CN113349130A - 浮筏吊笼养殖优化排列方法、规划方法及优化排列*** - Google Patents

浮筏吊笼养殖优化排列方法、规划方法及优化排列*** Download PDF

Info

Publication number
CN113349130A
CN113349130A CN202110696016.0A CN202110696016A CN113349130A CN 113349130 A CN113349130 A CN 113349130A CN 202110696016 A CN202110696016 A CN 202110696016A CN 113349130 A CN113349130 A CN 113349130A
Authority
CN
China
Prior art keywords
model
suspended matter
arrangement
measuring point
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110696016.0A
Other languages
English (en)
Other versions
CN113349130B (zh
Inventor
刘海飞
涂刚琴
孙涛
杨薇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Normal University
Original Assignee
Beijing Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Normal University filed Critical Beijing Normal University
Priority to CN202110696016.0A priority Critical patent/CN113349130B/zh
Publication of CN113349130A publication Critical patent/CN113349130A/zh
Application granted granted Critical
Publication of CN113349130B publication Critical patent/CN113349130B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K61/00—Culture of aquatic animals
    • A01K61/60—Floating cultivation devices, e.g. rafts or floating fish-farms
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G33/00—Cultivation of seaweed or algae
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K61/00—Culture of aquatic animals
    • A01K61/50—Culture of aquatic animals of shellfish
    • A01K61/54—Culture of aquatic animals of shellfish of bivalves, e.g. oysters or mussels
    • A01K61/55—Baskets therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
    • Y02A40/81—Aquaculture, e.g. of fish

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Marine Sciences & Fisheries (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Animal Husbandry (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computing Systems (AREA)
  • Zoology (AREA)
  • Algebra (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Fluid Mechanics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种浮筏吊笼养殖优化排列方法及***，所述排列方法包括如下步骤：分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型；对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型；利用水动力模型和水质数值模型采用模拟的方式确定吊笼(网格模型)的影响范围，根据该影响范围对浮筏吊笼进行排列，实现了优化浮筏吊笼养殖排列，避免浮筏排列密度过大超过水域承载力的单吊笼养殖个数。

Description

浮筏吊笼养殖优化排列方法、规划方法及优化排列***
