基于ECharts的對蝦產業(yè)數(shù)據(jù)可視化分析平臺設計及實現(xiàn)

　　摘  要：為提升我國對蝦養(yǎng)殖產業(yè)的行業(yè)競爭力，解決我國對蝦養(yǎng)殖產業(yè)中生產過程信息散亂、海量產業(yè)數(shù)據(jù)沒有得到合理利用的現(xiàn)狀，本文采用ECharts可視化技術及ARIMA預測算法，設計開發(fā)了一套對蝦養(yǎng)殖產業(yè)信息可視化及展示平臺，實現(xiàn)了生產加工、過程管理、經營銷售、市場分析及價格預測等功能。平臺的應用結果表明，該平臺多尺度涵蓋了對蝦養(yǎng)殖生產過程及產業(yè)信息，實現(xiàn)了對蝦養(yǎng)殖產業(yè)信息的高效集成;并以一張圖的形式直觀地展示了對蝦養(yǎng)殖行業(yè)完整信息，實現(xiàn)了行業(yè)發(fā)展及行情分析、產品價格預測，為對蝦養(yǎng)殖企業(yè)經營者提供直觀的分析參考依據(jù)及發(fā)展規(guī)劃數(shù)據(jù)支撐。

　　尹航; 廖梓淵; 徐龍琴; 劉雙印; 曹亮; 郭建軍， 現(xiàn)代農業(yè)裝備 發(fā)表時間：2021-08-28

　　關鍵詞：對蝦養(yǎng)殖;ECharts;可視化分析;價格預測;ARIMA

　　0  引言

　　據(jù)聯(lián)合國糧食及農業(yè)組織(FAO)發(fā)布數(shù)據(jù)顯示，中國是世界上最大的對蝦產品國和貿易國，養(yǎng)殖份額占全球份額的 45% 以上，對蝦產業(yè)在出口創(chuàng)匯、促進就業(yè)和保證糧食安全等方面起到不可或缺的作用 [1-4]。然而，據(jù)聯(lián)合國貿易統(tǒng)計庫數(shù)據(jù)，我國對蝦產業(yè)的行業(yè)競爭力與世界主要對蝦出口國家相比仍然存在一定的差距 [1,2,5] ;我國對蝦養(yǎng)殖產業(yè)存在組織化程度低、市場信息掌握不及時等問題 [6] ;養(yǎng)殖企業(yè)缺乏完善的對蝦養(yǎng)殖管理、經營信息，不能依據(jù)市場變化有計劃調節(jié)對蝦養(yǎng)殖規(guī)模，往往導致“規(guī)模大、收益低”的怪現(xiàn)狀 [6,7]，阻礙了我國對蝦產業(yè)的有序發(fā)展及核心競爭力的提升 [6-9]。近年來我國集約化、工廠化對蝦養(yǎng)殖技術得到快速發(fā)展，以循環(huán)水、生物凈化等為代表的對蝦養(yǎng)殖模式得到大力推廣 [10-13]，以中國水產科學研究院、中國海洋大學主導的間歇式雙循環(huán)對蝦智能化工廠化養(yǎng)殖技術快速發(fā)展，物聯(lián)網、大數(shù)據(jù)和人工智能等現(xiàn)代化技術在產業(yè)內廣泛應用，積累了海量的對蝦養(yǎng)殖生產過程及產業(yè)數(shù)據(jù) [11-15]。但是由于關注點不同，研究者多把注意力放在環(huán)境、水體、生物指標等數(shù)據(jù)上，對蝦養(yǎng)殖生產過程投喂、物料、經營成本、收益等產業(yè)數(shù)據(jù)并未受到研究者重視 [11-17] ;而對蝦養(yǎng)殖生產經營者由于能力限制無法對養(yǎng)殖過程數(shù)據(jù)尤其是產業(yè)相關數(shù)據(jù)進行專業(yè)化的分析和處理，海量的對蝦產業(yè)數(shù)據(jù)沒有得到充分利用 [1,2,6,17]。

