發(fā)布時(shí)間：2020-09-11 20:44

　　 水稻生長(zhǎng)預(yù)測(cè)是農(nóng)業(yè)精確化管理關(guān)鍵的一環(huán)。如果能夠建立預(yù)測(cè)模型,在實(shí)際生產(chǎn)之前根據(jù)輸入的環(huán)境參數(shù)值,預(yù)測(cè)出對(duì)應(yīng)的水稻長(zhǎng)勢(shì),進(jìn)而估算最終產(chǎn)量,將對(duì)增強(qiáng)稻田生產(chǎn)潛力,指導(dǎo)耕作方面有著積極意義。水稻生長(zhǎng)發(fā)育本就是一品種與環(huán)境因素共同作用復(fù)雜過(guò)程,故其預(yù)測(cè)模型建立也是一非線性復(fù)雜問(wèn)題。目前,在水稻生長(zhǎng)預(yù)測(cè)領(lǐng)域中存在兩個(gè)不同的思路:一個(gè)是通過(guò)模擬水稻的同化作用、干物質(zhì)分配等生理過(guò)程所建立的作物生長(zhǎng)模型,其可給出水稻在生長(zhǎng)要素限定條件下的產(chǎn)量。另一個(gè)是基于數(shù)據(jù)分析的水稻生長(zhǎng)預(yù)測(cè)建模,挖掘水稻產(chǎn)量和溫度、光照、水分等環(huán)境要素間的隱藏關(guān)系,進(jìn)而預(yù)測(cè)其產(chǎn)量,主流方法有統(tǒng)計(jì)模型和神經(jīng)網(wǎng)絡(luò)兩種。通過(guò)分析各生育期環(huán)境因素與生長(zhǎng)量復(fù)雜關(guān)系,論文采用改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型,其模型可以分段預(yù)測(cè)不同周期長(zhǎng)勢(shì)狀況,進(jìn)而預(yù)測(cè)最終產(chǎn)量。在研究水稻的生長(zhǎng)發(fā)育特性和近年長(zhǎng)勢(shì)歷史數(shù)據(jù)的基礎(chǔ)上,論文給出兼顧生育周期及各期關(guān)鍵生長(zhǎng)指標(biāo)的水稻生長(zhǎng)量定義,以此表征各生育期中水稻的長(zhǎng)勢(shì),運(yùn)用Elman神經(jīng)網(wǎng)絡(luò)確定各生育期中環(huán)境因素與長(zhǎng)勢(shì)的關(guān)系。同時(shí)為了避免算法容易陷入局部最優(yōu),論文提出了用改進(jìn)遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的初始權(quán)值與閾值的解決方案。對(duì)返青期、分蘗期、拔節(jié)孕穗期、抽穗揚(yáng)花期、灌漿期、成熟期六個(gè)生育周期分別建模,并針對(duì)六期的生長(zhǎng)量和產(chǎn)量的關(guān)系獨(dú)立建模,訓(xùn)練樣本由多種環(huán)境參數(shù)和各階段水稻生理指標(biāo)構(gòu)成,實(shí)驗(yàn)利用若干年的歷史樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練,得出模型各層權(quán)重,實(shí)測(cè)改進(jìn)后的模型的精準(zhǔn)度有所提升。項(xiàng)目組基于物聯(lián)網(wǎng)技術(shù),通過(guò)溫度、光照、水位等傳感器感知環(huán)境數(shù)據(jù)變化,ZigBee模塊融合環(huán)境數(shù)據(jù)并傳輸至匯聚網(wǎng)關(guān),由GPRS模塊上傳至上位機(jī),數(shù)據(jù)被保存至云服務(wù)數(shù)據(jù)端,利用改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型,完成網(wǎng)絡(luò)的在線訓(xùn)練和產(chǎn)量預(yù)測(cè)。目前該系統(tǒng)已經(jīng)交戶實(shí)測(cè),其可動(dòng)態(tài)預(yù)測(cè)各生育期中水稻生長(zhǎng)狀況,對(duì)輔助精準(zhǔn)灌溉提供決策支持。
【學(xué)位單位】：揚(yáng)州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：S511;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 卓鵬程;朱穎;鄔雯暄;舒俊清;夏唐斌;;Real-Time Fault Diagnosis for Gas Turbine Blade Based on Output-Hidden Feedback Elman Neural Network[J];Journal of Shanghai Jiaotong University(Science);2018年S1期