技术领域
本发明涉及水产养殖技术领域，特别是涉及浮筏吊笼养殖优化排列方法、规划方法及优化排列***。
背景技术
海水养殖最常见形式之一是筏式养殖，该技术源于日本，目前被广泛用于牡蛎、扇贝和大型藻类的养殖中。目前广泛运用的养殖模式为上浮式浮筏吊养，这种垂吊养殖属于立体养殖，适宜于风浪较小潮流通畅且水深不超过20米的海域。随着近海筏式养殖产量增加和养殖面积扩大，大面积养殖浮筏的布置，对海域水动力条件产生了一定的阻碍作用，改变了养殖区及邻近海域的水动力特性，引起水体交换能力下降，交换周期增长，极大改变了区域的污染物扩散和水环境质量。吊养***的存在对水流产生了阻力作用，引起水动力条件的变化，而悬浮物的输运和补充，依赖于水动力情况。水中的悬浮颗粒物是浮筏贝类的主要食物来源，其数量与分布情况，是制约生物生长的重要因子。
目前对于浮筏的排列方式主要是依据经验判断合适排列间距。优化浮筏吊笼养殖排列，科学确定水域吊笼间距，可以合理确定水域的养殖密度，避免浮筏排列密度过大超过水域承载力的养殖密度，更好的协调人类开发活动和环境保护工作之间的矛盾，具有重要的意义。
发明内容
本发明的目的是提供浮筏吊笼养殖优化排列方法、规划方法及优化排列***，以优化浮筏吊笼养殖排列，避免浮筏排列密度过大超过水域承载力的养殖密度。
为实现上述目的，本发明提供了如下方案：
本发明提供一种浮筏吊笼养殖优化排列方法，所述排列方法包括如下步骤：
分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型；
对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型；
根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距；
根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。
可选的，所述根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距，具体包括：
以所述网格模型为起点，沿水流方向每间隔第一预设间距设置一个第一测量点；
根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量；
计算第一单位悬浮物流通量变化量小于第一预设阈值的每个第一测量点与所述网格模型的距离，得到多个第一距离；
选取多个所述第一距离中的最小距离作为浮筏排列间距。
可选的，所述根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量，具体包括：
根据目标养殖区入口的流速，利用所述水动力模型计算所述第一测量点位置的流速；
根据目标养殖区入口的悬浮物浓度，利用所述水质数值模型计算所述第一测量点位置的悬浮物浓度；
根据第一测量点位置的流速和悬浮物浓度，计算第一测量点位置的单位悬浮物流通量；
计算第一测量点位置的单位悬浮物流通量与目标养殖区入口的单位悬浮物流通量的差值，作为所述第一测量点的第一单位悬浮物流通量变化量。
可选的，所述根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距，具体包括：
沿水流方向的任意一个水平垂直方向每间隔第二预设间距设置一个第二测量点；例如，水流方向为x，水流方向的水平垂直方向包括在水平面上与x垂直的y方向和-y方向，因为二者的对称性，所以取其中任意一个方向计算就可以。
根据所述水动力模型和所述水质数值模型计算每个所述第二测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第二测量点的第二单位悬浮物流通量变化量；
计算第二单位悬浮物流通量变化量小于第二预设阈值的每个第二测量点与所述网格模型的距离，得到多个第二距离；
计算多个所述第二距离中最小距离的2倍，作为吊笼排列间距。
一种浮筏吊笼养殖规划方法，所述养殖规划方法包括如下步骤：
以养殖生物的数量最大化为目标，采用粒子群算法确定最优单吊笼养殖个数及最优单吊笼养殖个数对应的最优浮筏吊笼排列方式；
其中，养殖生物的数量的计算方式为：
采用上述排列方法，确定单吊笼养殖个数对应的浮筏吊笼排列方式；
基于单吊笼养殖个数对应的浮筏吊笼排列方式，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量。
可选的，所述基于单吊笼养殖个数对应的浮筏吊笼排列方式，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量，具体包括：
基于单吊笼养殖个数对应的浮筏吊笼排列方式，利用公式gz＝g·n·m·p，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量；
其中，n为吊笼的层数，m为与每个浮筏直接连接的吊笼数，p为目标养殖区的浮筏的数量，g为每个吊笼的养殖生物的数量，即单吊笼养殖个数。
一种浮筏吊笼养殖优化排列***，所述排列***包括：
模型建立模块，用于分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型；
网格模型建立模块，用于对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型；