　　與此同時，我國普通水產養(yǎng)殖信息化管理領域發(fā)展迅速 [18]，專家學者在水產養(yǎng)殖生產過程及產業(yè)數(shù)據(jù)分析和處理領域進行了大量的研究，并取得了不錯的成果 [18-21]。陳明等 [22] 針對目前水產養(yǎng)殖過程管理中缺乏有效的流程化管理、養(yǎng)殖決策效率低等問題，采用 Activiti 可視化流程設計器和 Drools 規(guī)則引擎構建了一種基于規(guī)則引擎的智能工作流管理系統(tǒng)體系結構，使養(yǎng)殖管理更科學化、規(guī)范化;劉傳領等 [23] 針對大面積水產養(yǎng)殖環(huán)境覆蓋面積廣、多種水體環(huán)境監(jiān)測因素綜合影響的特點，采用 LoRa 無線通信技術實現(xiàn)水質數(shù)據(jù)的傳輸，并調用 ECharts 可視化庫實現(xiàn)數(shù)據(jù)的展示;謝奎等 [24] 以國產高分一號遙感影像為數(shù)據(jù)源，結合 WebGIS 技術建立了一個水產養(yǎng)殖信息管理平臺，實現(xiàn)了水體資源管理、養(yǎng)殖生產管理以及市場信息管理等功能;姜麗華等 [25] 為提高水產養(yǎng)殖行業(yè)生產管理水平，采用物聯(lián)網等技術完成漁業(yè)信息自動化采集，圍繞漁業(yè)養(yǎng)殖信息的數(shù)據(jù)集成與共享等方面的研究，研發(fā)了一套支持漁情實時采集、集成、共享、推送的信息服務平臺;代成等 [26] 采用 Hadoop、人工智能等技術，搭建了一套水產養(yǎng)殖檢測系統(tǒng)，并使用 Oracle BI 對水產數(shù)據(jù)的分析和挖掘結果進行可視化展示。LI 等 [27] 采用 GIS 等技術，根據(jù)地理位置和物種類別生成了水產養(yǎng)殖產量可視化圖，為用戶提供了出色的統(tǒng)計分析結果。劉斌 [28] 運用 ECharts 技術開展了海洋水文數(shù)據(jù)可視化研究 ;路文娟 [29] 則采用 ECharts+NewMap API 技術實現(xiàn)了地理數(shù)據(jù)的可視化;國內亦有專家學者將其應用于效益評估、流量統(tǒng)計等鄰域 [30,31]，其通過多維度的交互操作和視覺映射組件，將不同維度的數(shù)據(jù)通過顏色、大小、透明度等不同的視覺方式展現(xiàn)，從而直觀地表現(xiàn)數(shù)據(jù) [23,28-31]，尤其適用于養(yǎng)殖過程及產業(yè)數(shù)據(jù)可視化展示及后續(xù)專業(yè)化分析和處理 [32]。上述專家學者在普通水產養(yǎng)殖信息化管理領域的研究已經取得了豐碩的成果，但相關研究在對蝦養(yǎng)殖領域應用尚少，尤其對蝦養(yǎng)殖過程數(shù)據(jù)及產業(yè)相關數(shù)據(jù)的專業(yè)化分析和處理明顯不足。因此，充分利用對蝦產業(yè)數(shù)據(jù)構建可視化分析平臺，針對其數(shù)據(jù)量大、時效性強、數(shù)據(jù)來源復雜特性，結合 Echarts 技術搭建可視化分析平臺實時，動態(tài)地分析對蝦生產到銷售各關鍵環(huán)節(jié)的有效性信息，并據(jù)此開展深入的行業(yè)分析和產業(yè)化研究;對提高我國對蝦養(yǎng)殖信息化與可視化管理水平，提升對蝦養(yǎng)殖行業(yè)核心競爭力及收益具有重要的社會意義及商業(yè)價值。

　　綜上所述，本文設計并實現(xiàn)了對蝦養(yǎng)殖產業(yè)數(shù)據(jù)可視化分析平臺，描述了對蝦養(yǎng)殖產業(yè)數(shù)據(jù)可視化分析平臺的主要任務;詳細介紹了平臺的總體架構設計、數(shù)據(jù)庫設計、功能模塊設計;介紹了主要功能模塊的實現(xiàn)過程及核心技術 ;設計了基于 ARIMA 的對蝦價格預測模型，并據(jù)此提供了專業(yè)化的對蝦養(yǎng)殖產業(yè)行情分析和一張圖行業(yè)行情數(shù)據(jù)展示。此外，還提供了產業(yè)發(fā)展趨勢、市場動態(tài)等信息化展示功能，為企業(yè)發(fā)展規(guī)劃和戰(zhàn)略決策提供可視化數(shù)據(jù)支撐。

