养殖水域溶解氧的产生与消耗过程对于水草布局、人工增氧等具有重要的价值,因此研究溶解氧的机理模型非常重要。光合作用对于养殖水域溶解氧产生至关重要,但是文献上鲜有围绕光合作用建立养殖水域溶解氧机理模型。针对该问题,本文考虑了河蟹养殖水域的各种环境因素,考虑光合作用活动,研究了溶解氧的机理建模和增氧控制方案,具体工作如下:1.针对以水草为初级生产者的河蟹养殖池塘,建立了溶解氧系统动力学模型。综合考虑了水生大型植物的光合作用和呼吸作用、水气界面氧气交换、增氧机增氧、水柱和池底中有机物质氧化分解、河蟹的呼吸作用对溶解氧变化的影响,以常微分方程的形式建立了溶解氧系统动力学模型并模拟了蟹塘中溶解氧的变化情况,重点评估了水草和增氧机的增氧能力,通过灵敏度分析来衡量各参数对溶解氧数值的影响程度。结果表明,模型拟合值与实验值的平均绝对百分比误差为7.8%。模拟结果显示,水草的光合作用是蟹塘中溶解氧的主要来源,占总产氧的88.2%,9.2%的氧气来自机械增氧,2.6%的氧气来自大气复氧。水体中有机物的分解消耗了86.9%的溶解氧,是溶解氧的主要消耗项,水草的呼吸作用消耗了约13.1%的氧气,而河蟹呼吸对溶解氧的消耗占比较小,不足总耗氧的0.1%。该模型探明了河蟹养殖水域的溶解氧产生和消耗机理。2.建立了河蟹养殖水域溶解氧的垂直分布模型。该垂直模型结合了溶解氧动力学模型,以扩散理论为基础,考虑了氧分子在水中的移动以及太阳辐射在水中的衰减,并模拟了不同参数值时水体溶解氧的分布与变化情况。在对采集到的溶解氧和水温多层数据进行数据修复后,利用多项式回归和Crank-Nicolson有限差分法来进行溶解氧数据的扩充和扩散方程的数值求解。通过模拟发现蟹塘底层水体中的溶解氧依赖于上层水体的补充,底层水体相较于上层水体更容易发生缺氧状况。当水体的消光系数增加、扩散系数减小或者沉积物浓度上升时,池底溶解氧浓度会有明显下降。结果表明,所建立的垂直模型可以正确反映出溶解氧的分层情况和变化趋势,该模型对揭示河蟹养殖池塘溶解氧的空间分布具有重要的意义。3.研究了基于神经网络PID（Proportional-Integral-Derivative Neural Network,PIDNN）的蟹塘溶解氧的自动控制方案。该控制方案利用全连接神经网络的误差反向传播自动更新权重矩阵,实现对传统PID控制器的三个参数kp、ki、kd的自动调整。利用加入动量项的梯度下降法进行参数更新,同时将溶解氧动态模中的机械增氧项参数进行优化,建立增氧机增氧速率与电机功率的关系式。仿真结果表明,在低太阳辐射条件下该控制方案可以将仿真值与溶解氧浓度设定值的RMSE误差控制在0.15以内,相比于传统的人工增氧控制方案PIDNN可以实现对溶解氧的实时、有效控制。本文所建立的溶解氧系统动力学模型为增氧管理和和河蟹养殖水域水草布局提供理论基础;溶解氧垂直模型有利于农户掌握溶解氧浓度的空间分布规律,有利于溶解氧传感器布点、精准预测;基于PIDNN的溶解氧控制方案降低了水体的低氧风险。