基于Taguchi-Grey关联分析优化凡纳滨对虾智能生物絮团系统控制因子促进可持续养殖

《Aquaculture International》：Optimising the control factors of a smart biofloc aquaculture system for the sustainable production of Pacific whiteleg shrimp, Litopenaeus vannamei

本研究针对传统生物絮团水产养殖系统存在的水质控制难题，通过Taguchi L9正交实验设计结合灰色关联分析，优化了凡纳滨对虾(Litopenaeus vannamei)室内多技术水产养殖系统(IMTAS)的关键控制因子。研究确定了最佳放养密度(200尾/m3)、碳氮比(15)和益生菌添加量(14 ml/L)，证实益生菌剂量是影响系统性能的最主要因素。该研究为智能化对虾养殖系统提供了重要的参数优化方案，对推动水产养殖可持续发展具有重要意义。

　　

随着全球人口预计在2050年达到96亿，水产养殖业面临着巨大的生产压力，需要填补2160万公吨的需求缺口。然而，传统养殖系统普遍存在性能不佳的问题，特别是生物絮团系统作为封闭式零排水系统，如何有效控制由未消耗饲料和粪便排放产生的有机毒素（尤其是氨氮）浓度，一直是制约其发展的主要挑战。

在这样的背景下，凡纳滨对虾(Litopenaeus vannamei)作为全球渔业和水产养殖业的重要物种，其养殖业对全球经济特别是中低收入国家具有重要意义。据统计，2019年全球虾类养殖产量达到655万公吨，价值约406.7亿美元。凡纳滨对虾因其生物经济优势而成为商业上最重要的虾种之一，其生长性能和存活率与肠道微生物群密切相关，这些微生物群能够增强营养消化率、环境适应性和疾病抵抗力。

生物絮团技术虽然提供了可持续的解决方案，但维持理想的水质条件仍然面临诸多挑战。曝气设置通常通过曝气管提供0.5-2 m3/h的气量，确保溶解氧水平(>5 mg/L)满足对虾呼吸和絮团悬浮的需要。絮团体积维持在10-15 ml/L可以平衡营养循环，防止氧气耗竭。研究表明，对放养密度、碳氮比(C/N)和细菌接种剂剂量等关键控制因子的认识不足，导致了产量低下和水质问题。因此，优化这些因子对提高系统性能至关重要。

本研究通过优化传统生物絮团系统的关键控制因子，为室内多技术水产养殖系统(IMTAS)建立最佳设置，该系统集成了物联网(IoT)技术实现实时监控和控制。研究人员采用Taguchi L9正交阵列、灰色关联分析(GRA)和主成分分析(PCA)，系统性地确定了这些因子的最佳水平，使用关键水质参数来增强系统性能。

研究采用Taguchi L9实验设计，设置了三个控制因子的不同水平：放养密度(100、200、300尾/m3)、碳氮比(10、15、20)和益生菌周添加量(7、14、21 ml/L)。实验在9个圆形高密度聚乙烯(HDPE)水箱中进行，配置为零水排放条件。水质参数包括总氨氮(TAN)、亚硝酸盐、磷酸盐、溶解氧(DO)、电导率(EC)、总溶解固体(TDS)、盐度、pH和温度，通过YSI多参数分析仪和紫外分光光度计进行监测。

单响应优化结果显示，不同运行条件对各水质参数的影响各异。Run 7在TAN控制上表现最佳(S/N比0.30)，Run 1在亚硝酸盐(7.92)和磷酸盐(17.96)控制上最优，Run 6在DO(15.26)方面最佳，Run 5在EC(93.86)和温度(29.22)上最优，Run 2在TDS(88.99)上最佳，Run 4在盐度(30.97)控制上最优。

多响应优化通过灰色关联分析将各水质参数的S/N比进行归一化处理，计算灰色关联系数和灰色关联度。结果显示Run 6获得最高的灰色关联度(0.705)和PCA排名第一，表明该条件在综合考虑所有水质参数时表现最优。

