【摘要】：針對(duì)智能溫室變量施水的土壤水分預(yù)測(cè)問(wèn)題,建立基于神經(jīng)網(wǎng)絡(luò)的土壤水分動(dòng)態(tài)預(yù)測(cè)模型。以Delaunay三角剖分布點(diǎn)方法為基礎(chǔ),并將種植區(qū)域離散成若干單元。對(duì)各離散單元,模糊其土壤噴灌量,將單位時(shí)間土壤含水量的變化映射成土壤水勢(shì)變化�？紤]到土壤的時(shí)空特性,使用MATLAB建立以預(yù)測(cè)單元表層測(cè)量點(diǎn)土壤含水量、土壤溫度和單位時(shí)間土壤含水量變化量作為輸入,未來(lái)時(shí)刻該單元中心土壤深層含水量作為輸出的BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。利用溫室實(shí)際數(shù)據(jù)驗(yàn)證模型的準(zhǔn)確性,通過(guò)比較兩種神經(jīng)網(wǎng)絡(luò)模型結(jié)果,得出RBF神經(jīng)網(wǎng)絡(luò)模型具有較好實(shí)用性,為溫室精細(xì)化變量施水的實(shí)現(xiàn)奠定基礎(chǔ)。
[Abstract]:A dynamic prediction model of soil moisture based on neural network was established for intelligent greenhouse variable rate water application. Based on Delaunay triangulation distribution point method, the planting area was divided into several units. Considering the temporal and spatial characteristics of soil, the BP neural network and RBF neural network prediction model are established by MATLAB, which are used to predict the soil water content at the surface measurement point, the soil temperature and the change of soil water content per unit time as input, and the deep soil water content at the center of the unit as output in the future. The data validate the accuracy of the model. By comparing the results of the two neural network models, it is concluded that the RBF neural network model has better practicability, which lays a foundation for the realization of variable rate fine water application in greenhouse.
【作者單位】： 西南科技大學(xué)信息工程學(xué)院;中國(guó)物理研究院化工材料研究所;
【基金】：四川省科技廳項(xiàng)目“食用、觀賞、藥用兼用果樹(shù)新種類(lèi)費(fèi)約果(Feijoa)產(chǎn)業(yè)化開(kāi)發(fā)應(yīng)用集成技術(shù)研究”(2014HH0053) 綿陽(yáng)市科技局項(xiàng)目“費(fèi)約果新品種引進(jìn)及商品化栽培技術(shù)研究”(14N-03-3)
【分類(lèi)號(hào)】：S152.7;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 岑紅蕾;任玲;馬蓉;;神經(jīng)網(wǎng)絡(luò)在棉花質(zhì)量流量預(yù)測(cè)中的建模研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2013年12期

2 時(shí)君偉;胡敏英;武志富;任振輝;;基于神經(jīng)網(wǎng)絡(luò)的視覺(jué)圖像處理研究[J];安徽農(nóng)業(yè)科學(xué);2009年19期

3 蘇超;方崇;黃偉軍;;SOM神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)旱情評(píng)價(jià)中的應(yīng)用[J];人民黃河;2011年07期

4 陳莉;朱衛(wèi)東;;粗集-神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)工程項(xiàng)目評(píng)估中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2006年07期

5 王艷春;張金政;李紹靜;王承明;;基于Matlab的神經(jīng)網(wǎng)絡(luò)仿真試驗(yàn)設(shè)計(jì)[J];安徽農(nóng)業(yè)科學(xué);2012年29期

6 張際先;神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)工程中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);1995年01期

7 牛之賢;李武鵬;張文杰;;基于AIGA-BP神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年02期

8 樓文高,劉遂慶;區(qū)域水資源可持續(xù)利用評(píng)價(jià)的神經(jīng)網(wǎng)絡(luò)方法[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;2004年02期

9 潘大豐,李群;神經(jīng)網(wǎng)絡(luò)多指標(biāo)綜合評(píng)價(jià)方法研究[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;1999年02期

10 吳茜;楊宇虹;徐照麗;晉艷;郭焱;勞彩蓮;;應(yīng)用局部神經(jīng)網(wǎng)絡(luò)和可見(jiàn)/近紅外光譜法估測(cè)土壤有效氮磷鉀[J];光譜學(xué)與光譜分析;2014年08期

相關(guān)會(huì)議論文 前10條

1 王二虎;仝文偉;魯建立;霍繼超;王娟;;暴雨過(guò)程對(duì)不同深度土壤含水量的影響分析[A];第27屆中國(guó)氣象學(xué)會(huì)年會(huì)現(xiàn)代農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2010年

2 王春梅;左強(qiáng);楊鶴松;;應(yīng)用隨機(jī)組合方法分析不同尺度表層土壤含水量合理取樣數(shù)目[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)學(xué)術(shù)年會(huì)論文集第二分冊(cè)[C];2005年

3 武紅旗;李美婷;蔣平安;盧響軍;付彥博;;北疆典型鹽漬土土壤含水量光譜特征研究[A];面向未來(lái)的土壤科學(xué)（上冊(cè)）——中國(guó)土壤學(xué)會(huì)第十二次全國(guó)會(huì)員代表大會(huì)暨第九屆海峽兩岸土壤肥料學(xué)術(shù)交流研討會(huì)論文集[C];2012年