2 張彥清;劉大銘;白冰;李春樹(shù);;基于外反饋Elman的離心式壓縮機(jī)透平轉(zhuǎn)速預(yù)測(cè)[J];微型機(jī)與應(yīng)用;2016年02期

3 徐曉龍;溫陽(yáng);張商州;;Elman神經(jīng)網(wǎng)絡(luò)仿真及應(yīng)用[J];智能機(jī)器人;2016年04期

4 湯井田;曹揚(yáng);肖嘉瑩;郭曲練;;Predication of plasma concentration of remifentanil based on Elman neural network[J];Journal of Central South University;2013年11期

5 朱春穎;沈海軍;顧豪;殷忠敏;李燕;;Elman網(wǎng)絡(luò)模型參考自適應(yīng)控制在鎳氫電池智能充電中的應(yīng)用[J];工業(yè)儀表與自動(dòng)化裝置;2013年04期

6 吳微;徐東坡;李正學(xué);;Convergence of gradient method for Elman networks[J];Applied Mathematics and Mechanics(English Edition);2008年09期

7 齊仲紀(jì);劉漫丹;;基于文化算法的新型Elman網(wǎng)絡(luò)的過(guò)程建模方法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

8 謝慶國(guó) ,萬(wàn)淑蕓 ,易燕春 ,趙金 ,沈軼;Speed-Sensorless Control Using Elman Neural Network[J];Journal of Systems Engineering and Electronics;2001年04期

9 張惠玲;劉曉曉;楊林玉;;基于小波-Elman神經(jīng)網(wǎng)絡(luò)的信號(hào)交叉口首車(chē)到達(dá)時(shí)間預(yù)測(cè)[J];科學(xué)技術(shù)與工程;2019年28期

10 王雪麗;;一種基于Elman改進(jìn)的網(wǎng)絡(luò)入侵檢測(cè)算法[J];湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2017年04期

相關(guān)會(huì)議論文 前10條

1 Yanqi Zheng;Zoujing Yao;Heng Zhou;Chunjie Yang;Haifeng Zhang;Mingliang Li;Lei Fan;;Power Generation Forecast of Top Gas Recovery Turbine Unit Based on Elman Model[A];第37屆中國(guó)控制會(huì)議論文集（E）[C];2018年

2 Bo Meng;;Improved Elman Neural Network and Its Application[A];第30屆中國(guó)控制與決策會(huì)議論文集（1）[C];2018年

3 陳力;呂亭亭;王凱;;基于Elman網(wǎng)絡(luò)的煤與瓦斯突出預(yù)測(cè)研究[A];煤礦機(jī)電一體化新技術(shù)創(chuàng)新與發(fā)展2012學(xué)術(shù)年會(huì)論文集[C];2012年

4 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九屆中國(guó)控制會(huì)議論文集（一）[C];2000年

5 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2005年

6 盧志剛;冀爾康;李偉;吳士昌;;基于混合Elman網(wǎng)絡(luò)的非線性自適應(yīng)逆控制[A];第七屆青年學(xué)術(shù)會(huì)議論文集[C];2005年

7 蘇剛;王玲玲;徐永生;;基于改進(jìn)Elman網(wǎng)絡(luò)的燃?xì)庳?fù)荷預(yù)測(cè)[A];第十七屆全國(guó)過(guò)路控制會(huì)議論文集[C];2006年

8 李界家;張雙喜;郭宏偉;;基于改進(jìn)型Elman網(wǎng)絡(luò)的陽(yáng)極效應(yīng)故障趨勢(shì)預(yù)測(cè)研究[A];冶金企業(yè)自動(dòng)化、信息化與創(chuàng)新——全國(guó)冶金自動(dòng)化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

9 張琦;邵立福;;基于Elman神經(jīng)網(wǎng)絡(luò)的液壓泵故障診斷模型研究[A];機(jī)床與液壓學(xué)術(shù)研討會(huì)論文集[C];2004年

10 張琦;邵立福;;基于Elman神經(jīng)網(wǎng)絡(luò)的液壓泵故障診斷模型研究[A];第三屆全國(guó)流體傳動(dòng)及控制工程學(xué)術(shù)會(huì)議論文集（第二卷）[C];2004年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 小樂(lè);擺脫媒體局限 實(shí)地考察中國(guó)[N];中國(guó)社會(huì)科學(xué)報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 時(shí)小虎;Elman神經(jīng)網(wǎng)絡(luò)與進(jìn)化算法的若干理論研究及應(yīng)用[D];吉林大學(xué);2006年

2 王麗敏;計(jì)算智能改進(jìn)方法及其在金融與環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2007年

3 楊杰;多工序制造質(zhì)量智能預(yù)測(cè)建模機(jī)理研究及應(yīng)用[D];華南理工大學(xué);2011年

4 郭晉;神經(jīng)網(wǎng)絡(luò)模型在預(yù)測(cè)急性心肌梗死中的應(yīng)用及模型預(yù)測(cè)能力的比較研究[D];北京協(xié)和醫(yī)學(xué)院;2013年

5 李鵬華;量子計(jì)算在動(dòng)態(tài)遞歸與自組織神經(jīng)網(wǎng)絡(luò)中的機(jī)理及應(yīng)用研究[D];重慶大學(xué);2012年

6 韓旭明;若干改進(jìn)的人工免疫算法及其在大氣環(huán)境領(lǐng)域中的應(yīng)用[D];吉林大學(xué);2010年

7 姜春福;基于神經(jīng)網(wǎng)絡(luò)的機(jī)器人模型辨識(shí)與控制研究[D];北京工業(yè)大學(xué);2003年

8 李西平;塔機(jī)超聲安全預(yù)警目標(biāo)識(shí)別的神經(jīng)網(wǎng)絡(luò)方法研究[D];西安建筑科技大學(xué);2015年

9 劉長(zhǎng)義;基于不確定性測(cè)度的機(jī)械零部件再制造加工質(zhì)量控制理論與方法研究[D];合肥工業(yè)大學(xué);2015年

10 王永利;區(qū)域客戶端能源綜合需求側(cè)管理理論及應(yīng)用研究[D];華北電力大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 朱海波;基于改進(jìn)Elman NN回轉(zhuǎn)窯溫度軟測(cè)量建模技術(shù)的研究與應(yīng)用[D];遼寧科技大學(xué);2019年

2 張琪琪;改進(jìn)粒子群算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)[D];長(zhǎng)安大學(xué);2019年

3 李先超;基于BFA-Elman神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[D];華北電力大學(xué);2019年

4 周鶴;基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的水稻生長(zhǎng)預(yù)測(cè)[D];揚(yáng)州大學(xué);2019年

5 王辛?xí)?PSO-GA-Elman及CFD在MBR模擬仿真中的應(yīng)用研究[D];天津工業(yè)大學(xué);2019年

6 竇英杰;基于混合優(yōu)化模型的短期風(fēng)速預(yù)測(cè)[D];蘭州大學(xué);2019年

7 楊芳君;基于模糊Elman-DIOC網(wǎng)絡(luò)與IA~*算法的移動(dòng)機(jī)器人路徑規(guī)劃研究[D];太原理工大學(xué);2019年

8 袁春雨;基于GA-Elman神經(jīng)網(wǎng)絡(luò)的無(wú)創(chuàng)連續(xù)血壓測(cè)量方法的研究[D];吉林大學(xué);2019年

9 鄒麗萍;Elman網(wǎng)絡(luò)對(duì)日總輻射曝輻量預(yù)估的應(yīng)用研究[D];青島科技大學(xué);2019年

10 楊彬彬;基于Elman-GARCH和因子觀點(diǎn)的Black-Litterman模型資產(chǎn)配置[D];廣西師范學(xué)院;2018年

本文編號(hào)：2817152