基于ECharts的對蝦產業數據可視化分析平臺設計及實現

　　摘  要：為提升我國對蝦養殖產業的行業競爭力，解決我國對蝦養殖產業中生產過程信息散亂、海量產業數據沒有得到合理利用的現狀，本文采用ECharts可視化技術及ARIMA預測算法，設計開發了一套對蝦養殖產業信息可視化及展示平臺，實現了生產加工、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殖生產過程及產業信息，實現了對蝦養殖產業信息的高效集成;并以一張圖的形式直觀地展示了對蝦養殖行業完整信息，實現了行業發展及行情分析、產品價格預測，為對蝦養殖企業經營者提供直觀的分析參考依據及發展規劃數據支撐。

　　尹航; 廖梓淵; 徐龍琴; 劉雙印; 曹亮; 郭建軍， 現代農業裝備 發表時間：2021-08-28

　　關鍵詞：對蝦養殖;ECharts;可視化分析;價格預測;ARIMA

　　0  引言

　　據聯合國糧食及農業組織(FAO)發布數據顯示，中國是世界上最大的對蝦產品國和貿易國，養殖份額占全球份額的 45% 以上，對蝦產業在出口創匯、促進就業和保證糧食安全等方面起到不可或缺的作用 [1-4]。然而，據聯合國貿易統計庫數據，我國對蝦產業的行業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] ;我國對蝦養殖產業存在組織化程度低、市場信息掌握不及時等問題 [6] ;養殖企業缺乏完善的對蝦養殖管理、經營信息，不能依據市場變化有計劃調節對蝦養殖規模，往往導致“規模大、收益低”的怪現狀 [6,7]，阻礙了我國對蝦產業的有序發展及核心競爭力的提升 [6-9]。近年來我國集約化、工廠化對蝦養殖技術得到快速發展，以循環水、生物凈化等為代表的對蝦養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對蝦智能化工廠化養殖技術快速發展，物聯網、大數據和人工智能等現代化技術在產業內廣泛應用，積累了海量的對蝦養殖生產過程及產業數據 [11-15]。但是由于關注點不同，研究者多把注意力放在環境、水體、生物指標等數據上，對蝦養殖生產過程投喂、物料、經營成本、收益等產業數據并未受到研究者重視 [11-17] ;而對蝦養殖生產經營者由于能力限制無法對養殖過程數據尤其是產業相關數據進行專業化的分析和處理，海量的對蝦產業數據沒有得到充分利用 [1,2,6,17]。

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

　　綜上所述，本文設計并實現了對蝦養殖產業數據可視化分析平臺，描述了對蝦養殖產業數據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、數據庫設計、功能模塊設計;介紹了主要功能模塊的實現過程及核心技術 ;設計了基于 ARIMA 的對蝦價格預測模型，并據此提供了專業化的對蝦養殖產業行情分析和一張圖行業行情數據展示。此外，還提供了產業發展趨勢、市場動態等信息化展示功能，為企業發展規劃和戰略決策提供可視化數據支撐。

　　1  可視化分析平臺設計分析

　　1.1  總體架構設計

　　本系統總體設計遵循現代軟件工程“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：數據存儲層、數據訪問層、業務邏輯層和數據可視化層，如圖 1 所示。

　　在對蝦養殖產業數據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)數據存儲層。以對蝦產業數據和養殖基地數據為基礎構建數據庫，采用 MySQL 作為數據庫管理系統，管理員通過爬取網絡上的對蝦產業數據和各水產交易網站的對蝦價格數據對數據庫進行更新，并通過系統管理功能對數據進行維護。當系統數據更新后，系統對新爬取的數據進行展示與計算，從而為數據可視化平臺的實現提供數據支持。

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

　　3)業務邏輯層。本層用于封裝業務邏輯，即對數據存儲層的數據進行分析和處理，以 Json 數據的形式發送給數據表示層，返回用戶請求的信息;實現用戶管理、數據維護、數據動態展示等功能;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數據的傳輸，降低系統的耦合度。

　　4)數據表示層。采用 Servlet 動態網頁開發技術實現分析平臺 Web 數據可視化，并以此 Web 平臺為載體，采用 ECharts 可視化工具將從業務邏輯層獲取到的數據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數據的可視化平臺。

