張俊++陳曉偉

摘要 外界環(huán)境對(duì)河蟹生長(zhǎng)影響較大，利用常規(guī)氣象要素（溫度、濕度、風(fēng)、降水量、氣壓）的數(shù)據(jù)，分析河蟹生長(zhǎng)與養(yǎng)殖水溫的關(guān)系，建立相關(guān)預(yù)報(bào)模型。研究表明：河蟹養(yǎng)殖水溫主要受溫度、濕度影響；采用神經(jīng)網(wǎng)絡(luò)方法可以較好地建立該模型。

關(guān)鍵詞 河蟹養(yǎng)殖；氣象要素；水溫；線性回歸；神經(jīng)網(wǎng)絡(luò)；預(yù)報(bào)模型

中圖分類號(hào) S966.16 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2016）22-0206-02

當(dāng)涂縣坐落在安徽省東部，境內(nèi)青山綠水，風(fēng)景宜人，水網(wǎng)密布，水系發(fā)達(dá)。當(dāng)涂縣氣候宜人，光溫資源非常充足，常年平均氣溫16.7 ℃，年降水量1 112.7 mm，年日照時(shí)數(shù)1 978.6 h。當(dāng)涂縣屬典型的江南“魚米之鄉(xiāng)”，是全國(guó)河蟹生產(chǎn)強(qiáng)縣、安徽省水產(chǎn)大縣，被譽(yù)為“中國(guó)生態(tài)養(yǎng)蟹第一縣”。石臼湖牌大閘蟹金腳紅毛，古代為皇室貢品，被譽(yù)為中華“三只蟹”，被列入國(guó)家地理標(biāo)志產(chǎn)品保護(hù)物種之一。

河蟹是一種水生變溫動(dòng)物，水溫的變化不僅直接影響到河蟹及其他水生生物自身的生長(zhǎng)發(fā)育以及藥物與毒物的作用、對(duì)疾病的抵抗作用等，同時(shí)也影響到池塘水中的溶解氧、酸堿度的變化、池塘的物質(zhì)循環(huán)速度等其他外界環(huán)境因子。一般來(lái)說(shuō)，水溫低于10 ℃，河蟹基本蟄伏不動(dòng)、不吃食。河蟹的耐低溫能力比較強(qiáng)，即使是抱卵蟹也可以在-2～-1 ℃的水中過(guò)冬。當(dāng)冬季到來(lái)時(shí)，河蟹就隱藏在洞穴中，停止進(jìn)食，減少活動(dòng)進(jìn)行越冬；水溫升至12～13 ℃時(shí)，開始有低頻率的爬行活動(dòng)，并少量吃食，至15 ℃時(shí)，便較大量地吃食[1]；而當(dāng)水溫超過(guò)28 ℃時(shí)，河蟹的蛻殼和生長(zhǎng)就會(huì)受到抑制。河蟹對(duì)水溫比較敏感，在適宜的水溫內(nèi)，隨著水溫升高，蛻殼次數(shù)也增多，生長(zhǎng)迅速[2]。

與河蟹生長(zhǎng)相關(guān)的氣象因素遠(yuǎn)遠(yuǎn)不止溫度，降水、氣壓、風(fēng)同樣與河蟹生長(zhǎng)有很大的關(guān)系，氣壓的高低和風(fēng)的大小都會(huì)改變水體中的溶解氧含量等，而溶解氧含量又是影響河蟹生長(zhǎng)的一個(gè)重要因素。但各氣象因素之間具有相關(guān)性，某一氣象因素發(fā)生變化時(shí)，其他氣象因素隨之改變，從而共同影響著河蟹的正常生長(zhǎng)發(fā)育。

河蟹養(yǎng)殖成功與氣象要素變化密切相關(guān)。為了更好地研究河蟹生長(zhǎng)環(huán)境（水溫）與氣象要素關(guān)系，在當(dāng)涂縣姑孰鎮(zhèn)苦菜圩水產(chǎn)養(yǎng)殖合作社基地建設(shè)了一套水產(chǎn)養(yǎng)殖小型氣候觀測(cè)站，通過(guò)對(duì)小型氣候站各氣象要素的觀測(cè)，得出水溫與氣象要素關(guān)系，從而利用天氣預(yù)報(bào)做出水溫預(yù)測(cè)為河蟹養(yǎng)殖提供氣象服務(wù)。