浮筏排列间距确定模块，用于根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距；
吊笼排列间距确定模块，用于根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。
可选的，所述浮筏排列间距确定模块，具体包括：
第一测量点设置子模块，用于以所述网格模型为起点，沿水流方向每间隔第一预设间距设置一个第一测量点；
第一单位悬浮物流通量变化量计算子模块，用于根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量；
第一距离计算子模块，用于计算第一单位悬浮物流通量变化量小于第一预设阈值的每个第一测量点与所述网格模型的距离，得到多个第一距离；
浮筏排列间距确定子模块，用于选取多个所述第一距离中的最小距离作为浮筏排列间距。
可选的，所述第一单位悬浮物流通量变化量计算子模块，具体包括：
流速计算单元，用于根据目标养殖区入口的流速，利用所述水动力模型计算所述第一测量点位置的流速；
悬浮物浓度计算单元，用于根据目标养殖区入口的悬浮物浓度，利用所述水质数值模型计算所述第一测量点位置的悬浮物浓度；
单位悬浮物流通量计算单元，用于根据第一测量点位置的流速和悬浮物浓度，计算第一测量点位置的单位悬浮物流通量；
第一单位悬浮物流通量变化量计算单元，用于计算第一测量点位置的单位悬浮物流通量与目标养殖区入口的单位悬浮物流通量的差值，作为所述第一测量点的第一单位悬浮物流通量变化量。
可选的，所述吊笼排列间距确定模块，具体包括：
第二测量点设置子模块，用于沿水流方向的任意一个水平垂直方向每间隔第二预设间距设置一个第二测量点；
第二单位悬浮物流通量变化量计算子模块，用于根据所述水动力模型和所述水质数值模型计算每个所述第二测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第二测量点的第二单位悬浮物流通量变化量；
第二距离计算子模块，用于计算第二单位悬浮物流通量变化量小于第二预设阈值的每个第二测量点与所述网格模型的距离，得到多个第二距离；
吊笼排列间距确定子模块，用于计算多个所述第二距离中最小距离的2倍，作为吊笼排列间距。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种浮筏吊笼养殖优化排列方法及***，所述排列方法包括如下步骤：分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型；对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型；根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距；根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。本发明利用水动力模型和水质数值模型采用模拟的方式确定吊笼的影响范围，根据该影响范围对浮筏吊笼进行排列，实现了优化浮筏吊笼养殖排列，避免浮筏排列密度过大超过水域承载力的单吊笼养殖个数。
本发明还提供一种浮筏吊笼养殖规划方法，采用粒子群算法以最大化养殖数量为目标，实现在保障浮筏排列密度不超过水域承载力的单吊笼养殖个数的同时，最大化养殖收益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种浮筏吊笼养殖优化排列方法的流程图；
图2为本发明实施例3提供的浮筏吊笼排列方式示意图，其中，图2a为规则排列方式示意图，图2b为交错排列方式示意图；
图3为本发明实施例3提供的吊笼模拟示意图；
图4为本发明实施例3提供的不同单吊笼养殖个数下的沿水流方向的单位悬浮物流通量分布图；
图5为本发明实施例3提供的不同单吊笼养殖个数下的沿水流方向的水平垂直方向的单位悬浮物流通量分布图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供浮筏吊笼养殖优化排列方法、规划方法及优化排列***，以优化浮筏吊笼养殖排列，避免浮筏排列密度过大超过水域承载力的单吊笼养殖个数。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的方法及***为基于悬浮物通量计算的浮筏吊笼养殖优化排列方法，是通过收集和处理目标养殖区基础数据资料和养殖生物资料，建立水动力模型和水质模型，在模型中构建养殖吊笼和养殖生物，并设置不同的单吊笼养殖个数，计算不同单吊笼养殖个数下的悬浮物通量横向和垂向空间分布，确定浮筏间的横向和竖向间距。
基于悬浮物通量计算的浮筏吊笼养殖优化排列方法的理论依据为：养殖生物在不同单吊笼养殖个数下，单个浮筏吊笼周围的悬浮物通量在距离为吊笼间距WA处，以及浮筏间距LA处，恢复到与入口悬浮物通量相同的水平。
实施例1
如图1所示，本发明提供一种浮筏吊笼养殖优化排列方法，所述排列方法包括如下步骤：
步骤101，分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型。
水动力模型的控制方程:
Figure BDA0003128404450000071
Figure BDA0003128404450000072
其中，ρ表示水体密度，t表示时间，u表示水体流速，P表示水体压力，a表示加速度。
