本技术涉及数据处理，具体而言，涉及一种基于传感技术的生态鱼塘养殖环境智能监测方法。
背景技术：
1、在养殖行业，鱼塘的养殖对于水质、氧气以及喂饲等方面均具有较高的要求。如果出现水质恶化或者水质不适宜鱼类的生长以及鱼塘中缺氧等情况，将直接影响水产品生物的成活率。目前已有相关研究人员利用自然生态系统的原理，结合传感技术，通过合理布局和管理鱼塘，从而促进鱼类生长并保持水质清洁。其中，传感技术的作用是实现对水质ph值的智能监测，从而帮助养殖人员及时了解鱼塘环境的状况，提高养殖效率和鱼类的生长质量。
2、然而，在使用传感技术对生态鱼塘养殖进行ph检测的时候，由于采集到的ph值数据中可能包含很多噪声数据点，为消除ph监测数据中的干扰因素，现有技术一般以图表的形式可视化，通过观察数据的整体分布和变化趋势、或利用统计学工具，如计算数据的平均值、标准差等，通过评估数据的中心趋势和离散程度，达到识别噪声数据点的目的。然而，由于日出、日落在光合作用的情况下也会引起水质ph值的波动，这些由日出、日落引起波动的正常数据点与噪声数据点在分布上较为接近，难以区分。因此，单凭观察图表或计算统计指标所筛选出的噪声数据点中可能存在正常数据点，存在噪声数据识别可靠性低的问题。
技术实现思路
1、本技术实施例的目的在基于提供一种基于传感技术的生态鱼塘养殖环境智能监测方法，可以提高噪声数据的识别可靠性，实现对生态鱼塘养殖环境的ph值的准确监测。
2、本技术实施例还提供了一种基于传感技术的生态鱼塘养殖环境智能监测方法，包括以下步骤：
3、s1、基于传感技术，获取光强时序数据集、以及ph时序数据集；
4、s2、基于所述光强时序数据集，确定光照强度在时间变化下的特点，结合水体ph值相对于光照强度达到最大的目标时间点的变化趋势，对所述ph时序数据集进行去噪处理，得到目标监测数据集；
5、s3、基于所述目标监测数据集，对生态鱼塘养殖环境进行智能监测。
6、进一步的，生态鱼塘养殖环境中布置有多个光强传感器、以及ph值传感器，步骤s1中，所述光强时序数据集、以及ph时序数据集均以天为分组单位，其中，每组数据中均包含了一天内每分钟的传感数据。
7、进一步的，步骤s2中，所述对所述ph时序数据集进行去噪处理，得到目标监测数据集，包括：
8、s21、针对所述ph时序数据集中的每一个数据点，基于数据点相对于两侧多个数据点的波动度量，确定数据点属于噪声数据点的疑似概率；
9、s22、基于所述光强时序数据集，通过曲线拟合，找到光照强度达到最大的目标时间点；
10、s23、针对波动数据点，基于数据点相对于所述目标时间点的时间位置、以及法线斜率，确定数据点属于正常数据点的初始概率；
11、s24、带入所述初始概率计算正常数据点两侧数据点之间曲率变化的累积结果，得到数据点属于正常数据点的目标概率；
12、s25、基于所述目标概率对所述疑似概率进行权重矫正，得到数据点属于噪声数据点的有效概率；
13、s26、基于所述有效概率对所述ph时序数据集进行去噪处理，得到目标监测数据集。
14、进一步的，步骤s21中，所述基于数据点相对于两侧多个数据点的波动度量，确定数据点属于噪声数据点的疑似概率，包括：
15、s211、获取数据点相对于左侧多个数据点的第一波动度量值，以及数据点相对于右侧多个数据点的第二波动度量值；所述第一波动度量值与所述第二波动度量值的获取方法相同，所述第一波动度量值的计算公式包括：
16、；
17、其中，表示第一波动度量值，表示数据点o的ph值，表示相对于数据点o的左侧第i个数据点的ph值，表示数据点o相对于左侧15个数据点{}的波动平均值，∑是一种表示求和的数学符号；
18、s212、基于所述第一波动度量值和所述第二波动度量值中的最小一项，确定数据点属于噪声数据点的疑似概率。
19、进一步的，步骤22中，所述基于所述光强时序数据集，通过曲线拟合，找到光照强度达到最大的目标时间点，包括：
20、s221、基于所述光强时序数据集确定光强散点图；
21、s222、基于所述光强散点图进行二次多项式的曲线拟合，得到光照强度相对于时间变化下的初始二次函数；
22、s223、基于预设的系数寻优算法，得到所述初始二次函数的最优系数；
23、s224、基于所述最优系数，确定目标二次函数；
24、s225、基于所述目标二次函数进行一阶求导，并将令一阶导数取值为0的点作为光照强度达到最大的目标时间点。
25、进一步的，步骤s23中，所述基于数据点相对于所述目标时间点的时间位置、以及法线斜率，确定数据点属于正常数据点的初始概率，包括：
26、s231、确定数据点相对于所述目标时间点的时间位置；
27、s232、基于曲线的切线方向，确定数据点的曲率方向；
