基于ECharts的对虾产业数据可视化分析平台设计及实现

　　摘  要：为提升我国对虾养殖产业的行业竞争力，解决我国对虾养殖产业中生产过程信息散乱、海量产业数据没有得到合理利用的现状，本文采用ECharts可视化技术及ARIMA预测算法，设计开发了一套对虾养殖产业信息可视化及展示平台，实现了生产加工、过程管理、经营销售、市场分析及价格预测等功能。平台的应用结果表明，该平台多尺度涵盖了对虾养殖生产过程及产业信息，实现了对虾养殖产业信息的高效集成;并以一张图的形式直观地展示了对虾养殖行业完整信息，实现了行业发展及行情分析、产品价格预测，为对虾养殖企业经营者提供直观的分析参考依据及发展规划数据支撑。

　　尹航; 廖梓渊; 徐龙琴; 刘双印; 曹亮; 郭建军， 现代农业装备 发表时间：2021-08-28

　　关键词：对虾养殖;ECharts;可视化分析;价格预测;ARIMA

　　0  引言

　　据联合国粮食及农业组织(FAO)发布数据显示，中国是世界上最大的对虾产品国和贸易国，养殖份额占全球份额的 45% 以上，对虾产业在出口创汇、促进就业和保证粮食安全等方面起到不可或缺的作用 [1-4]。然而，据联合国贸易统计库数据，我国对虾产业的行业竞争力与世界主要对虾出口国家相比仍然存在一定的差距 [1,2,5] ;我国对虾养殖产业存在组织化程度低、市场信息掌握不及时等问题 [6] ;养殖企业缺乏完善的对虾养殖管理、经营信息，不能依据市场变化有计划调节对虾养殖规模，往往导致“规模大、收益低”的怪现状 [6,7]，阻碍了我国对虾产业的有序发展及核心竞争力的提升 [6-9]。近年来我国集约化、工厂化对虾养殖技术得到快速发展，以循环水、生物净化等为代表的对虾养殖模式得到大力推广 [10-13]，以中国水产科学研究院、中国海洋大学主导的间歇式双循环对虾智能化工厂化养殖技术快速发展，物联网、大数据和人工智能等现代化技术在产业内广泛应用，积累了海量的对虾养殖生产过程及产业数据 [11-15]。但是由于关注点不同，研究者多把注意力放在环境、水体、生物指标等数据上，对虾养殖生产过程投喂、物料、经营成本、收益等产业数据并未受到研究者重视 [11-17] ;而对虾养殖生产经营者由于能力限制无法对养殖过程数据尤其是产业相关数据进行专业化的分析和处理，海量的对虾产业数据没有得到充分利用 [1,2,6,17]。

　　与此同时，我国普通水产养殖信息化管理领域发展迅速 [18]，专家学者在水产养殖生产过程及产业数据分析和处理领域进行了大量的研究，并取得了不错的成果 [18-21]。陈明等 [22] 针对目前水产养殖过程管理中缺乏有效的流程化管理、养殖决策效率低等问题，采用 Activiti 可视化流程设计器和 Drools 规则引擎构建了一种基于规则引擎的智能工作流管理系统体系结构，使养殖管理更科学化、规范化;刘传领等 [23] 针对大面积水产养殖环境覆盖面积广、多种水体环境监测因素综合影响的特点，采用 LoRa 无线通信技术实现水质数据的传输，并调用 ECharts 可视化库实现数据的展示;谢奎等 [24] 以国产高分一号遥感影像为数据源，结合 WebGIS 技术建立了一个水产养殖信息管理平台，实现了水体资源管理、养殖生产管理以及市场信息管理等功能;姜丽华等 [25] 为提高水产养殖行业生产管理水平，采用物联网等技术完成渔业信息自动化采集，围绕渔业养殖信息的数据集成与共享等方面的研究，研发了一套支持渔情实时采集、集成、共享、推送的信息服务平台;代成等 [26] 采用 Hadoop、人工智能等技术，搭建了一套水产养殖检测系统，并使用 Oracle BI 对水产数据的分析和挖掘结果进行可视化展示。LI 等 [27] 采用 GIS 等技术，根据地理位置和物种类别生成了水产养殖产量可视化图，为用户提供了出色的统计分析结果。刘斌 [28] 运用 ECharts 技术开展了海洋水文数据可视化研究 ;路文娟 [29] 则采用 ECharts+NewMap API 技术实现了地理数据的可视化;国内亦有专家学者将其应用于效益评估、流量统计等邻域 [30,31]，其通过多维度的交互操作和视觉映射组件，将不同维度的数据通过颜色、大小、透明度等不同的视觉方式展现，从而直观地表现数据 [23,28-31]，尤其适用于养殖过程及产业数据可视化展示及后续专业化分析和处理 [32]。上述专家学者在普通水产养殖信息化管理领域的研究已经取得了丰硕的成果，但相关研究在对虾养殖领域应用尚少，尤其对虾养殖过程数据及产业相关数据的专业化分析和处理明显不足。因此，充分利用对虾产业数据构建可视化分析平台，针对其数据量大、时效性强、数据来源复杂特性，结合 Echarts 技术搭建可视化分析平台实时，动态地分析对虾生产到销售各关键环节的有效性信息，并据此开展深入的行业分析和产业化研究;对提高我国对虾养殖信息化与可视化管理水平，提升对虾养殖行业核心竞争力及收益具有重要的社会意义及商业价值。