4 匡亞紅;陸桂華;吳志勇;;中國(guó)近60年模擬土壤含水量時(shí)空特征分析[A];中國(guó)水文科技新發(fā)展——2012中國(guó)水文學(xué)術(shù)討論會(huì)論文集[C];2012年

5 紀(jì)瑞鵬;班顯秀;張淑杰;張玉書(shū);馮銳;陳鵬獅;;基于遙感的農(nóng)田土壤含水量面預(yù)報(bào)方法研究[A];中國(guó)氣象學(xué)會(huì)2006年年會(huì)“衛(wèi)星遙感技術(shù)進(jìn)展及應(yīng)用”分會(huì)場(chǎng)論文集[C];2006年

6 鄒洪濤;黃毅;張玉龍;孫占祥;;東北風(fēng)沙半干旱區(qū)不同栽培模式春播前土壤墑情變化的研究[A];中國(guó)農(nóng)作制度研究進(jìn)展2008[C];2008年

7 顧靜;;西安地區(qū)麥地不同降水年份土壤含水量研究[A];中國(guó)地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

8 張素芳;馬禮;;壩上高原林草地表層土壤含水量對(duì)比研究[A];自然地理學(xué)與生態(tài)安全學(xué)術(shù)論文摘要集[C];2012年

9 王學(xué)軍;李懷耿;崔少君;;土壤含水量監(jiān)測(cè)與智能灌溉系統(tǒng)應(yīng)用研究[A];濟(jì)寧市技術(shù)創(chuàng)新與可持續(xù)發(fā)展論文選編[C];2005年

10 黨修伍;周景春;張永芹;孔妲;張存嶺;陳若禮;;0-50cm土壤水分變化規(guī)律分析[A];中國(guó)氣象學(xué)會(huì)2007年年會(huì)生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會(huì)場(chǎng)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前5條

1 趙永春;農(nóng)田保墑是關(guān)鍵[N];沈陽(yáng)日?qǐng)?bào);2006年

2 記者 張梅　實(shí)習(xí)生 顏薇;我省部分地區(qū)旱情持續(xù)[N];陜西日?qǐng)?bào);2009年

3 記者 李寧波;一場(chǎng)雨雪潤(rùn)了干渴運(yùn)城[N];山西日?qǐng)?bào);2009年

4 記者 許怡平;全市旱情基本解除[N];安慶日?qǐng)?bào);2011年

5 楊建輝;華池伏旱加劇 45萬(wàn)畝大秋作物面臨威脅[N];甘肅經(jīng)濟(jì)日?qǐng)?bào);2007年

相關(guān)博士學(xué)位論文 前6條

1 王吉權(quán);BP神經(jīng)網(wǎng)絡(luò)的理論及其在農(nóng)業(yè)機(jī)械化中的應(yīng)用研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2011年

2 刁萬(wàn)英;基于可見(jiàn)-近紅外波段反射率估算表層土壤含水量[D];中國(guó)農(nóng)業(yè)大學(xué);2016年

3 朱鶴;面向農(nóng)業(yè)用水管理的土壤含水量多源數(shù)據(jù)同化方法與應(yīng)用研究[D];中國(guó)水利水電科學(xué)研究院;2016年

4 王向華;基于LSMEM模型的黑河流域土壤含水量遙感反演研究[D];中國(guó)地質(zhì)大學(xué)(北京);2017年

5 易小波;西北干旱區(qū)土壤含水量時(shí)空變化特征及土壤物理性質(zhì)模擬試驗(yàn)研究[D];西北農(nóng)林科技大學(xué);2017年

6 王立權(quán);雪被—農(nóng)田土壤復(fù)合系統(tǒng)復(fù)雜性分析及水熱互作效應(yīng)研究[D];東北農(nóng)業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李林蔚;縣域耕地質(zhì)量評(píng)價(jià)、更新及其時(shí)空格局變化分析研究[D];華中農(nóng)業(yè)大學(xué);2015年

2 高銘悅;基于神經(jīng)網(wǎng)絡(luò)的安徽省糧食產(chǎn)量組合預(yù)測(cè)研究[D];安徽農(nóng)業(yè)大學(xué);2016年

3 陳巧燕;基于BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的耕地質(zhì)量評(píng)價(jià)方法研究[D];福建農(nóng)林大學(xué);2017年

4 莊嚴(yán);農(nóng)業(yè)節(jié)水技術(shù)潛力評(píng)價(jià)方法研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2006年

5 李武鵬;基于AIGA-BP神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)研究[D];太原理工大學(xué);2011年

6 黃飛;基于AMSR-E和BP神經(jīng)網(wǎng)絡(luò)的川中丘陵區(qū)土壤水分反演[D];四川農(nóng)業(yè)大學(xué);2012年

7 陳劍;面向精細(xì)農(nóng)業(yè)的智能公共服務(wù)平臺(tái)關(guān)鍵技術(shù)研究與開(kāi)發(fā)[D];浙江工商大學(xué);2014年

8 祝倩;晉西北黃土區(qū)三種植被類(lèi)型土壤含水量變化特征研究[D];山西大學(xué);2014年

9 張廣波;基于3S技術(shù)的蘋(píng)果園信息提取與管理系統(tǒng)開(kāi)發(fā)[D];山東農(nóng)業(yè)大學(xué);2015年

10 柯麗娟;遙感反演土壤含水量在灌溉用水管理中的應(yīng)用研究[D];蘭州交通大學(xué);2015年

，

本文編號(hào)：2183824