1 資料與方法

1.1 研究資料

本文所用資料為當(dāng)涂縣苦菜圩水產(chǎn)養(yǎng)殖小型氣候觀測(cè)站2013年11月至2014年10月的每小時(shí)常規(guī)要素（氣溫、小時(shí)雨量、10 min風(fēng)速、相對(duì)濕度、本站氣壓）以及河蟹生長(zhǎng)環(huán)境水溫觀測(cè)數(shù)據(jù)。

1.2 研究方法

本文利用氣象要素觀測(cè)資料，采用線性回歸和BP神經(jīng)網(wǎng)絡(luò)組建水底溫度預(yù)測(cè)方程。計(jì)算回歸方程系數(shù)時(shí)，逐項(xiàng)P值（當(dāng)原假設(shè)為真時(shí)所得到的樣本觀察結(jié)果或更極端結(jié)果出現(xiàn)的概率）和方程擬合系數(shù)R也會(huì)隨之確定。逐項(xiàng)P值和擬合系數(shù)R相結(jié)合，可以很好地評(píng)估方程的擬合狀況[3]。

BP神經(jīng)網(wǎng)絡(luò)是一種目前應(yīng)用較多的神經(jīng)網(wǎng)絡(luò)模型[4]，具有很強(qiáng)的非線性擬合能力，可映射任意復(fù)雜的非線性關(guān)系，而且學(xué)習(xí)規(guī)則簡(jiǎn)單，便于計(jì)算機(jī)實(shí)現(xiàn)。具有很強(qiáng)的魯棒性、記憶能力、非線性映射能力、異常值影響小以及強(qiáng)大的自學(xué)習(xí)能力。本文采用LM（Levenberg-Marquardt）算法、單隱含層（神經(jīng)元數(shù)量稍多于預(yù)報(bào)因子）的BP神經(jīng)網(wǎng)絡(luò)。

利用現(xiàn)有的氣溫、小時(shí)雨量、10 min風(fēng)速、相對(duì)濕度、本站氣壓5個(gè)要素作為預(yù)報(bào)因子[5-6]，得出對(duì)水底溫度預(yù)報(bào)的模型，根據(jù)本地天氣氣溫預(yù)報(bào)出水底溫度范圍。

2 結(jié)果與分析

2.1 線性回歸

將水底溫度作為預(yù)報(bào)量，將氣溫、小時(shí)雨量、10 min風(fēng)速、相對(duì)濕度、本站氣壓5個(gè)要素作為預(yù)報(bào)因子，利用2013年11月至2014年10月數(shù)據(jù)作樣本，進(jìn)行多元一次線性回歸，擬合系數(shù)R=0.877；各因子系數(shù)及P值見表1。

從表1可以看到，水底溫度主要和氣溫相關(guān)，其系數(shù)為0.80，達(dá)到0.01的置信度區(qū)間。小時(shí)雨量和本站氣壓擬合的P值均未達(dá)到0.05的置信度區(qū)間，應(yīng)剔除該預(yù)報(bào)因子。而10 min風(fēng)速，其變化范圍一般在0～10 m/s，乘以0.01的相關(guān)系數(shù)，對(duì)水底溫度的影響小于0.1 ℃。該影響遠(yuǎn)小于預(yù)報(bào)的誤差，因此也不考慮作為預(yù)報(bào)因子。常數(shù)項(xiàng)的P值超過(guò)0.05置信度，則因子選擇、方法等方面存在問題。

將水底溫度作為預(yù)報(bào)量y，將氣溫a、相對(duì)濕度b作為預(yù)報(bào)因子。線性回歸結(jié)果：y=0.789a+0.068b-0.557，擬合系數(shù)R=0.876，3項(xiàng)P值<0.000 3，通過(guò)顯著性檢驗(yàn)（置信度0.01）。

2.2 神經(jīng)網(wǎng)絡(luò)方法

將水底溫度作為預(yù)報(bào)量，將對(duì)應(yīng)時(shí)次氣溫、小時(shí)雨量、10 min風(fēng)速、濕度、本站氣壓作為預(yù)報(bào)因子。BP神經(jīng)網(wǎng)絡(luò)擬合系數(shù)結(jié)果如圖1所示。圖中橫坐標(biāo)表示實(shí)際值，縱坐標(biāo)表示擬合值。

在BP神經(jīng)網(wǎng)絡(luò)擬合的時(shí)候，通常將所有數(shù)據(jù)分成3個(gè)部分。通常選擇70%為訓(xùn)練數(shù)據(jù)，15%為確認(rèn)數(shù)據(jù)，15%為測(cè)試數(shù)據(jù)。訓(xùn)練集用來(lái)估計(jì)模型，驗(yàn)證集用來(lái)確定網(wǎng)絡(luò)結(jié)構(gòu)或者控制模型復(fù)雜程度的參數(shù)，而測(cè)試集則檢驗(yàn)最終選擇最優(yōu)的模型的性能如何。

2.3 檢驗(yàn)與分析

2.3.1 回歸方程誤差分析。水底溫度作為預(yù)報(bào)量y，利用回歸方程y=0.789a+0.068b-0.557，a為氣溫，b為濕度，算出預(yù)報(bào)量y（水溫），再與實(shí)際觀測(cè)值（2014年11月觀測(cè)值）水溫進(jìn)行比對(duì)（圖2）。

利用殘差分析其數(shù)據(jù)，殘差是指實(shí)際觀察值與回歸估計(jì)值的差。根據(jù)計(jì)算（選用2013年10月至2014年11月數(shù)據(jù)），殘差值63%在3 ℃以內(nèi)，29%在3～4 ℃以內(nèi)，9%在4 ℃以上，然而4 ℃以上的是由于采取人工灌水降溫導(dǎo)致（圖3）。

2.3.2 神經(jīng)網(wǎng)絡(luò)誤差分析。由圖4可以看出，訓(xùn)練、驗(yàn)證、測(cè)試數(shù)據(jù)與實(shí)際水底溫度比較，殘差比較小，均在2 ℃以內(nèi)，然而4 ℃以上的是由于采取人工灌水降溫導(dǎo)致。

3 結(jié)論與討論

通過(guò)以上數(shù)據(jù)分析看出，水溫變化趨勢(shì)和預(yù)測(cè)值大致一致，說(shuō)明利用氣溫、濕度觀測(cè)要素建立螃蟹養(yǎng)殖水底溫度預(yù)報(bào)的方法是可行的。采用線性回歸方法建立預(yù)報(bào)型，水底溫度主要受氣溫、相對(duì)濕度影響，擬合系數(shù)0.876。然而神經(jīng)網(wǎng)絡(luò)方法建立預(yù)報(bào)模型，擬合系數(shù)較高，測(cè)試數(shù)據(jù)具有高達(dá)0.949的擬合系數(shù)，接近訓(xùn)練、驗(yàn)證數(shù)據(jù)。該方法有較高的擬合精度和較高的泛化能力。

4 參考文獻(xiàn)

[1] 時(shí)冬頭，許祥，陳賢明.中華絨螯蟹成蟹生長(zhǎng)與主要?dú)庀笠蛩氐年P(guān)系[J].江蘇農(nóng)業(yè)科學(xué)，2013，41（4）：226-228.

[2] 時(shí)冬頭.成蟹養(yǎng)殖生長(zhǎng)與主要?dú)庀笠仃P(guān)系的研究[C]//中國(guó)氣象學(xué)會(huì).S10 氣象與現(xiàn)代農(nóng)業(yè)發(fā)展.中國(guó)氣象學(xué)會(huì)，2012：7.

[3] 賈寧華.函數(shù)型線性回歸模型若干問題研究[D].合肥：合肥工業(yè)大學(xué)，2012.

[4] 劉鵬飛.基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)統(tǒng)計(jì)研究[D].西安：西安科技大學(xué)，2012.

[5] 辜曉青，江國(guó)振.河蟹養(yǎng)殖生態(tài)、氣象影響因子觀測(cè)研究[J].江西農(nóng)業(yè)學(xué)報(bào)，2015（4）：88-93.

[6] 辜曉青，江國(guó)振，田俊，等.中華絨螯蟹養(yǎng)殖生態(tài)氣象試驗(yàn)研究[J].上海海洋大學(xué)學(xué)報(bào)，2013（1）：54-59.