物联网实时采集的数据冗余较多、且数据缺失问题时常发生,基于实时数据的数据预处理方法选择很大程度上决定了预测精度。因此,本文提出了基于数据修复、特征选择和小波降噪相结合的预处理方法。首先利用线性插值法和均值平滑法修复数据,然后采用系统聚类法和主成分分析法进行特征选择以筛选关键影响因子,实现预测模型的输入数据降维,最后使用小波降噪技术处理关键影响因子数据。该方法以基于物联网采集的银鳕鱼养殖池塘的氨氮数据为例,对数据进行了预处理,SNR和RMSE分别为25.8886和0.0448。实验结果表明,该方法可以满足预测数据的精度需要,为水产养殖水质因子预测模型构建提供良好的数据基础。