主成分分析显示，第一主成分(PC1)解释了系统35.20%的变异，其中溶解氧(DO)的变异贡献最大(0.522)。通过分析控制因子对灰色关联度的影响，确定最佳控制因子组合为：放养密度200尾/m3、碳氮比15、益生菌添加量14 ml/L。进一步分析表明，益生菌剂量是对系统性能影响最大的控制因子。

单响应优化结果

通过Taguchi单响应优化，研究人员确定了各水质参数的最佳运行条件。总氨氮(TAN)在Run 7( stocking density 300尾/m3, C/N ratio 10, probiotic dosage 21 ml/L)表现最佳，信噪比(S/N ratio)为0.30，表明该条件能有效降低氨氮浓度。亚硝酸盐、磷酸盐和pH在Run 1( stocking density 100尾/m3, C/N ratio 10, probiotic dosage 7 ml/L)达到最优，S/N比分别为7.929、17.960和17.588。溶解氧在Run 6( stocking density 200尾/m3, C/N ratio 20, probiotic dosage 7 ml/L)表现最佳(S/N比15.265)，而电导率和温度在Run 5( stocking density 200尾/m3, C/N ratio 15, probiotic dosage 21 ml/L)最优，S/N比分别为93.861和29.227。总溶解固体在Run 2( stocking density 100尾/m3, C/N ratio 15, probiotic dosage 14 ml/L)最佳(S/N比88.986)，盐度在Run 4( stocking density 200尾/m3, C/N ratio 10, probiotic dosage 14 ml/L)最优(S/N比30.972)。

多响应优化分析

基于灰色关联分析(GRA)的多响应优化综合考量了所有水质参数，将不同量纲的响应值归一化处理，计算各实验运行的灰色关联度(GRG)。Run 6获得最高的灰色关联度(0.705)，表明在该条件下系统整体性能最优。Run 4和Run 8分别以0.762和0.680的GRG位列第二和第三。主成分分析(PCA)结果显示，第一主成分(PC1)解释了35.20%的系统变异，其中溶解氧(DO)的变异贡献最大(0.522)。温度与溶解氧呈负相关关系，而电导率(EC)与总氨氮(TAN)表现出密切的协方差关系。

控制因子影响评估

通过对灰色关联度进行Taguchi分析，评估了各控制因子对系统性能的影响程度。益生菌剂量被证明是对系统性能影响最大的控制因子，其次是碳氮比，放养密度的影响相对较小。最佳控制因子水平确定为：放养密度200尾/m3、碳氮比15、益生菌添加量14 ml/L。这一组合在保证水质稳定的同时，实现了系统性能的最优化。

研究结论表明，通过Taguchi-GRA方法系统优化生物絮团系统的控制因子，能够有效提高凡纳滨对虾养殖的水质管理效率。确定的优化参数为智能水产养殖系统(IMTAS)的配置提供了科学依据，其中益生菌剂量的优化对增强系统性能具有最为显著的效果。该方法不仅为对虾养殖的可持续发展提供了技术支撑，也为其他水产养殖系统的优化提供了可借鉴的研究思路。

讨论部分指出，较低的放养密度有助于改善水质，减少氮磷积累，但会限制系统的生产能力。碳氮比高于10有利于促进异养絮团形成，增强氮素同化效率。益生菌剂量在14 ml/L时最能有效平衡微生物群落，促进硝化作用并抑制有害病原菌。这些发现与先前研究一致，证实了精准控制这些因子对生物絮团系统稳定运行的重要性。

该研究的创新之处在于将传统用于工程设计的Taguchi方法应用于水产养殖系统优化，通过多响应分析方法全面评估了系统性能，为智能化养殖管理提供了理论依据和实践指导。未来研究可在大规模IMTAS中验证这些控制因子的有效性，并探索更多可能影响系统性能的因子，进一步推动生物絮团对虾养殖技术的发展。