　　1.2  功能模塊設計

　　通過對現有可視化平臺進行分析，結合用戶需求，對蝦養殖產業數據可視化分析平臺功能設計如下：數據獲取、預測模型、數據可視化分析展示和系統維護。具體功能模塊如圖 2 所示。

　　各功能模塊描述如下：

　　1)數據獲取。通過訪問各水產交易數據庫、交易網站及數據查新 [36] 獲取實時價格信息;從基地管理模塊獲取對蝦養殖基地的養殖信息;用戶根據本基地的養殖現狀導入對蝦養殖數據。

　　2)預測模型。以平臺錄入的對蝦價格數據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據作為預測輸入，對對蝦價格進行預測。

　　3)數據可視化分析展示。使用 ECharts 開源可視化庫，展示與對蝦產業相關的數據，包括對蝦產量、養殖面積、交易額、歷史價格、養殖基地的分布及其發展情況、銷售地區分析、加工方式及利潤比分析，為對蝦養殖行業的從業者提供一定的參考價值。

　　4)系統維護。此模塊包括用戶管理和數據維護，實現對對蝦產業數據進行維護和對用戶進行管理等功能。

　　1.3  數據庫設計

　　對蝦養殖產業數據可視化分析平臺采用 MySQL 數據庫管理數據信息，并采用 InnoDB 存儲引擎進行數據存儲，其數據庫 ER 圖如圖 3 所示。

　　系統的數據庫主要的數據表有地區信息表、基地信息表和產業信息表，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 模型必須滿足平穩性的要求，而 ARIMA 模型通過對非平穩性時間序列進行差分處理，使時間序列滿足平穩要求，再在此基礎上建立差分自回歸移動平均模型以實現預測能效。

　　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，d 為使之成為平穩序列所做的差分次數。自回歸系數多項式; 為移動平滑系數多項式; 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)數據預處理。將數據集按對蝦種類和時間排好序，并且對缺失的數據做填值處理。

　　2)模型識別。對蝦類價格數據的序列，通過單位根檢驗法檢驗其平穩性。若檢驗結果存在單位根，則說明原序列不平穩，需利用 ADF 檢驗確定差分的階數 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，無需進行差分平穩化處理。

　　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 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據建立起來的模型，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  系統實現

　　本平臺集成開發環境為 IDEA、WebStorm，后端開發采用 Spring+Spring MVC+MyBatis 框架，前端開發采用 Vue+IviewUI 架構 ;平臺運行基于 MySQL 數據庫和 JDK1.8+Tomcat8.0 軟件環境。

　　平臺主要任務包括：①為養殖生產者提供生產及管理信息，如苗種培育、飼料投喂、養殖成本、產品銷售等;②為養殖企業決策者提供整個行業的生產和市場等宏觀信息，如相關政策法規、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，以便及時調整企業經營策略，應對市場波動。

　　系統運行界面如圖 5 所示，用戶可以查詢全國整體對蝦產業的情況，地圖上的標點代表養殖基地，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殖基地的分布情況。

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

　　點擊基地標點，進入對蝦養殖產業核心基地詳情頁面，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，可顯示具體數值，頁面右邊區域展示基地農資的使用、存儲信息。

　　圖 8 為環境監測界面，選擇所使用的傳感器設備，采用 ARIMA 算法對對蝦養殖池塘的溶解氧、水溫、pH 值等參數指標進行預測預警，為現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，經過平穩性檢驗、差分處理，得到平穩的時間序列，再采用 BIC 準則選擇符合要求的參數，最終確定模型，輸出測試結果。在穩定的市場環境中，ARIMA 模型能夠取得較好的預測效果，其結果對對蝦養殖企業的決策者把握市場形勢有一定借鑒意義。

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

　　4  結語

　　本 文 以 對 蝦 產 業 數 據 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 對蝦產業數據可視化分析平臺，平臺采用微服務架構進行開發，采用前后端分離架構設計，遵循現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。本平臺實現了對蝦產業信息的高效集成，以各類圖表的方式為用戶直觀地展示了養殖管理信息和宏觀市場信息，為對蝦企業經營者提供具有一定參考價值的可視化數據支持。