　　综上所述，本文设计并实现了对虾养殖产业数据可视化分析平台，描述了对虾养殖产业数据可视化分析平台的主要任务;详细介绍了平台的总体架构设计、数据库设计、功能模块设计;介绍了主要功能模块的实现过程及核心技术 ;设计了基于 ARIMA 的对虾价格预测模型，并据此提供了专业化的对虾养殖产业行情分析和一张图行业行情数据展示。此外，还提供了产业发展趋势、市场动态等信息化展示功能，为企业发展规划和战略决策提供可视化数据支撑。

　　1  可视化分析平台设计分析

　　1.1  总体架构设计

　　本系统总体设计遵循现代软件工程“高内聚、低耦合”的设计思想，采用微服务架构、前后端分离的设计模式 [33-35]。总体架构分为 4 层：数据存储层、数据访问层、业务逻辑层和数据可视化层，如图 1 所示。

　　在对虾养殖产业数据可视化分析平台架构中，各层包含的主要内容及作用如下：

　　1)数据存储层。以对虾产业数据和养殖基地数据为基础构建数据库，采用 MySQL 作为数据库管理系统，管理员通过爬取网络上的对虾产业数据和各水产交易网站的对虾价格数据对数据库进行更新，并通过系统管理功能对数据进行维护。当系统数据更新后，系统对新爬取的数据进行展示与计算，从而为数据可视化平台的实现提供数据支持。

　　2)数据访问层。采用 JDBC 数据连接管理方法从对虾产业信息和基地信息等数据库中抽取相关数据，将结果集转换为实体对象，并传输给业务逻辑层。

　　3)业务逻辑层。本层用于封装业务逻辑，即对数据存储层的数据进行分析和处理，以 Json 数据的形式发送给数据表示层，返回用户请求的信息;实现用户管理、数据维护、数据动态展示等功能;将算法预测模型独立为一个模块，使用服务调用的方式实现数据的传输，降低系统的耦合度。

　　4)数据表示层。采用 Servlet 动态网页开发技术实现分析平台 Web 数据可视化，并以此 Web 平台为载体，采用 ECharts 可视化工具将从业务逻辑层获取到的数据以图表的形式直观地展示在 Web 平台的前端页面上，从而，为用户提供一个可以直观查看对虾产业数据的可视化平台。

　　1.2  功能模块设计

　　通过对现有可视化平台进行分析，结合用户需求，对虾养殖产业数据可视化分析平台功能设计如下：数据获取、预测模型、数据可视化分析展示和系统维护。具体功能模块如图 2 所示。

　　各功能模块描述如下：

　　1)数据获取。通过访问各水产交易数据库、交易网站及数据查新 [36] 获取实时价格信息;从基地管理模块获取对虾养殖基地的养殖信息;用户根据本基地的养殖现状导入对虾养殖数据。

　　2)预测模型。以平台录入的对虾价格数据作为训练集对算法模型进行训练，然后以近期采集的价格数据作为预测输入，对对虾价格进行预测。

　　3)数据可视化分析展示。使用 ECharts 开源可视化库，展示与对虾产业相关的数据，包括对虾产量、养殖面积、交易额、历史价格、养殖基地的分布及其发展情况、销售地区分析、加工方式及利润比分析，为对虾养殖行业的从业者提供一定的参考价值。

　　4)系统维护。此模块包括用户管理和数据维护，实现对对虾产业数据进行维护和对用户进行管理等功能。

　　1.3  数据库设计

　　对虾养殖产业数据可视化分析平台采用 MySQL 数据库管理数据信息，并采用 InnoDB 存储引擎进行数据存储，其数据库 ER 图如图 3 所示。

　　系统的数据库主要的数据表有地区信息表、基地信息表和产业信息表，如表 1—表 3 所示。

　　2  对虾产品价格预测模型研究

　　2.1  ARIMA模型

　　在前期研究中，基于 ARIMA 模型、以及基于 BP、 LSTM 和 ARIMA 的组合模型被用 于 价 格 预 测 [37,38] ;基于有序 Logistic 回归分析模型也被用于对虾养殖经济效益影响因素分析 [39] ;作者团队也曾采用基于 WTD-LSTM 模型对对虾养殖水温开展组合预测，并获得不错效果 [40]。本文拟采用的 ARIMA(差分自回归移动平均)模型属于时间序列分析，ARIMA 的前序模型如 AR/MA/ARMA 模型必须满足平稳性的要求，而 ARIMA 模型通过对非平稳性时间序列进行差分处理，使时间序列满足平稳要求，再在此基础上建立差分自回归移动平均模型以实现预测能效。

