2. 养殖水质监测体系与数据采集
水质异常预警模型的上限，往往不由算法决定，而由进入模型的数据决定。一个再精巧的预警模型，如果输入的是漂移的溶解氧读数、滞后的氨氮采样或缺失的时间戳，输出的只能是误报与漏报。因此，在讨论建模之前，必须先建立一套可解释、可维护的养殖水质监测体系，明确“用什么测、多久测一次、测得多准、数据可能坏在哪里、采集方案怎么设计”这五个问题。
一、常见传感器及其工作原理
养殖水体监测的核心参数通常包括溶解氧、pH、温度、氨氮，部分场景还会补充电导率、浊度、氧化还原电位等。不同参数的传感原理差异很大，直接决定了它们的响应速度、维护周期和数据可信度。
溶解氧是养殖中最关键的约束因子。常见有两类：极谱式（克拉克）传感器通过金/银电极间施加极化电压，氧分子在阴极还原产生与氧分压成正比的电流；原电池式传感器则依靠自身化学电势差输出信号，无需外部极化电压。近年应用渐多的是荧光淬灭法（LDO），荧光物质被蓝光激发后，氧分子会猝灭其荧光，通过测量荧光寿命反演氧浓度。LDO 无需电解液、抗流速影响小、维护周期长，但响应略慢且成本较高。溶解氧读数对水温与盐度敏感，必须同步做温度补偿，海水养殖还需盐度补偿。
pH普遍采用玻璃电极法，测量参比电极与指示电极之间的电位差，按能斯特方程换算为 pH 值。玻璃电极需要定期用标准缓冲液两点或三点校准，长期浸在污水中会出现参比电极堵塞、隔膜污染，表现为响应变慢、读数漂移。pH 同时受温度影响，需温度补偿。
温度多由热敏电阻（NTC）或铂电阻（PT100/PT1000）测量，稳定性好、成本低，通常作为其他参数的补偿输入，本身也是鱼类代谢与溶氧饱和度的关键解释变量。
氨氮的在线测量最复杂。离子选择性电极法响应快但易受钾离子干扰、漂移明显；比色法（如纳氏试剂法、水杨酸法）精度高，但需要试剂、管路和定期维护，属于“分析仪”而非简单探头。因此氨氮在线数据往往采样间隔更长、维护要求更高，建模时应给予不同的置信权重。
二、采集频率与精度的匹配
采集频率不是越高越好。频率过高会放大噪声、增加功耗与存储压力；频率过低则可能错过关键事件。合理的做法是按参数的时间尺度分层设置：溶解氧在夜间和凌晨最容易骤降，且鱼类对低氧的耐受窗口很短，建议 1 分钟级采集；温度变化缓慢，1～5 分钟足够；pH 受光合作用昼夜节律影响明显，5 分钟级可捕捉趋势；氨氮在线分析仪受试剂消耗与维护限制，通常 30 分钟至 1 小时一次，属于“慢变量”。
精度方面要区分分辨率、准确度和长期稳定性。以溶解氧为例，分辨率 0.01 mg/L、准确度 ±0.2 mg/L 是常见规格，但真正影响预警的是长期漂移——探头在生物膜附着后读数会系统性偏低，若不校准，模型会把“探头脏了”误判为“水体缺氧”。因此采集方案中必须包含校准周期（如 DO 每 2 周、pH 每周或按漂移情况）和清洗周期，并把校准时间、校准结果作为元数据一并入库。
三、数据质量问题：预警模型最常见的“隐形故障”
现场数据的问题通常集中在几类：缺失（断网、断电、探头故障导致整段无数据）、异常值（超量程尖峰、负值、跳变）、漂移（传感器老化或污染造成的缓慢偏移）、时间戳错乱（设备时钟未同步，补传数据顺序错位）、补偿缺失（温度或盐度未参与换算）。这些问题如果不在入库前标记，模型会把它们当作真实水体变化来学习。
实践中建议在采集端就做轻量判断：对每个读数附带质量标记，例如超量程直接标“超量程”，连续多个周期数值完全不变标“疑似卡值”，与相邻参数逻辑矛盾（如温度骤变而溶解氧无响应）标“可疑”。平台层再做滑动窗口的统计检验，如用中位数绝对偏差识别离群点。关键是保留原始值，不要直接覆盖，让下游可以追溯。
四、采集方案设计：一个可落地的示例
以一个 10 亩土塘、配置 4 台增氧机的养殖场景为例，可采用“一主一辅”布点：主监测点设在增氧机下游 3～5 米、水深约 1 米处，代表整体水体；辅助点设在塘角死水区，用于捕捉局部低氧。采集器通过 RS-485 挂接 DO、pH、温度、电导率探头，氨氮分析仪单独走一路。采集频率按上文分层设置，本地缓存至少保留 7 天，断网时继续记录并在恢复后补传。
采集配置示例（示例参数，非实测）
点位：主点 / 辅点
DO : 60 s，温度补偿开启，盐度补偿按电导率换算
pH : 300 s，两点校准，校准有效期 7 天
温度 : 60 s
电导率 : 600 s
氨氮 : 1800 s，试剂余量低于 20% 报警
本地缓存: 7 天，断网续传
质量标记: 超量程 / 卡值 / 漂移可疑 / 校准过期 / 时间戳异常方案落地后要验证两件事：一是数据完整率，按天统计应有数据点与实际到达点之比，低于 95% 需排查传输或供电；二是数据可信度，用校准前后的读数对比、与便携式仪表的抽检比对来判断漂移程度。只有完整率和可信度都达标，采集到的数据才适合送入预警模型。监测体系的价值不在于探头数量，而在于每一条进入模型的数据都能说清来源、状态和可信程度。