基于数据驱动的日光温室黄瓜栽培温度控制模型研究

发布时间：2023-05-10 06:02

　　在日光温室栽培中温室环境的智能控制是提高作物产量和品质的关键技术。目前对于一些常见设施蔬菜的栽培环境管理技术研究已经达到了较高的理论水平,但大部分研究结果都是基于特定的试验条件得出的,并不能涵盖实际生产中各种复杂的环境情况。另一方面,以这类试验结果为理论依据建立的温室环境控制模型在实际应用中也不能取得理想的效果。为解决上述问题,本试验提出建立基于数据驱动的日光温室环境温度控制模型。具体的方法是,通过分析高产黄瓜温室中的环境数据建立黄瓜栽培温度的BP神经网络模拟模型,将普通温室的环境数据经数据清洗和聚类后输入对应的模型,此时输出的环境温度值即为对应环境条件下高产温室的环境温度。将此温度值作为普通温室环境温度调控的控制目标,在理论上可以达到提高普通温室温度管理水平的目的。针对温室环境数据的自动化处理,提出了一种将小波包分析与光照强度异常值修正程序相结合的温室环境数据清洗方法以及光照强度为依据的相似环境条件数据聚类方法。在当前国内日光温室黄瓜生产环境控制粗放,硬件设备落后的背景下,本试验建立的设施黄瓜栽培温度模拟模型对指导设施黄瓜栽培温度控制提高设施黄瓜生产水平具有重要意义。主要研究结果如下...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 前言
    1.1 研究背景
    1.2 设施黄瓜生产中的环境温度调控
    1.3 国内外温度控制模型研究进展
        1.3.1 国内外温室环境模型发展概况
        1.3.2 国内外温室作物生长模型发展概况
        1.3.3 智能算法在温室系统建模中的应用
    1.4 神经网络的基本原理
        1.4.1 人工神经元模型
        1.4.2 人工神经网络模型
        1.4.3 BP神经网络
    1.5 研究的目的意义
        1.5.1 研究内容
        1.5.2 技术路线
        1.5.3 目的意义
2 材料与方法
    2.1 试验地点概况
    2.2 试验仪器
        2.2.1 温室环境数据采集
        2.2.2 数据分析与建模软件
    2.3 数据测定方法
        2.3.1 数据测定时间
        2.3.2 温室内环境参数测定方法
        2.3.3 作物长势与产量测定方法
    2.4 模型建立方法
        2.4.1 BP神经网络模型的构建
        2.4.2 温室环境数据的清洗
        2.4.3 以光照强度为依据的温室环境数据聚类
    2.5 模型性能的判定指标
3 结果与分析
    3.1 BP神经网络拓扑结构与模型性能的关系
        3.1.1 输入层与输出层神经元数量的确定
        3.1.2 隐含层层数的确定
        3.1.3 传递函数的确定
        3.1.4 训练函数与模型性能的关系
        3.1.5 隐含层神经元数量与模型性能的关系
        3.1.6 BP神经网络模型的拓扑结构
    3.2 温室环境数据清洗的效果
        3.2.1 温室环境数据的小波包降噪
        3.2.2 光照强度异常值的修正效果
        3.2.3 数据清洗对模型精度的影响
    3.3 以光照强度为依据的环境数据聚类结果
        3.3.1 黄瓜生长期日平均光照强度变化
        3.3.2 不同类别数对聚类效果的影响
        3.3.3 数据的聚类处理对模型模拟精度的影响
    3.4 温室环境温度模拟模型的建立与验证
        3.4.1 初花期环境温度模拟模型的建立
        3.4.2 结瓜期环境温度模拟模型的建立
        3.4.3 模型的验证
        3.4.4 模型在对照温室中的应用效果分析
4 结论与讨论
    4.1 结论
    4.2 讨论
        4.2.1 温室环境数据的价值
        4.2.2 数据量对温室环境模型模拟精度的影响
        4.2.3 地域差异对模型应用效果的影响
        4.2.4 以光照强度为依据来区分环境条件的局限性
        4.2.5 关于参考温度在实际生产中合理性的讨论
参考文献
致谢



本文编号：3813184