28、s233、基于数据点的曲率方向的正切值，表示数据点的法线斜率；
29、s234、基于所述时间位置和数据点的法线斜率，确定数据点属于正常数据点的初始概率。
30、进一步的，步骤s234中，通过以下公式确定数据点属于正常数据点的初始概率：
31、；
32、其中，表示数据点属于正常数据点的初始概率，表示数据点o的曲率方向，表示数据点o产生的时间，表示光照强度达到最大的目标时间点，tan()表示正切函数。
33、进一步的，步骤s24中，所述带入所述初始概率计算正常数据点两侧数据点之间曲率变化的累积结果，得到数据点属于正常数据点的目标概率，包括：
34、s241、带入所述初始概率计算正常数据点左右两侧多个相对数据点之间的曲率差值，得到多个曲率差值项；
35、s242、从所得的多个曲率差值项中筛选出差值最大项、以及差值最小项；
36、s243、基于所得的多个曲率差值项进行求和操作，得到相应的累加总和；
37、s244、从所述累加总和中减去所述差值最大项、以及差值最小项，得到数据点属于正常数据点的目标概率。
38、进一步的，步骤s244中，在得到数据点属于正常数据点的目标概率之前，所述方法还包括：
39、s2441、从所述累加总和中减去所述差值最大项、以及差值最小项，得到数据点属于正常数据点的初步概率；
40、s2442、获取数据点、及其左右两侧多个相对数据点的初步概率；
41、s2443、基于所得的各项初步概率进行平均值的求解，得到数据点属于正常数据点的目标概率。
42、进一步的，步骤s25中，通过以下公式对所述疑似概率进行权重矫正：
43、；
44、其中，表示权重矫正后得到的有效概率，表示数据点o属于噪声数据点的疑似概率，表示数据点o属于正常数据点的目标概率，f()表示代入的权重校正函数。
45、由上可知，本技术实施例提供的一种基于传感技术的生态鱼塘养殖环境智能监测方法，基于传感技术，获取光强时序数据集、以及ph时序数据集；基于光强时序数据集，确定光照强度在时间变化下的特点，结合水体ph值相对于光照强度达到最大的目标时间点的变化趋势，对ph时序数据集进行去噪处理，得到目标监测数据集；基于目标监测数据集，实现对生态鱼塘养殖环境的智能监测。该方法通过对光照强度和ph随时间变化的趋势特点进行分析，能够较好地对由日出、日落引起波动的正常数据点与噪声数据点进行区分，通过消除ph监测数据中的干扰因素，使得数据变化更加平滑和稳定，提高了噪声数据的识别可靠性，确保管理者能够获得准确的鱼塘环境信息。
1.一种基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，生态鱼塘养殖环境中布置有多个光强传感器、以及ph值传感器，步骤s1中，所述光强时序数据集、以及ph时序数据集均以天为分组单位，其中，每组数据中均包含了一天内每分钟的传感数据。
3.根据权利要求1所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，步骤s21中，所述基于数据点相对于两侧多个数据点的波动度量，确定数据点属于噪声数据点的疑似概率，包括：
4.根据权利要求1所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，步骤22中，所述基于所述光强时序数据集，通过曲线拟合，找到光照强度达到最大的目标时间点，包括：
5.根据权利要求1所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，步骤s23中，所述基于数据点相对于所述目标时间点的时间位置、以及法线斜率，确定数据点属于正常数据点的初始概率，包括：
6.根据权利要求5所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，步骤s234中，通过以下公式确定数据点属于正常数据点的初始概率：
7.根据权利要求1所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，步骤s24中，所述带入所述初始概率计算正常数据点两侧数据点之间曲率变化的累积结果，得到数据点属于正常数据点的目标概率，包括：
8.根据权利要求7所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，步骤s244中，在得到数据点属于正常数据点的目标概率之前，所述方法还包括：
9.根据权利要求8所述的基于传感技术的生态鱼塘养殖环境智能监测方法，其特征在于，步骤s25中，通过以下公式对所述疑似概率进行权重矫正：