水质模型的控制方程：
Figure BDA0003128404450000073
其中，C表示浓度，t表示时间，Di为i方向上的色散系数，u为i方向上的流体速度。
步骤102，对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型。
步骤103，根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距。
步骤103所述根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距，具体包括：以所述网格模型为起点，沿水流方向每间隔第一预设间距设置一个第一测量点；根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量；计算第一单位悬浮物流通量变化量小于第一预设阈值的每个第一测量点与所述网格模型的距离，得到多个第一距离；选取多个所述第一距离中的最小距离作为浮筏排列间距。
其中，所述根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量，具体包括：根据目标养殖区入口的流速，利用所述水动力模型计算所述第一测量点位置的流速；根据目标养殖区入口的悬浮物浓度，利用所述水质数值模型计算所述第一测量点位置的悬浮物浓度；根据第一测量点位置的流速和悬浮物浓度，计算第一测量点位置的单位悬浮物流通量；计算第一测量点位置的单位悬浮物流通量与目标养殖区入口的单位悬浮物流通量的差值，作为所述第一测量点的第一单位悬浮物流通量变化量。
步骤104，根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。
步骤104所述根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距，具体包括：沿水流方向的任意一个水平垂直方向每间隔第二预设间距设置一个第二测量点；根据所述水动力模型和所述水质数值模型计算每个所述第二测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第二测量点的第二单位悬浮物流通量变化量；计算第二单位悬浮物流通量变化量小于第二预设阈值的每个第二测量点与所述网格模型的距离，得到多个第二距离；计算多个所述第二距离中最小距离的2倍，作为吊笼排列间距。
实施例2
本发明的实施例2为实施例1的具体实现方式，具体包括如下步骤：
基础资料收集与整理，通过实地调研和资料查阅相结合的途径，收集目标养殖区域内水流流速、流向、悬浮物浓度数据，确定目标养殖区入口流速和悬浮物浓度，假设计算水平流速和悬浮物浓度延水深方向均匀分布，建立相应的水动力-水质模型。
养殖设施数据收集与处理，收集并确定目标养殖区内浮筏养殖中吊笼网线直径和吊笼直径。按吊笼直径设置网格大小，在水动力-水质模型中设置单层养殖吊笼模型。
通过实地调研和相应的扫描技术处理目标养殖区中浮筏养殖生物，包括但不限于海湾扇贝、虾夷扇贝、牡蛎等双壳类养殖生物，输入目标养殖生物形态数据到单层养殖吊笼模型上，随机设置不同单吊笼养殖个数，建立相应的数值模型。
计算吊笼养殖周围悬浮物通量的分布，得到网笼中放置不同扇贝个数时悬浮物通量在水流方向和水平垂直流速方向的变化，以吊笼间互不影响为标准，得出吊笼间距WA，浮筏间距LA。
实施例3
本发明实施例3为本发明实施例1和2的一个具体的实现方式，具体包括如下步骤：
1、建立水动力-水质模型：
通过实地调查和采样分析，计算得到王家岛区域平均流速为0.2m/s，水体中的悬浮颗粒物的平均浓度16mg/L。采用格子Boltzmann方法，建立水动力-水质模型。假设计算水平流速和悬浮物浓度延水深方向均匀分布，建立相应的水动力-水质模型，因此设置入口流速＝0.2m/s，入口悬浮物浓度＝16000mg/m3。研究区范围示意图见图2，其中图2a为浮筏规则排列示意图，图2b为浮筏交错排列示意图。
采用的养殖吊笼直径D为0.272m，网笼网线为0.002m，按网笼网线设置网格大小，即网格大小设置为dx＝0.002m，图3为目标养殖区的计算区域示意图。
养殖区海湾扇贝为主要养殖生物，通过三维扫描技术获取其形态数据，并输入到中网笼模型上。网笼中单层放置扇贝个数N为3，6，9，12，15，建立相应的数值模型。
通过流场数据和悬浮物浓度数据，得到区域的悬浮物通量场。计算水流方向网笼后D,2D,3D,4D,5D,6D,7D,8D,9D,10D,11D,12D,13D,14D,15D距离处的平均通量。图4为网笼中放置不同扇贝个数时的通量沿x轴的变化，计算不同扇贝个数在网笼后D-15D处通量的平均值，可以看到网笼后4D处通量最低，6D处恢复到了与入口通量(q0＝3.2g/(s*m2))相同的水平。为了减少对下游通量的影响，并尽可能多的排列浮筏，纵向间距LA为6D。
图5为网笼水平垂直流速方向的通量变化，即x＝0时y轴方向的通量变化趋势。在y方向上，通量的影响范围为WA＝2.5D+2.5D＝5D。
因此以吊笼间互不影响为标准，得出吊笼间距WA＝5D，浮筏间距LA＝6D。
实施例4
本发明实施例3为应用本发明的实施例1和2的优化排列方法确定合理单吊笼养殖个数的方法
根据WA和LA，结合目标养殖区域的海底地形状况，对浮筏进行规则或交错的排列优化；计算目标养殖区的合理单吊笼养殖个数，结合目标养殖区的实际情况，对养殖区单吊笼养殖个数进行合理的增减。