　　1  可視化分析平臺設計分析

　　1.1  總體架構設計

　　本系統(tǒng)總體設計遵循現(xiàn)代軟件工程“高內聚、低耦合”的設計思想，采用微服務架構、前后端分離的設計模式 [33-35]。總體架構分為 4 層：數(shù)據(jù)存儲層、數(shù)據(jù)訪問層、業(yè)務邏輯層和數(shù)據(jù)可視化層，如圖 1 所示。

　　在對蝦養(yǎng)殖產業(yè)數(shù)據(jù)可視化分析平臺架構中，各層包含的主要內容及作用如下：

　　1)數(shù)據(jù)存儲層。以對蝦產業(yè)數(shù)據(jù)和養(yǎng)殖基地數(shù)據(jù)為基礎構建數(shù)據(jù)庫，采用 MySQL 作為數(shù)據(jù)庫管理系統(tǒng)，管理員通過爬取網絡上的對蝦產業(yè)數(shù)據(jù)和各水產交易網站的對蝦價格數(shù)據(jù)對數(shù)據(jù)庫進行更新，并通過系統(tǒng)管理功能對數(shù)據(jù)進行維護。當系統(tǒng)數(shù)據(jù)更新后，系統(tǒng)對新爬取的數(shù)據(jù)進行展示與計算，從而為數(shù)據(jù)可視化平臺的實現(xiàn)提供數(shù)據(jù)支持。

　　2)數(shù)據(jù)訪問層。采用 JDBC 數(shù)據(jù)連接管理方法從對蝦產業(yè)信息和基地信息等數(shù)據(jù)庫中抽取相關數(shù)據(jù)，將結果集轉換為實體對象，并傳輸給業(yè)務邏輯層。

　　3)業(yè)務邏輯層。本層用于封裝業(yè)務邏輯，即對數(shù)據(jù)存儲層的數(shù)據(jù)進行分析和處理，以 Json 數(shù)據(jù)的形式發(fā)送給數(shù)據(jù)表示層，返回用戶請求的信息;實現(xiàn)用戶管理、數(shù)據(jù)維護、數(shù)據(jù)動態(tài)展示等功能;將算法預測模型獨立為一個模塊，使用服務調用的方式實現(xiàn)數(shù)據(jù)的傳輸，降低系統(tǒng)的耦合度。

　　4)數(shù)據(jù)表示層。采用 Servlet 動態(tài)網頁開發(fā)技術實現(xiàn)分析平臺 Web 數(shù)據(jù)可視化，并以此 Web 平臺為載體，采用 ECharts 可視化工具將從業(yè)務邏輯層獲取到的數(shù)據(jù)以圖表的形式直觀地展示在 Web 平臺的前端頁面上，從而，為用戶提供一個可以直觀查看對蝦產業(yè)數(shù)據(jù)的可視化平臺。

　　1.2  功能模塊設計

　　通過對現(xiàn)有可視化平臺進行分析，結合用戶需求，對蝦養(yǎng)殖產業(yè)數(shù)據(jù)可視化分析平臺功能設計如下：數(shù)據(jù)獲取、預測模型、數(shù)據(jù)可視化分析展示和系統(tǒng)維護。具體功能模塊如圖 2 所示。

　　各功能模塊描述如下：

　　1)數(shù)據(jù)獲取。通過訪問各水產交易數(shù)據(jù)庫、交易網站及數(shù)據(jù)查新 [36] 獲取實時價格信息;從基地管理模塊獲取對蝦養(yǎng)殖基地的養(yǎng)殖信息;用戶根據(jù)本基地的養(yǎng)殖現(xiàn)狀導入對蝦養(yǎng)殖數(shù)據(jù)。

　　2)預測模型。以平臺錄入的對蝦價格數(shù)據(jù)作為訓練集對算法模型進行訓練，然后以近期采集的價格數(shù)據(jù)作為預測輸入，對對蝦價格進行預測。