　　本文采用 ARIMA(p，q，d)模型构建了对虾产品价格预测模型，其中 AR 表示自回归模型，MA 为移动平均模型，为 p、q 为各自对应阶数，d 为使之成为平稳序列所做的差分次数。自回归系数多项式; 为移动平滑系数多项式; 为零均值白噪声序列。

　　2.2  模型建立

　　ARIMA 预测模型构建步骤如下：

　　1)数据预处理。将数据集按对虾种类和时间排好序，并且对缺失的数据做填值处理。

　　2)模型识别。对虾类价格数据的序列，通过单位根检验法检验其平稳性。若检验结果存在单位根，则说明原序列不平稳，需利用 ADF 检验确定差分的阶数 d，对该组序列进行 d 阶差分处理。若没有检验出单位根，则说明原序列平稳，无需进行差分平稳化处理。

　　3)模型定阶。通过类似网格搜索的方式，利用 BIC 准则对不同的 p、q 组合进行评估，确定模型的最佳阶数 p 和 q。

　　4)残差白噪声检验。选择最终模型之后，还需要对残差项进行白噪声检验。如果残差存在自相关，则应考虑增加自回归或滑动平均的解释，重新建模并且进行模型评估，再对新模型的残差进行白噪声检验，如此往复，直到确定残差为白噪声为止。

　　5)模型预测。运用每组对虾价格数据建立起来的模型，预测相应日期对应的的对虾价格，并和实际的价格进行比较。

　　ARIMA 模型建立流程如图 4 所示。

　　3  系统实现

　　本平台集成开发环境为 IDEA、WebStorm，后端开发采用 Spring+Spring MVC+MyBatis 框架，前端开发采用 Vue+IviewUI 架构 ;平台运行基于 MySQL 数据库和 JDK1.8+Tomcat8.0 软件环境。

　　平台主要任务包括：①为养殖生产者提供生产及管理信息，如苗种培育、饲料投喂、养殖成本、产品销售等;②为养殖企业决策者提供整个行业的生产和市场等宏观信息，如相关政策法规、各类对虾及其加工制品的销售情况和所得利润占比、产值、销量、未来市场价格预测等信息，以便及时调整企业经营策略，应对市场波动。

　　系统运行界面如图 5 所示，用户可以查询全国整体对虾产业的情况，地图上的标点代表养殖基地，用柱状图、折线图、饼状图等方式轮播展示历年交易量、交易额、养殖面积等信息;同时可将地图进行放大缩小，从整体到局部了解养殖基地的分布情况。

　　系统还可以展示国内不同地区的对虾产业信息，以广东省为例，如图 6 所示，地图上标点的大小表示对虾养殖基地的规模，点击基地标点，可展示基地当前经营情况、养殖对虾种类、养殖规模等。

　　点击基地标点，进入对虾养殖产业核心基地详情页面，如图 7 所示。

　　页面展示基地概况、近期交易订单等信息，左上方柱状图为池塘投放虾苗量，左下为虾苗投放量和对虾产量，以饼状图的形式表示占比，移动光标至对应扇区，可显示具体数值，页面右边区域展示基地农资的使用、存储信息。

　　图 8 为环境监测界面，选择所使用的传感器设备，采用 ARIMA 算法对对虾养殖池塘的溶解氧、水温、pH 值等参数指标进行预测预警，为现场工作人员进行水质调控提供决策支持。

　　从各大水产交易信息网站中爬取不同种类对虾的历史价格，经过平稳性检验、差分处理，得到平稳的时间序列，再采用 BIC 准则选择符合要求的参数，最终确定模型，输出测试结果。在稳定的市场环境中，ARIMA 模型能够取得较好的预测效果，其结果对对虾养殖企业的决策者把握市场形势有一定借鉴意义。

　　本平台实现了对虾产业信息的高效集成，支持全国范围内各省市大型对虾养殖企业经营状况查询，收录了广东地区各大对虾养殖基地的产量、养殖面积、经营状况等信息;同时以各类图表的方式展示了对虾行业宏观市场信息，提供价格预测等功能，有效解决对虾行业产业信息散乱，市场信息掌握不及时等问题。

　　4  结语

　　本 文 以 对 虾 产 业 数 据 为 基 础， 基 于 ECharts、 Servlet、Tomcat、爬虫等相关技术研制了一个基于 B/S 架构的 Web 对虾产业数据可视化分析平台，平台采用微服务架构进行开发，采用前后端分离架构设计，遵循现代软件工程高内聚低耦合的设计思想，具有良好的可移植性、独立性、可伸缩性、安全性和高可用性。本平台实现了对虾产业信息的高效集成，以各类图表的方式为用户直观地展示了养殖管理信息和宏观市场信息，为对虾企业经营者提供具有一定参考价值的可视化数据支持。