本发明实施例4提供一种浮筏吊笼养殖规划方法，其特征在于，所述养殖规划方法包括如下步骤：
以养殖生物的数量最大化为目标，采用粒子群算法确定最优单吊笼养殖个数及最优单吊笼养殖个数对应的最优浮筏吊笼排列方式；
其中，养殖生物的数量的计算方式为：
采用实施例1-3的排列方法，确定单吊笼养殖个数对应的浮筏吊笼排列方式；
基于单吊笼养殖个数对应的浮筏吊笼排列方式，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量，具体包括：基于单吊笼养殖个数对应的浮筏吊笼排列方式，利用公式gz＝g·n·m·p，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量；其中，n为吊笼的层数，m为与每个浮筏直接连接的吊笼数，p为目标养殖区的浮筏的数量，g为每个吊笼的养殖生物的数量，即单吊笼养殖个数。
以王家岛浮筏养殖区域为例：
养殖区扇贝总数为：gz＝g·n·m·p
其中：n为吊笼的层数；
m为每个浮筏的吊笼数，m＝W/WA；
p为养殖区筏数，p＝L/LA；
g为每个吊笼的养殖数量(个数)。
浮筏间距LA为6D＝1.632m，吊笼间距WA为5D＝1.36m。
单层网笼养殖15个，以四层计算，则g＝60，吊笼层数为16。
将养殖区域排满时，养殖区扇贝总数
Figure BDA0003128404450000111
单位面积养殖密度约为433个/m2。
实施例5
本发明还提供一种浮筏吊笼养殖优化排列***，所述排列***包括：
模型建立模块，用于分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型。
网格模型建立模块，用于对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型。
浮筏排列间距确定模块，用于根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距。
所述浮筏排列间距确定模块，具体包括：第一测量点设置子模块，用于以所述网格模型为起点，沿水流方向每间隔第一预设间距设置一个第一测量点；第一单位悬浮物流通量变化量计算子模块，用于根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量；第一距离计算子模块，用于计算第一单位悬浮物流通量变化量小于第一预设阈值的每个第一测量点与所述网格模型的距离，得到多个第一距离；浮筏排列间距确定子模块，用于选取多个所述第一距离中的最小距离作为浮筏排列间距。
其中，所述第一单位悬浮物流通量变化量计算子模块，具体包括：流速计算单元，用于根据目标养殖区入口的流速，利用所述水动力模型计算所述第一测量点位置的流速；悬浮物浓度计算单元，用于根据目标养殖区入口的悬浮物浓度，利用所述水质数值模型计算所述第一测量点位置的悬浮物浓度；单位悬浮物流通量计算单元，用于根据第一测量点位置的流速和悬浮物浓度，计算第一测量点位置的单位悬浮物流通量；第一单位悬浮物流通量变化量计算单元，用于计算第一测量点位置的单位悬浮物流通量与目标养殖区入口的单位悬浮物流通量的差值，作为所述第一测量点的第一单位悬浮物流通量变化量。
吊笼排列间距确定模块，用于根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。
所述吊笼排列间距确定模块，具体包括：第二测量点设置子模块，用于沿水流方向的任意一个水平垂直方向每间隔第二预设间距设置一个第二测量点；第二单位悬浮物流通量变化量计算子模块，用于根据所述水动力模型和所述水质数值模型计算每个所述第二测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第二测量点的第二单位悬浮物流通量变化量；第二距离计算子模块，用于计算第二单位悬浮物流通量变化量小于第二预设阈值的每个第二测量点与所述网格模型的距离，得到多个第二距离；吊笼排列间距确定子模块，用于计算多个所述第二距离中最小距离的2倍，作为吊笼排列间距。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种浮筏吊笼养殖优化排列方法及***，所述排列方法包括如下步骤：分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型；对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型；根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距；根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。本发明利用水动力模型和水质数值模型采用模拟的方式确定吊笼的影响范围，根据该影响范围对浮筏吊笼进行排列，实现了优化浮筏吊笼养殖排列，避免浮筏排列密度过大超过水域承载力的单吊笼养殖个数。
本发明还提供一种浮筏吊笼养殖规划方法，采用粒子群算法以最大化养殖数量为目标，实现在保障浮筏排列密度不超过水域承载力的单吊笼养殖个数的同时，最大化养殖收益。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种浮筏吊笼养殖优化排列方法，其特征在于，所述排列方法包括如下步骤：