　　3)數(shù)據(jù)可視化分析展示。使用 ECharts 開源可視化庫，展示與對蝦產業(yè)相關的數(shù)據(jù)，包括對蝦產量、養(yǎng)殖面積、交易額、歷史價格、養(yǎng)殖基地的分布及其發(fā)展情況、銷售地區(qū)分析、加工方式及利潤比分析，為對蝦養(yǎng)殖行業(yè)的從業(yè)者提供一定的參考價值。

　　4)系統(tǒng)維護。此模塊包括用戶管理和數(shù)據(jù)維護，實現(xiàn)對對蝦產業(yè)數(shù)據(jù)進行維護和對用戶進行管理等功能。

　　1.3  數(shù)據(jù)庫設計

　　對蝦養(yǎng)殖產業(yè)數(shù)據(jù)可視化分析平臺采用 MySQL 數(shù)據(jù)庫管理數(shù)據(jù)信息，并采用 InnoDB 存儲引擎進行數(shù)據(jù)存儲，其數(shù)據(jù)庫 ER 圖如圖 3 所示。

　　系統(tǒng)的數(shù)據(jù)庫主要的數(shù)據(jù)表有地區(qū)信息表、基地信息表和產業(yè)信息表，如表 1—表 3 所示。

　　2  對蝦產品價格預測模型研究

　　2.1  ARIMA模型

　　在前期研究中，基于 ARIMA 模型、以及基于 BP、 LSTM 和 ARIMA 的組合模型被用 于 價 格 預 測 [37,38] ;基于有序 Logistic 回歸分析模型也被用于對蝦養(yǎng)殖經濟效益影響因素分析 [39] ;作者團隊也曾采用基于 WTD-LSTM 模型對對蝦養(yǎng)殖水溫開展組合預測，并獲得不錯效果 [40]。本文擬采用的 ARIMA(差分自回歸移動平均)模型屬于時間序列分析，ARIMA 的前序模型如 AR/MA/ARMA 模型必須滿足平穩(wěn)性的要求，而 ARIMA 模型通過對非平穩(wěn)性時間序列進行差分處理，使時間序列滿足平穩(wěn)要求，再在此基礎上建立差分自回歸移動平均模型以實現(xiàn)預測能效。

　　本文采用 ARIMA(p，q，d)模型構建了對蝦產品價格預測模型，其中 AR 表示自回歸模型，MA 為移動平均模型，為 p、q 為各自對應階數(shù)，d 為使之成為平穩(wěn)序列所做的差分次數(shù)。自回歸系數(shù)多項式; 為移動平滑系數(shù)多項式; 為零均值白噪聲序列。

　　2.2  模型建立

　　ARIMA 預測模型構建步驟如下：

　　1)數(shù)據(jù)預處理。將數(shù)據(jù)集按對蝦種類和時間排好序，并且對缺失的數(shù)據(jù)做填值處理。

　　2)模型識別。對蝦類價格數(shù)據(jù)的序列，通過單位根檢驗法檢驗其平穩(wěn)性。若檢驗結果存在單位根，則說明原序列不平穩(wěn)，需利用 ADF 檢驗確定差分的階數(shù) d，對該組序列進行 d 階差分處理。若沒有檢驗出單位根，則說明原序列平穩(wěn)，無需進行差分平穩(wěn)化處理。

　　3)模型定階。通過類似網格搜索的方式，利用 BIC 準則對不同的 p、q 組合進行評估，確定模型的最佳階數(shù) p 和 q。

　　4)殘差白噪聲檢驗。選擇最終模型之后，還需要對殘差項進行白噪聲檢驗。如果殘差存在自相關，則應考慮增加自回歸或滑動平均的解釋，重新建模并且進行模型評估，再對新模型的殘差進行白噪聲檢驗，如此往復，直到確定殘差為白噪聲為止。

　　5)模型預測。運用每組對蝦價格數(shù)據(jù)建立起來的模型，預測相應日期對應的的對蝦價格，并和實際的價格進行比較。

　　ARIMA 模型建立流程如圖 4 所示。

　　3  系統(tǒng)實現(xiàn)

