基于神经网络的温室土壤水分动态预测模型研究

发布时间：2018-08-14 19:03

【摘要】：针对智能温室变量施水的土壤水分预测问题,建立基于神经网络的土壤水分动态预测模型。以Delaunay三角剖分布点方法为基础,并将种植区域离散成若干单元。对各离散单元,模糊其土壤喷灌量,将单位时间土壤含水量的变化映射成土壤水势变化。考虑到土壤的时空特性,使用MATLAB建立以预测单元表层测量点土壤含水量、土壤温度和单位时间土壤含水量变化量作为输入,未来时刻该单元中心土壤深层含水量作为输出的BP神经网络和RBF神经网络预测模型。利用温室实际数据验证模型的准确性,通过比较两种神经网络模型结果,得出RBF神经网络模型具有较好实用性,为温室精细化变量施水的实现奠定基础。
[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.
【作者单位】： 西南科技大学信息工程学院;中国物理研究院化工材料研究所;
【基金】：四川省科技厅项目“食用、观赏、药用兼用果树新种类费约果(Feijoa)产业化开发应用集成技术研究”(2014HH0053) 绵阳市科技局项目“费约果新品种引进及商品化栽培技术研究”(14N-03-3)
【分类号】：S152.7;TP183

【相似文献】

相关期刊论文 前10条

1 岑红蕾;任玲;马蓉;;神经网络在棉花质量流量预测中的建模研究[J];农业网络信息;2013年12期

2 时君伟;胡敏英;武志富;任振辉;;基于神经网络的视觉图像处理研究[J];安徽农业科学;2009年19期

3 苏超;方崇;黄伟军;;SOM神经网络在农业旱情评价中的应用[J];人民黄河;2011年07期

4 陈莉;朱卫东;;粗集-神经网络在农业工程项目评估中的应用[J];农业工程学报;2006年07期

5 王艳春;张金政;李绍静;王承明;;基于Matlab的神经网络仿真试验设计[J];安徽农业科学;2012年29期

6 张际先;神经网络在农业工程中的应用[J];农业工程学报;1995年01期

7 牛之贤;李武鹏;张文杰;;基于AIGA-BP神经网络的粮食产量预测研究[J];计算机工程与应用;2012年02期

8 楼文高,刘遂庆;区域水资源可持续利用评价的神经网络方法[J];农业系统科学与综合研究;2004年02期

9 潘大丰,李群;神经网络多指标综合评价方法研究[J];农业系统科学与综合研究;1999年02期

10 吴茜;杨宇虹;徐照丽;晋艳;郭焱;劳彩莲;;应用局部神经网络和可见/近红外光谱法估测土壤有效氮磷钾[J];光谱学与光谱分析;2014年08期

相关会议论文 前10条

1 王二虎;仝文伟;鲁建立;霍继超;王娟;;暴雨过程对不同深度土壤含水量的影响分析[A];第27届中国气象学会年会现代农业气象防灾减灾与粮食安全分会场论文集[C];2010年

2 王春梅;左强;杨鹤松;;应用随机组合方法分析不同尺度表层土壤含水量合理取样数目[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第二分册[C];2005年

3 武红旗;李美婷;蒋平安;卢响军;付彦博;;北疆典型盐渍土土壤含水量光谱特征研究[A];面向未来的土壤科学（上册）——中国土壤学会第十二次全国会员代表大会暨第九届海峡两岸土壤肥料学术交流研讨会论文集[C];2012年

4 匡亚红;陆桂华;吴志勇;;中国近60年模拟土壤含水量时空特征分析[A];中国水文科技新发展——2012中国水文学术讨论会论文集[C];2012年

5 纪瑞鹏;班显秀;张淑杰;张玉书;冯锐;陈鹏狮;;基于遥感的农田土壤含水量面预报方法研究[A];中国气象学会2006年年会“卫星遥感技术进展及应用”分会场论文集[C];2006年

6 邹洪涛;黄毅;张玉龙;孙占祥;;东北风沙半干旱区不同栽培模式春播前土壤墒情变化的研究[A];中国农作制度研究进展2008[C];2008年

7 顾静;;西安地区麦地不同降水年份土壤含水量研究[A];中国地理学会2007年学术年会论文摘要集[C];2007年

8 张素芳;马礼;;坝上高原林草地表层土壤含水量对比研究[A];自然地理学与生态安全学术论文摘要集[C];2012年

9 王学军;李怀耿;崔少君;;土壤含水量监测与智能灌溉系统应用研究[A];济宁市技术创新与可持续发展论文选编[C];2005年

10 党修伍;周景春;张永芹;孔妲;张存岭;陈若礼;;0-50cm土壤水分变化规律分析[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年

相关重要报纸文章 前5条

1 赵永春;农田保墒是关键[N];沈阳日报;2006年

2 记者 张梅　实习生 颜薇;我省部分地区旱情持续[N];陕西日报;2009年

3 记者 李宁波;一场雨雪润了干渴运城[N];山西日报;2009年

4 记者 许怡平;全市旱情基本解除[N];安庆日报;2011年

5 杨建辉;华池伏旱加剧 45万亩大秋作物面临威胁[N];甘肃经济日报;2007年

相关博士学位论文 前6条

1 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年

2 刁万英;基于可见-近红外波段反射率估算表层土壤含水量[D];中国农业大学;2016年

3 朱鹤;面向农业用水管理的土壤含水量多源数据同化方法与应用研究[D];中国水利水电科学研究院;2016年

4 王向华;基于LSMEM模型的黑河流域土壤含水量遥感反演研究[D];中国地质大学(北京);2017年

5 易小波;西北干旱区土壤含水量时空变化特征及土壤物理性质模拟试验研究[D];西北农林科技大学;2017年

6 王立权;雪被—农田土壤复合系统复杂性分析及水热互作效应研究[D];东北农业大学;2014年

相关硕士学位论文 前10条

1 李林蔚;县域耕地质量评价、更新及其时空格局变化分析研究[D];华中农业大学;2015年

2 高铭悦;基于神经网络的安徽省粮食产量组合预测研究[D];安徽农业大学;2016年

3 陈巧燕;基于BP神经网络和支持向量机的耕地质量评价方法研究[D];福建农林大学;2017年

4 庄严;农业节水技术潜力评价方法研究[D];中国农业科学院;2006年

5 李武鹏;基于AIGA-BP神经网络的粮食产量预测研究[D];太原理工大学;2011年

6 黄飞;基于AMSR-E和BP神经网络的川中丘陵区土壤水分反演[D];四川农业大学;2012年

7 陈剑;面向精细农业的智能公共服务平台关键技术研究与开发[D];浙江工商大学;2014年

8 祝倩;晋西北黄土区三种植被类型土壤含水量变化特征研究[D];山西大学;2014年

9 张广波;基于3S技术的苹果园信息提取与管理系统开发[D];山东农业大学;2015年

10 柯丽娟;遥感反演土壤含水量在灌溉用水管理中的应用研究[D];兰州交通大学;2015年

，

本文编号：2183824