分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型；
对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型；
根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距；
根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。
2.根据权利要求1所述的浮筏吊笼养殖优化排列方法，其特征在于，所述根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距，具体包括：
以所述网格模型为起点，沿水流方向每间隔第一预设间距设置一个第一测量点；
根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量；
计算第一单位悬浮物流通量变化量小于第一预设阈值的每个第一测量点与所述网格模型的距离，得到多个第一距离；
选取多个所述第一距离中的最小距离作为浮筏排列间距。
3.根据权利要求2所述的浮筏吊笼养殖优化排列方法，其特征在于，所述根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量，具体包括：
根据目标养殖区入口的流速，利用所述水动力模型计算所述第一测量点位置的流速；
根据目标养殖区入口的悬浮物浓度，利用所述水质数值模型计算所述第一测量点位置的悬浮物浓度；
根据第一测量点位置的流速和悬浮物浓度，计算第一测量点位置的单位悬浮物流通量；
计算第一测量点位置的单位悬浮物流通量与目标养殖区入口的单位悬浮物流通量的差值，作为所述第一测量点的第一单位悬浮物流通量变化量。
4.根据权利要求1所述的浮筏吊笼养殖优化排列方法，其特征在于，所述根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距，具体包括：
沿水流方向的任意一个水平垂直方向每间隔第二预设间距设置一个第二测量点；
根据所述水动力模型和所述水质数值模型计算每个所述第二测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第二测量点的第二单位悬浮物流通量变化量；
计算第二单位悬浮物流通量变化量小于第二预设阈值的每个第二测量点与所述网格模型的距离，得到多个第二距离；
计算多个所述第二距离中最小距离的2倍，作为吊笼排列间距。
5.一种浮筏吊笼养殖规划方法，其特征在于，所述养殖规划方法包括如下步骤：
以养殖生物的数量最大化为目标，采用粒子群算法确定最优单吊笼养殖个数及最优单吊笼养殖个数对应的最优浮筏吊笼排列方式；
其中，养殖生物的数量的计算方式为：
采用权利要求1-4任一项所述的排列方法，确定单吊笼养殖个数对应的浮筏吊笼排列方式；
基于单吊笼养殖个数对应的浮筏吊笼排列方式，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量。
6.根据权利要求5所述的浮筏吊笼养殖规划方法，其特征在于，所述基于单吊笼养殖个数对应的浮筏吊笼排列方式，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量，具体包括：
基于单吊笼养殖个数对应的浮筏吊笼排列方式，利用公式gz＝g·n·m·p，计算目标养殖区在所述单吊笼养殖个数下的养殖生物的数量；
其中，gz为养殖生物的数量，n为吊笼的层数，m为与每个浮筏直接连接的吊笼数，p为目标养殖区的浮筏的数量，g为每个吊笼的养殖生物的数量，即单吊笼养殖个数。
7.一种浮筏吊笼养殖优化排列***，其特征在于，所述排列***包括：
模型建立模块，用于分别根据目标养殖区入口的流速和悬浮物浓度，建立目标养殖区的水动力模型和水质数值模型；
网格模型建立模块，用于对单层养殖吊笼的三维机械模型进行网络化处理，得到单层养殖吊笼的网格模型，并在所述网格模型中设置预设单吊笼养殖个数的养殖生物模型；
浮筏排列间距确定模块，用于根据水动力模型和水质数值模型确定受所述网格模型影响小于第一预设阈值的水流方向的最小距离作为浮筏排列间距；
吊笼排列间距确定模块，用于根据水动力模型和水质数值模型确定受所述网格模型影响小于第二预设阈值的水流方向的水平垂直方向的最小距离的2倍作为吊笼排列间距。
8.根据权利要求7所述的浮筏吊笼养殖优化排列***，其特征在于，所述浮筏排列间距确定模块，具体包括：
第一测量点设置子模块，用于以所述网格模型为起点，沿水流方向每间隔第一预设间距设置一个第一测量点；
第一单位悬浮物流通量变化量计算子模块，用于根据所述水动力模型和所述水质数值模型计算每个所述第一测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第一测量点的第一单位悬浮物流通量变化量；
第一距离计算子模块，用于计算第一单位悬浮物流通量变化量小于第一预设阈值的每个第一测量点与所述网格模型的距离，得到多个第一距离；
浮筏排列间距确定子模块，用于选取多个所述第一距离中的最小距离作为浮筏排列间距。
9.根据权利要求8所述的浮筏吊笼养殖优化排列***，其特征在于，所述第一单位悬浮物流通量变化量计算子模块，具体包括：
流速计算单元，用于根据目标养殖区入口的流速，利用所述水动力模型计算所述第一测量点位置的流速；