　　本平臺集成開發(fā)環(huán)境為 IDEA、WebStorm，后端開發(fā)采用 Spring+Spring MVC+MyBatis 框架，前端開發(fā)采用 Vue+IviewUI 架構 ;平臺運行基于 MySQL 數(shù)據(jù)庫和 JDK1.8+Tomcat8.0 軟件環(huán)境。

　　平臺主要任務包括：①為養(yǎng)殖生產者提供生產及管理信息，如苗種培育、飼料投喂、養(yǎng)殖成本、產品銷售等;②為養(yǎng)殖企業(yè)決策者提供整個行業(yè)的生產和市場等宏觀信息，如相關政策法規(guī)、各類對蝦及其加工制品的銷售情況和所得利潤占比、產值、銷量、未來市場價格預測等信息，以便及時調整企業(yè)經營策略，應對市場波動。

　　系統(tǒng)運行界面如圖 5 所示，用戶可以查詢全國整體對蝦產業(yè)的情況，地圖上的標點代表養(yǎng)殖基地，用柱狀圖、折線圖、餅狀圖等方式輪播展示歷年交易量、交易額、養(yǎng)殖面積等信息;同時可將地圖進行放大縮小，從整體到局部了解養(yǎng)殖基地的分布情況。

　　系統(tǒng)還可以展示國內不同地區(qū)的對蝦產業(yè)信息，以廣東省為例，如圖 6 所示，地圖上標點的大小表示對蝦養(yǎng)殖基地的規(guī)模，點擊基地標點，可展示基地當前經營情況、養(yǎng)殖對蝦種類、養(yǎng)殖規(guī)模等。

　　點擊基地標點，進入對蝦養(yǎng)殖產業(yè)核心基地詳情頁面，如圖 7 所示。

　　頁面展示基地概況、近期交易訂單等信息，左上方柱狀圖為池塘投放蝦苗量，左下為蝦苗投放量和對蝦產量，以餅狀圖的形式表示占比，移動光標至對應扇區(qū)，可顯示具體數(shù)值，頁面右邊區(qū)域展示基地農資的使用、存儲信息。

　　圖 8 為環(huán)境監(jiān)測界面，選擇所使用的傳感器設備，采用 ARIMA 算法對對蝦養(yǎng)殖池塘的溶解氧、水溫、pH 值等參數(shù)指標進行預測預警，為現(xiàn)場工作人員進行水質調控提供決策支持。

　　從各大水產交易信息網站中爬取不同種類對蝦的歷史價格，經過平穩(wěn)性檢驗、差分處理，得到平穩(wěn)的時間序列，再采用 BIC 準則選擇符合要求的參數(shù)，最終確定模型，輸出測試結果。在穩(wěn)定的市場環(huán)境中，ARIMA 模型能夠取得較好的預測效果，其結果對對蝦養(yǎng)殖企業(yè)的決策者把握市場形勢有一定借鑒意義。

　　本平臺實現(xiàn)了對蝦產業(yè)信息的高效集成，支持全國范圍內各省市大型對蝦養(yǎng)殖企業(yè)經營狀況查詢，收錄了廣東地區(qū)各大對蝦養(yǎng)殖基地的產量、養(yǎng)殖面積、經營狀況等信息;同時以各類圖表的方式展示了對蝦行業(yè)宏觀市場信息，提供價格預測等功能，有效解決對蝦行業(yè)產業(yè)信息散亂，市場信息掌握不及時等問題。

　　4  結語

　　本 文 以 對 蝦 產 業(yè) 數(shù) 據(jù) 為 基 礎， 基 于 ECharts、 Servlet、Tomcat、爬蟲等相關技術研制了一個基于 B/S 架構的 Web 對蝦產業(yè)數(shù)據(jù)可視化分析平臺，平臺采用微服務架構進行開發(fā)，采用前后端分離架構設計，遵循現(xiàn)代軟件工程高內聚低耦合的設計思想，具有良好的可移植性、獨立性、可伸縮性、安全性和高可用性。本平臺實現(xiàn)了對蝦產業(yè)信息的高效集成，以各類圖表的方式為用戶直觀地展示了養(yǎng)殖管理信息和宏觀市場信息，為對蝦企業(yè)經營者提供具有一定參考價值的可視化數(shù)據(jù)支持。