基于大數(shù)據(jù)的水產(chǎn)養(yǎng)殖系統(tǒng)設(shè)計(jì)

王彪 文燕

（成都農(nóng)業(yè)科技職業(yè)學(xué)院 成都 611130）

基金項(xiàng)目: 成都農(nóng)業(yè)科技職業(yè)學(xué)院孵化項(xiàng)目（cny19-34 ）

作者簡(jiǎn)介:

王彪（1983—）男，碩士，講師，高級(jí)工程師，主要研究方向：農(nóng)業(yè)大數(shù)據(jù)應(yīng)用

文燕（1979—）女，碩士，講師，主要研究方向：計(jì)算機(jī)網(wǎng)絡(luò)安全，計(jì)算機(jī)應(yīng)用技術(shù)

摘要:大數(shù)據(jù)與各行業(yè)的快速融合正在深刻的改變著人們思考和解決問題的方式，快速的推動(dòng)著生產(chǎn)力的發(fā)展。水產(chǎn)養(yǎng)殖大數(shù)據(jù)作為漁業(yè)大數(shù)據(jù)的重要一環(huán)，對(duì)其研究和應(yīng)用對(duì)推動(dòng)漁業(yè)轉(zhuǎn)型升級(jí)有極強(qiáng)現(xiàn)實(shí)意義。本文闡述了水產(chǎn)養(yǎng)殖大數(shù)據(jù)的主要來源，對(duì)水產(chǎn)養(yǎng)殖大數(shù)據(jù)系統(tǒng)進(jìn)行需求分析和概要設(shè)計(jì)，展望了水產(chǎn)養(yǎng)殖大數(shù)據(jù)發(fā)展的前景和挑戰(zhàn)。

關(guān)鍵詞：水產(chǎn)養(yǎng)殖；大數(shù)據(jù)；系統(tǒng)設(shè)計(jì)

Abstract：The rapid integration of big data and various industries is profoundly changing the way people think and solve problems, and rapidly promote the development of productivity. Aquaculture big data is an important part of the big data of fishery, and its research and application have great practical significance for promoting the transformation and upgrading of fisheries. This paper describes the main sources of aquaculture big data, needs analysis and summary design of the aquaculture big data system, and looks forward to the prospects and challenges of aquaculture big data development.

Keywords：aquacalture;bigdata;system design

0引言

我國(guó)的水產(chǎn)養(yǎng)殖量居世界第一位，水產(chǎn)養(yǎng)殖是我國(guó)農(nóng)業(yè)經(jīng)濟(jì)的重要組成部分。傳統(tǒng)的粗放式或小打小鬧的養(yǎng)殖方式風(fēng)險(xiǎn)大、成本高、對(duì)環(huán)境資源的破壞較為嚴(yán)重，已不符合經(jīng)濟(jì)高質(zhì)量發(fā)展的時(shí)代要求。要提高水產(chǎn)養(yǎng)殖的效率、降低風(fēng)險(xiǎn)、增加效益，就必須進(jìn)行科學(xué)管理、科學(xué)決策，向自動(dòng)化和智能化方向突破�；�于大數(shù)據(jù)的水產(chǎn)養(yǎng)殖系統(tǒng)充分重視數(shù)據(jù)的作用，從數(shù)據(jù)中總結(jié)規(guī)律，挖掘價(jià)值，讓傳統(tǒng)的經(jīng)驗(yàn)管理逐漸轉(zhuǎn)向精準(zhǔn)管理，有助于突破修修補(bǔ)補(bǔ)、看攤守業(yè)和靠天吃飯的養(yǎng)殖觀念�；�于大數(shù)據(jù)的水產(chǎn)養(yǎng)殖促進(jìn)養(yǎng)殖手段自動(dòng)化、高效化，管理模式科學(xué)化、智能化，生產(chǎn)方式規(guī)�；�、集約化，從而打造一個(gè)全新的水產(chǎn)養(yǎng)殖模式，推進(jìn)水產(chǎn)養(yǎng)殖的產(chǎn)業(yè)革命。

1大數(shù)據(jù)與水產(chǎn)養(yǎng)殖

著名研究機(jī)構(gòu)Gartner與麥肯錫都對(duì)大數(shù)據(jù)給出了相關(guān)定義，其主要意思都表明大數(shù)據(jù)是重要的信息資產(chǎn)，但是依靠傳統(tǒng)的方式無法去研究處理并提煉其價(jià)值。大數(shù)據(jù)有重要的4V特征，即Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度），后有關(guān)學(xué)者在此基礎(chǔ)上再增加了Veracity（真實(shí)性）。邁爾-舍恩伯格指出大數(shù)據(jù)不是隨機(jī)樣本，而是全體數(shù)據(jù)；不是精確性，而是混雜性；不是因果關(guān)系，而是相關(guān)關(guān)系^[1]。以上表明，大數(shù)據(jù)是一場(chǎng)思維與技術(shù)的革命。“用數(shù)據(jù)說話、用數(shù)據(jù)決策、用數(shù)據(jù)管理、用數(shù)據(jù)創(chuàng)新”，大數(shù)據(jù)將成為驅(qū)動(dòng)經(jīng)濟(jì)發(fā)展和社會(huì)轉(zhuǎn)型的重要力量。

“水產(chǎn)大數(shù)據(jù)是把生產(chǎn)經(jīng)營(yíng)過程的相關(guān)數(shù)據(jù)進(jìn)行采集，通過可追溯系統(tǒng)從生產(chǎn)到消費(fèi)過程進(jìn)行全方位的記錄，如生產(chǎn)環(huán)境、水域狀況、市場(chǎng)前景等數(shù)據(jù)，這些數(shù)據(jù)就構(gòu)成了大數(shù)據(jù)的基礎(chǔ)。此外，還需要智能決策系統(tǒng)，包括專家?guī)�、知識(shí)庫、決策庫等，指導(dǎo)水產(chǎn)業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)，提高養(yǎng)殖生產(chǎn)效益”^[2]。水產(chǎn)養(yǎng)殖大數(shù)據(jù)聚焦水產(chǎn)養(yǎng)殖環(huán)節(jié)，它利用大數(shù)據(jù)的理念和相關(guān)技術(shù)，對(duì)水產(chǎn)養(yǎng)殖全產(chǎn)業(yè)鏈產(chǎn)生的大量數(shù)據(jù)進(jìn)行收集、處理和分析和應(yīng)用，借此來解決水產(chǎn)養(yǎng)殖領(lǐng)域風(fēng)險(xiǎn)大、成本高、管理水平低、資源利用水平低等普遍問題。在水產(chǎn)養(yǎng)殖中應(yīng)用大數(shù)據(jù)是進(jìn)行科學(xué)管理、提高效率和效益，最終實(shí)現(xiàn)智慧養(yǎng)殖的前提條件。

2水產(chǎn)養(yǎng)殖大數(shù)據(jù)來源

數(shù)據(jù)是基礎(chǔ)，分析挖掘是核心，應(yīng)用是目的。水產(chǎn)養(yǎng)殖環(huán)境多變且復(fù)雜，包括環(huán)境數(shù)據(jù)、生長(zhǎng)數(shù)據(jù)和管理數(shù)據(jù)等等，此外，歷史數(shù)據(jù)、經(jīng)驗(yàn)數(shù)據(jù)和來自于互聯(lián)網(wǎng)、各種知識(shí)庫的數(shù)據(jù)都是構(gòu)建水產(chǎn)養(yǎng)殖大數(shù)據(jù)的成分。足夠豐富的數(shù)據(jù)能提高機(jī)器學(xué)習(xí)的效果，更能反映出客觀問題，預(yù)測(cè)趨勢(shì)，從而為決策服務(wù)。

水產(chǎn)養(yǎng)殖大數(shù)據(jù)來源主要分為三方面：1)物聯(lián)網(wǎng)數(shù)據(jù)，來自于各類傳感器，監(jiān)控設(shè)備。如溫度，水質(zhì)，PH，溶氧，光照傳感器，視頻監(jiān)控設(shè)備等。2）互聯(lián)網(wǎng)數(shù)據(jù)，通過網(wǎng)絡(luò)接口，網(wǎng)絡(luò)爬蟲等從互聯(lián)網(wǎng)獲取的數(shù)據(jù)。3）其他數(shù)據(jù)。如管理系統(tǒng)里已有的數(shù)據(jù)，各種水產(chǎn)養(yǎng)殖知識(shí)庫、專業(yè)數(shù)據(jù)庫等。表1對(duì)幾類數(shù)據(jù)源從獲取方式、數(shù)據(jù)類型和數(shù)據(jù)量方面做了簡(jiǎn)單比較。

表1 水產(chǎn)養(yǎng)殖數(shù)據(jù)源

3水產(chǎn)養(yǎng)殖大數(shù)據(jù)系統(tǒng)設(shè)計(jì)

3.1系統(tǒng)需求分析

水產(chǎn)養(yǎng)殖大數(shù)據(jù)系統(tǒng)是一個(gè)綜合了數(shù)據(jù)獲取、存儲(chǔ)、分析和應(yīng)用的綜合系統(tǒng)，下面從數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)處理和數(shù)據(jù)應(yīng)用三個(gè)方面加以分析。

（1）數(shù)據(jù)獲取

整個(gè)水產(chǎn)養(yǎng)殖鏈條的數(shù)據(jù)來源是廣泛而復(fù)雜的，主要數(shù)據(jù)源如圖1所示。傳感器負(fù)責(zé)采集環(huán)境數(shù)據(jù)和個(gè)體數(shù)據(jù)。包括獲取水溫、PH值、化學(xué)需氧量、活性磷酸鹽等水產(chǎn)養(yǎng)殖環(huán)境要素?cái)?shù)據(jù)，通過視頻設(shè)備獲取宏觀環(huán)境信息，通過個(gè)體標(biāo)簽采集個(gè)體的活動(dòng)信息。通過水下傳感器、浮標(biāo)、遙感、設(shè)備獲取的數(shù)據(jù)是本文進(jìn)行數(shù)據(jù)挖掘和研究的主要數(shù)據(jù)來源;監(jiān)控視頻數(shù)據(jù)流則通過協(xié)議傳輸至服務(wù)器進(jìn)行回調(diào)解析獲取;包括通過各解析器解析的網(wǎng)絡(luò)、文檔數(shù)據(jù)，這些數(shù)據(jù)是構(gòu)成水產(chǎn)養(yǎng)殖大數(shù)據(jù)信息平臺(tái)的數(shù)據(jù)基礎(chǔ)。

計(jì)算機(jī)負(fù)責(zé)采集互聯(lián)網(wǎng)數(shù)據(jù)。提前準(zhǔn)備好采集庫，包括行業(yè)權(quán)威網(wǎng)站，政府主管部門網(wǎng)站，其他專業(yè)數(shù)據(jù)庫，數(shù)據(jù)包等，與水產(chǎn)養(yǎng)殖有關(guān)的預(yù)報(bào)預(yù)警信息等。聯(lián)網(wǎng)采集數(shù)據(jù)需要安排好采集策略，合理分配時(shí)間，過采集源要定期測(cè)試和分析，從而優(yōu)化資源庫，提高數(shù)據(jù)質(zhì)量。

其他數(shù)據(jù)主要來自與水產(chǎn)養(yǎng)殖管理系統(tǒng)，或者線下數(shù)據(jù)。對(duì)于有條件的可以同行交換或共享數(shù)據(jù)資源，打通信息孤島。數(shù)據(jù)資源越豐富，越利于挖掘出其中的價(jià)值。對(duì)于線下獲取的數(shù)據(jù)，經(jīng)過整理和清洗后要及時(shí)錄入系統(tǒng)，構(gòu)建全面的數(shù)據(jù)資源。

圖1 水產(chǎn)養(yǎng)殖數(shù)據(jù)來源圖

（2）數(shù)據(jù)存儲(chǔ)與管理

由于水產(chǎn)養(yǎng)殖涉及的因素多，環(huán)境復(fù)雜，產(chǎn)生的數(shù)據(jù)量大，種類繁多，且大部分是流式數(shù)據(jù)。這種實(shí)時(shí)產(chǎn)生的連續(xù)性數(shù)據(jù)，需要一種高性能高容量的數(shù)據(jù)存儲(chǔ)方案。又由于水產(chǎn)養(yǎng)殖數(shù)據(jù)來源廣泛，除了結(jié)構(gòu)化數(shù)據(jù)之外還有大量的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)存儲(chǔ)由關(guān)系型數(shù)據(jù)倉庫和分布式數(shù)據(jù)倉庫構(gòu)成，遙感監(jiān)測(cè)數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)量大、增速快，此類數(shù)據(jù)采用HDFS進(jìn)行分布式存儲(chǔ)，HDFS有點(diǎn)在與對(duì)存儲(chǔ)設(shè)備要求不高，容錯(cuò)性好，可以通過添加節(jié)點(diǎn)的方式進(jìn)行快速擴(kuò)容，是存儲(chǔ)大數(shù)據(jù)的理想解決方案^[3]。HDFS存儲(chǔ)機(jī)制和節(jié)點(diǎn)之間的互備份機(jī)制保證了水產(chǎn)養(yǎng)殖數(shù)據(jù)的安全性。   

由于水產(chǎn)養(yǎng)殖數(shù)據(jù)來源廣且數(shù)據(jù)質(zhì)量良萎不齊。為了更好的為后續(xù)挖掘工作供應(yīng)優(yōu)質(zhì)數(shù)據(jù)，需要在數(shù)據(jù)存儲(chǔ)階段前需要進(jìn)行清洗，加工、融合后才能存入目標(biāo)庫進(jìn)一步處理。通過數(shù)據(jù)統(tǒng)計(jì)分析技術(shù)將高維數(shù)據(jù)降維，構(gòu)建基于應(yīng)用主題的數(shù)據(jù)倉庫，為大數(shù)據(jù)的應(yīng)用做好準(zhǔn)備工作。Hadoop是一種開源的大數(shù)據(jù)解決方案，實(shí)際上已成為該行業(yè)的事實(shí)標(biāo)準(zhǔn)，有大量的案例、參考資料和社區(qū)支持，同時(shí)Hadoop生態(tài)圈產(chǎn)品非常完善，涵蓋數(shù)據(jù)抽取、轉(zhuǎn)化、存儲(chǔ)、分析整個(gè)鏈條^[4]，是用于水產(chǎn)大數(shù)據(jù)管理的理想方案。Hadoop的HDFS和MapReduce是兩大核心部件，分別用于分布式存儲(chǔ)和分布式處理數(shù)據(jù)，基于Hadoop的大數(shù)據(jù)技術(shù)框架體系如圖2所示。

圖2 基于Hadoop的大數(shù)據(jù)技術(shù)體系圖

（3）數(shù)據(jù)業(yè)務(wù)邏輯處理層

該部分是整個(gè)平臺(tái)的核心，業(yè)務(wù)邏輯處理要將數(shù)據(jù)變成可用的信息、知識(shí)。用于實(shí)現(xiàn)業(yè)務(wù)邏輯和提供分布式計(jì)算框架，用戶通過調(diào)用對(duì)應(yīng)的業(yè)務(wù)接口，獲取相應(yīng)的檢索、統(tǒng)計(jì)、分析、模型管理等服務(wù)。需要注意的是，基于大數(shù)據(jù)的業(yè)務(wù)處理不僅僅是技術(shù)問題，也需要對(duì)行業(yè)知識(shí)有相當(dāng)?shù)牧私�，�?duì)人的綜合能力要求較高，期初通常需要程序員和水產(chǎn)養(yǎng)殖專家協(xié)同工作。為了提高平臺(tái)響應(yīng)速度，部分可并行化業(yè)務(wù)邏輯以MapReduce分布式編程計(jì)算框架進(jìn)行并行處理，為數(shù)據(jù)應(yīng)用展示層提供相應(yīng)接口。根據(jù)不同的需求可采用不同技術(shù)框架，如對(duì)實(shí)時(shí)性要求不高的管理決策可以采取MapReuce、Spark脫機(jī)分析，對(duì)實(shí)時(shí)性要求較高的可以采用Storm框架進(jìn)行分析。

（4）數(shù)據(jù)應(yīng)用展示層

數(shù)據(jù)經(jīng)過分析和處理后將給出系列結(jié)果，這種結(jié)果可能仍然不夠直觀。數(shù)據(jù)應(yīng)用展示層通過調(diào)取不同的業(yè)務(wù)處理接口，獲取對(duì)應(yīng)數(shù)據(jù)分析、查詢結(jié)果。首先用戶可根據(jù)篩選條件、需求進(jìn)行水產(chǎn)相關(guān)信息檢索，檢索結(jié)果將以豐富的可視化展現(xiàn)形式進(jìn)行展示。另外平臺(tái)對(duì)檢索、熱點(diǎn)信息進(jìn)行統(tǒng)計(jì)展示。同時(shí)提供風(fēng)險(xiǎn)預(yù)警、產(chǎn)量預(yù)測(cè)、疾病防控、水質(zhì)評(píng)價(jià)、水產(chǎn)要素分析等分析服務(wù)，從數(shù)據(jù)挖掘的角度提供科學(xué)的預(yù)測(cè)、評(píng)價(jià)和指導(dǎo)。

3.2系統(tǒng)方案設(shè)計(jì)

整個(gè)系統(tǒng)包括獲取數(shù)據(jù)的物聯(lián)網(wǎng)部分，數(shù)據(jù)存儲(chǔ)與處理的數(shù)據(jù)中心部分和承擔(dān)管理功能的管理終端部分，來自于互聯(lián)網(wǎng)的數(shù)據(jù)通過軟件方式直接在數(shù)據(jù)中心加以實(shí)現(xiàn)。系統(tǒng)整體邏輯架構(gòu)如圖3所示，該圖為硬件分布的邏輯示意圖，軟件功能在后續(xù)說明。在水產(chǎn)養(yǎng)殖智能監(jiān)控系統(tǒng)的設(shè)計(jì)中，根據(jù)物聯(lián)網(wǎng)中感知層、網(wǎng)絡(luò)層和應(yīng)用層的三層體系架構(gòu)，設(shè)計(jì)系統(tǒng)由無線檢測(cè)和控制層、監(jiān)控中心層和遠(yuǎn)程管理層三部分組成。

圖3 系統(tǒng)架構(gòu)邏輯示意圖

無線檢測(cè)和控制設(shè)備包括水質(zhì)、氣象等參數(shù)檢測(cè)傳感器、水質(zhì)調(diào)節(jié)裝置、自動(dòng)投飼裝置、攝像頭等。根據(jù)傳感器采集的數(shù)據(jù)，自動(dòng)調(diào)節(jié)控制設(shè)備，規(guī)范養(yǎng)殖過程，優(yōu)化養(yǎng)殖環(huán)境；并將各種采集數(shù)據(jù)和管理數(shù)據(jù)上傳到數(shù)據(jù)中心，以供大數(shù)據(jù)分析和管理端查閱。管理層監(jiān)控系統(tǒng)及水產(chǎn)養(yǎng)殖信息數(shù)據(jù)庫，可在監(jiān)控見面設(shè)置各種參數(shù)的范圍，在數(shù)據(jù)異常時(shí)及時(shí)報(bào)警通知用戶，并根據(jù)設(shè)定參數(shù)調(diào)節(jié)環(huán)境參數(shù)，實(shí)現(xiàn)對(duì)本系統(tǒng)的遠(yuǎn)程實(shí)時(shí)智能監(jiān)控。包括養(yǎng)殖狀態(tài)檢測(cè)、養(yǎng)殖環(huán)境調(diào)節(jié)、無線通訊、控制中心、上位機(jī)遠(yuǎn)程監(jiān)控顯示五個(gè)模塊。其中安防監(jiān)控系統(tǒng)可以實(shí)施智能行為識(shí)別并對(duì)進(jìn)入防區(qū)的可疑人員進(jìn)行警告及報(bào)警通知相關(guān)人員，環(huán)境監(jiān)控系統(tǒng)是基于水產(chǎn)養(yǎng)殖大數(shù)據(jù)的指導(dǎo)，根據(jù)檢測(cè)到環(huán)境參數(shù)自動(dòng)或手動(dòng)控制調(diào)節(jié)器的工作，以及給養(yǎng)殖人員提供價(jià)值信息來干涉養(yǎng)殖過程。

數(shù)據(jù)的使用和管理是該系統(tǒng)的核心功能，整個(gè)系統(tǒng)軟件架構(gòu)可分為大數(shù)據(jù)平臺(tái)和業(yè)務(wù)系統(tǒng)兩大部分，系統(tǒng)軟件架構(gòu)如圖4所示。大數(shù)據(jù)平臺(tái)存儲(chǔ)、管理和分析數(shù)據(jù)，構(gòu)建模型與知識(shí)庫，進(jìn)而應(yīng)用業(yè)務(wù)系統(tǒng)上。目前，對(duì)水產(chǎn)養(yǎng)殖進(jìn)行數(shù)據(jù)分析和建模的方法主要有基于ARIMA模型和神經(jīng)網(wǎng)絡(luò)訓(xùn)練^[5]。業(yè)務(wù)系統(tǒng)根據(jù)用戶需求呈現(xiàn)信息，形成決策。執(zhí)行單元執(zhí)行決策后繼續(xù)產(chǎn)生數(shù)據(jù)，大數(shù)據(jù)平臺(tái)收集到反饋數(shù)據(jù)后做對(duì)比分析，從而優(yōu)化模型、知識(shí)庫。

圖4 系統(tǒng)軟件架構(gòu)設(shè)計(jì)圖

以系統(tǒng)中的疾病預(yù)測(cè)與診斷功能為例，該功能設(shè)計(jì)為養(yǎng)殖戶可根據(jù)常見疾病庫和自身經(jīng)驗(yàn)自查，可邀請(qǐng)專家協(xié)助進(jìn)行遠(yuǎn)程診斷，可上傳文字、圖像信息讓平臺(tái)智能識(shí)別就、協(xié)助診斷。

4面臨的挑戰(zhàn)與展望

目前，水產(chǎn)養(yǎng)殖的大數(shù)據(jù)研究和應(yīng)用還處于初級(jí)階段，沒有現(xiàn)成的成熟經(jīng)驗(yàn)可以借鑒。同時(shí)由于水產(chǎn)養(yǎng)殖自身的復(fù)雜多變性，注定了這不是一蹴而就的事情。但是水產(chǎn)養(yǎng)殖的自動(dòng)化、數(shù)字化、精準(zhǔn)化、智能化是時(shí)代發(fā)展也是行業(yè)的客觀要求。大數(shù)據(jù)為實(shí)現(xiàn)這一些提供良好的切入點(diǎn)，成為其中的關(guān)鍵技術(shù)。政府大力支持，企業(yè)和科研院所積極參，與為水產(chǎn)養(yǎng)殖大數(shù)據(jù)的發(fā)展提供了良好的機(jī)遇。

4.1建設(shè)和發(fā)展水產(chǎn)養(yǎng)殖大數(shù)據(jù)的挑戰(zhàn)

（1）水產(chǎn)養(yǎng)殖積累的數(shù)據(jù)少質(zhì)量低

長(zhǎng)期以來我國(guó)水產(chǎn)養(yǎng)殖以粗放養(yǎng)殖為主，小規(guī)模養(yǎng)殖主體為主，不注重?cái)?shù)據(jù)的積累,有資料統(tǒng)計(jì)，我國(guó)水產(chǎn)養(yǎng)殖的數(shù)據(jù)收集比例不到美日等發(fā)到國(guó)家的10%。近年由于物聯(lián)網(wǎng)技術(shù)的逐漸成熟和應(yīng)用，信息收集效率大幅提高，但由于缺乏行業(yè)標(biāo)準(zhǔn)，造成收集的信息不規(guī)范、不全面，給大數(shù)據(jù)應(yīng)用帶來很大障礙。

（2）水產(chǎn)養(yǎng)殖大數(shù)據(jù)需要高度融合

影響水產(chǎn)養(yǎng)殖的數(shù)據(jù)不僅僅是在養(yǎng)殖水域。要充分發(fā)揮大數(shù)據(jù)對(duì)于水產(chǎn)養(yǎng)殖的價(jià)值，必須要全面及時(shí)的獲取一切相關(guān)數(shù)據(jù)。除了充分收集、了解水產(chǎn)水域信息外，還要和氣象、海事、政府主管部門、行業(yè)協(xié)會(huì)等等的數(shù)據(jù)流通。這至少有兩方面的挑戰(zhàn):一是能否有便捷的數(shù)據(jù)獲取渠道，二是這些部門數(shù)據(jù)是否及時(shí)、準(zhǔn)確和全面。

（3）水產(chǎn)養(yǎng)殖大數(shù)據(jù)的人才難題

目前，大數(shù)據(jù)人才蓬勃發(fā)展，人才缺口巨大。大數(shù)據(jù)人才的綜合能力強(qiáng)，兼具統(tǒng)計(jì)分析、計(jì)算機(jī)和行業(yè)知識(shí)，培養(yǎng)周期長(zhǎng)，優(yōu)秀的大數(shù)據(jù)人才極具市場(chǎng)競(jìng)爭(zhēng)力，而要在在涉農(nóng)領(lǐng)域要找到合格的大數(shù)據(jù)人才十分困難。水產(chǎn)養(yǎng)殖的復(fù)雜性需要高端人才的持續(xù)投入才能逐漸顯現(xiàn)效果，這是制約水產(chǎn)大數(shù)據(jù)發(fā)展最迫切的因素。

4.2水產(chǎn)養(yǎng)殖大數(shù)據(jù)發(fā)展展望

（1）通過標(biāo)準(zhǔn)體系建設(shè)實(shí)現(xiàn)水產(chǎn)養(yǎng)殖設(shè)施標(biāo)準(zhǔn)化，數(shù)據(jù)規(guī)范化

隨著水產(chǎn)養(yǎng)殖業(yè)數(shù)據(jù)獲取范圍的擴(kuò)展和數(shù)據(jù)獲取技術(shù)的提高，數(shù)據(jù)規(guī)�；�增長(zhǎng)，研究構(gòu)建普適的及特定場(chǎng)景的設(shè)施設(shè)備標(biāo)準(zhǔn)、數(shù)據(jù)采集標(biāo)準(zhǔn)、接口標(biāo)準(zhǔn)不僅有利于各系統(tǒng)之間的配合，更降低了部署相應(yīng)軟硬件的技術(shù)難度和時(shí)間成本，使數(shù)據(jù)的價(jià)值在水產(chǎn)養(yǎng)殖中得以快速應(yīng)用。

（2）通過制度建設(shè)打通數(shù)據(jù)的共建共享渠道

基于數(shù)據(jù)管理的水產(chǎn)養(yǎng)殖僅僅依靠養(yǎng)殖個(gè)體的數(shù)據(jù)量和技術(shù)是行不通的，它需要打通和相關(guān)政府機(jī)構(gòu)、行業(yè)、研究機(jī)構(gòu)之間數(shù)據(jù)通道。只有實(shí)現(xiàn)了數(shù)據(jù)共建共享，保證數(shù)據(jù)豐富性和全面性，才具備利用數(shù)據(jù)進(jìn)行科學(xué)決策的前提。而這一切，需要相關(guān)職能部門及行業(yè)協(xié)會(huì)從制度上加以保障。

（3）建立重點(diǎn)應(yīng)用和典型案例，以點(diǎn)帶面推動(dòng)水產(chǎn)養(yǎng)殖大數(shù)據(jù)建設(shè)。

大數(shù)據(jù)在水產(chǎn)養(yǎng)殖領(lǐng)域的應(yīng)用點(diǎn)很多，全面鋪開去研究和建設(shè)未免投入資源過多，無法取得實(shí)際成效，會(huì)嚴(yán)重打擊從業(yè)者的積極性和信心。可將資源優(yōu)先投入到某一個(gè)領(lǐng)域，比如氣象災(zāi)害預(yù)警，這一塊已經(jīng)有部分研究基礎(chǔ)和研究成果^[6]。利用高質(zhì)量的數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行迭代優(yōu)化，最終達(dá)到能應(yīng)用于生產(chǎn)場(chǎng)景并產(chǎn)生實(shí)際價(jià)值的目的。

隨著水產(chǎn)養(yǎng)殖從業(yè)人員的意識(shí)進(jìn)步，對(duì)數(shù)據(jù)的不斷積累、完善和重視，以及物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新技術(shù)的不斷創(chuàng)新，基于數(shù)據(jù)管理、數(shù)據(jù)決策和數(shù)據(jù)創(chuàng)新的高效、智慧的水產(chǎn)養(yǎng)殖時(shí)代終究到來。

參考文獻(xiàn):

[1] Viktor Mayer-Schonberger（英）著，盛楊燕，周濤 譯.大數(shù)據(jù)時(shí)代[M].浙江人民出版社，2013.1

[2] 朱澤.智能化養(yǎng)殖開啟漁業(yè)“大數(shù)據(jù)時(shí)化’田.漁業(yè)致富指南，2015(2):3一4.

[3] 劉軍,冷芳玲,李世奇,鮑玉斌.基于HDFS的分布式文件系統(tǒng)[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版),2019,40(06):795-800.

[4] 韓朵朵,劉會(huì)杰,許愛雪.基于Hadoop生態(tài)系統(tǒng)的大數(shù)據(jù)解決方案[J].石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào),2019,18(02):71-75.

[5] 宋劍文. 智能水產(chǎn)養(yǎng)殖系統(tǒng)的預(yù)測(cè)預(yù)警技術(shù)研究[D].海南大學(xué),2018.

[6] 吳衛(wèi)祖,劉利群,徐兵,吳振陸.基于物聯(lián)網(wǎng)的水產(chǎn)養(yǎng)殖氣象災(zāi)害監(jiān)測(cè)與預(yù)警模型研究[J].電子技術(shù)與軟件工程,2017(05):210-211.

• 上一篇：基于連續(xù)潮流計(jì)算的VSC-MTDC異步互聯(lián)電網(wǎng)換流站參數(shù)優(yōu)化方法
• 下一篇：EDF多任務(wù)調(diào)度算法在物聯(lián)網(wǎng)數(shù)據(jù)監(jiān)控平臺(tái)中的應(yīng)用研究