悬浮物浓度计算单元，用于根据目标养殖区入口的悬浮物浓度，利用所述水质数值模型计算所述第一测量点位置的悬浮物浓度；
单位悬浮物流通量计算单元，用于根据第一测量点位置的流速和悬浮物浓度，计算第一测量点位置的单位悬浮物流通量；
第一单位悬浮物流通量变化量计算单元，用于计算第一测量点位置的单位悬浮物流通量与目标养殖区入口的单位悬浮物流通量的差值，作为所述第一测量点的第一单位悬浮物流通量变化量。
10.根据权利要求7所述的浮筏吊笼养殖优化排列***，其特征在于，所述吊笼排列间距确定模块，具体包括：
第二测量点设置子模块，用于沿水流方向的任意一个水平垂直方向每间隔第二预设间距设置一个第二测量点；
第二单位悬浮物流通量变化量计算子模块，用于根据所述水动力模型和所述水质数值模型计算每个所述第二测量点与所述目标养殖区入口的单位悬浮物流通量差值，获得每个所述第二测量点的第二单位悬浮物流通量变化量；
第二距离计算子模块，用于计算第二单位悬浮物流通量变化量小于第二预设阈值的每个第二测量点与所述网格模型的距离，得到多个第二距离；
吊笼排列间距确定子模块，用于计算多个所述第二距离中最小距离的2倍，作为吊笼排列间距。
CN202110696016.0A 2021-06-23 2021-06-23 浮筏吊笼养殖优化排列方法、规划方法及优化排列*** Active CN113349130B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110696016.0A CN113349130B (zh) 2021-06-23 2021-06-23 浮筏吊笼养殖优化排列方法、规划方法及优化排列***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110696016.0A CN113349130B (zh) 2021-06-23 2021-06-23 浮筏吊笼养殖优化排列方法、规划方法及优化排列***

Publications (2)

Publication Number Publication Date
CN113349130A true CN113349130A (zh) 2021-09-07
CN113349130B CN113349130B (zh) 2022-03-25

Family

ID=77535848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110696016.0A Active CN113349130B (zh) 2021-06-23 2021-06-23 浮筏吊笼养殖优化排列方法、规划方法及优化排列***

Country Status (1)

Country Link
CN (1) CN113349130B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130096889A1 (en) * 2011-10-12 2013-04-18 IFP Energies Nouvelles Method for generating a fractured reservoir mesh with a limited number of nodes in the matrix medium
CN103258085A (zh) * 2013-04-25 2013-08-21 交通运输部天津水运工程科学研究所 一种污水深海排放扩散器上升管数量确定的方法
CN108549234A (zh) * 2018-05-11 2018-09-18 江南大学 一种基于动态变值的多目标优化控制方法
CN110084418A (zh) * 2019-04-21 2019-08-02 北京工业大学 一种突发大气污染事故应急监测的监测点优化布设方法
CN111209711A (zh) * 2020-01-11 2020-05-29 西南石油大学 基于流场诊断与聚类的水驱油藏优势流场识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130096889A1 (en) * 2011-10-12 2013-04-18 IFP Energies Nouvelles Method for generating a fractured reservoir mesh with a limited number of nodes in the matrix medium
CN103258085A (zh) * 2013-04-25 2013-08-21 交通运输部天津水运工程科学研究所 一种污水深海排放扩散器上升管数量确定的方法
CN108549234A (zh) * 2018-05-11 2018-09-18 江南大学 一种基于动态变值的多目标优化控制方法
CN110084418A (zh) * 2019-04-21 2019-08-02 北京工业大学 一种突发大气污染事故应急监测的监测点优化布设方法
CN111209711A (zh) * 2020-01-11 2020-05-29 西南石油大学 基于流场诊断与聚类的水驱油藏优势流场识别方法

Also Published As

Publication number Publication date
CN113349130B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
Sebens et al. Effects of water flow and branch spacing on particle capture by the reef coral Madracis mirabilis (Duchassaing and Michelotti)
Campbell et al. Hydrodynamic effects on oyster aquaculture systems: a review
Grant et al. A spatially explicit ecosystem model of seston depletion in dense mussel culture
WO2022170901A1 (zh) 一种鱼类偏好栖息地的确定方法及终端设备
Claereboudt Fertilization success in spatially distributed populations of benthic free-spawners: a simulation model
Fabi et al. An assessment of biomass and diel activity of fish at an artificial reef (Adriatic Sea) using a stationary hydroacoustic technique
Legendre et al. Biological production at marine ergoclines
Plew Shellfish farm-induced changes to tidal circulation in an embayment, and implications for seston depletion
Berntsen et al. Modelling the transport of particles in the North Sea with reference to sandeel larvae
CN110080178A (zh) 一种鱼道设计方法
White et al. Distribution of Nephrops norvegicus (L.) larvae in the western Irish Sea: an example of advective control on recruitment
Moody et al. Evidence of local adaptation in a waterfall-climbing Hawaiian goby fish derived from coupled biophysical modeling of larval dispersal and post-settlement selection
Friedrichs et al. Impact of macrozoobenthic structures on near-bed sediment fluxes
Huang et al. Using the roughness height and manning number in hydrodynamic model to estimate the impact of intensive oyster aquaculture by floating & fixed rafts on water exchange with an application in Qinzhou Bay, China
CN113349130B (zh) 浮筏吊笼养殖优化排列方法、规划方法及优化排列***
CN202425451U (zh) 蟹、贝、藻立体养殖生物固碳装置
Jiang et al. Numerical analysis of the effect of an inner structure of a cubic frame reef on flow field
Plew The hydrodynamic effects of long-line mussel farms
CN103355236A (zh) 一种多层式立体悬浮海参附着基
CN110738385A (zh) 一种基于Ecospace模型的岛屿生态***现状评估与发展预测方法
CN114051983B (zh) 一种刺参智能化养殖监控捕收***及实现方法
LU501251B1 (en) Optimized arrangement method, planning method and optimized arrangement system of floating raft cage culture
Savvidis et al. Modelling the dispersion of harmful algal bloom (HAB) in the Thermaikos Gulf (NW Aegean Sea)
CN111066697B (zh) 一种产沉粘性鱼卵鱼类的产卵场过渡边界确定方法
CN109577283B (zh) 一种人工阶梯深潭单元、深潭群组及其在改善自然河流生境中的应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant