温室小气候建模方法研究现状与展望

综述了温室小气候模型的发展现状,包括依据能量和物质平衡的物理建模、线性和非线性的系统辨识建模,如递归最小二乘算法、神经网络等.并分别采用物理建模和神经网络系统辨识方法,通过实验对温室小气候进行建模与仿真.同时,指出了这些方法存在的一些局限性,最后就温室小气候杂交建模方法的发展趋势进行了展望.     

温室小气候环境监测预警技术及应用研究

为避免极端环境对作物生长造成损伤,提出一种基于温室小气候模型的环境监测预警技术。通过无线传感器网络实时获取温室环境数据,建立温室小气候模型,将模型预测结果与预警指标库中作物受灾指标对比,及时预测温室异常环境。该技术以LabVIEW为开发平台,实现温室环境自动监测、数据管理、温室小气候模拟、异常环境预警和远程发布等功能。结果表明,该技术能够有效对温室小气候环境进行实时监测预警,可靠性高,具有较好的实用价值。     

温室环境智能化控制数学模型的研究

提出了一种新的温室环境智能化控制的建模思路和方法，分别研究和建立了温度控制、光照控制才湿度控制的模型，并对模型进行了实验验证。研究结论为温度环境控制的最优化提供了依据。     

基于RBF神经网络的温室温度调控研究

根据光合作用对温室环境因子的非线性,结合RBF神经网络对非线性的良好辨识能力,研究出一种温度调控技术。结合温室光照、温度变化规律,运用RBF神经网络建立温室生菜光合速率与二者的量化模型,通过生菜的光合作用速率来衡量生菜生长状况,在温室小气候里实现对生菜产量的量化控制。该模型预测精度较高,可作为温室测控系统环境因子调控依据。     

温室小气候测量试验设计及其夏季蒸腾研究

温室内小气候环境参数的有效观测关系到温室小气候模拟模型的精度，而温室内作物的蒸腾既影响到潜热和显热交换，又是确定温室作物肥水灌溉的主要依据。本研究设计了一套用于温室小气候和作物蒸腾测量的试验装置，并在夏季南方现代化温室内进行了观测。结果分析表明，试验装置可以用于温室小气候的测量，且波恩比法适于对夏季高温、高湿条件下南方现代化温室中作物蒸腾的模拟，夏季温室内蒸腾速率随净辐射和空气饱和冠层水汽压差的增加而线性增大，蒸腾速率对冠层以上不同高度水汽压差的变化不敏感。     

温室环境的支持向量机回归建模

温室气候是一个复杂的动态系统，传统的建模方法很难建立精确有效的温室气候模型。本文引入一种支持向量机回归建模方法来建立温室气候模型，这种方法根据历史数据建立气候模型，并用当前数据检验修正模型。对实际温室数据进行了建模实验，取得了较好的效果。     

基于时间自动机的温室环境监控物联网系统建模

由于温室环境的复杂性,系统设计的不合理会直接导致数据的不确定和系统的不稳定。基于体系结构的物联网层次模型对物联网的实施具有指导意义,但是体系结构模型没有提供系统建模工具和模型验证的方法。基于时间自动机理论的建模与模型验证方法是一种对物联网系统建模的有效手段,能在系统设计时提高系统的稳定性,保证系统设计的正确性。通过对智能温室监控物联网系统的分析,从系统实施的角度重新对温室环境监控物联网系统进行了层次划分,利用时间自动机理论对系统中的相应组件进行建模,在对各个子系统分别建模的基础上形成了时间自动机网络模型。最后利用时间自动机建模工具UPPAAL,对已经建立的形式化模型进行了系统逻辑正确性验证与系统执行时序验证。结果表明,利用时间自动机理论及其建模工具UPPAAL可以对智能温室监控物联网系统进行建模及模型验证,可以在系统设计时对系统进行准确的模型分析,避免系统设计错误,降低系统设计缺陷,在系统投入运行中规避设计风险,从而提升系统的稳定性与可靠性,确保系统设计的正确性。     

基于BP神经网络的温室生菜CO2施肥研究

目前,温室CO2施肥主要采用试验定性分析确定适合范围,难以实现高精度温室产业生产控制。根据光合作用对温室环境因子的非线性,结合BP神经网络对非线性的良好辨识能力,研究出一种CO2施肥技术。结合温室光照、CO2浓度变化规律以及温室生菜生长规律,运用BP神经网络建立温室生菜光合速率与二者的量化模型,预测出在不同温室环境条件下,通过生菜的光合作用速率来衡量生菜生长状况,在温室小气候条件下实现对生菜产量的量化控制。     

现代农业温室环境控制策略研究进展

温室能够有效改善茄科作物(包括番茄、辣椒、茄子等)生长过程,温室环境控制策略对作物实现高效高产至关重要。为了充分利用国内外的研究成果、促进我国温室环境控制策略的研究应用,分别从常规比例微积分(Proportional Integral Derivative,PID)控制、模糊控制、人工智能控制、温室小气候模型和作物生长模型等5个方面,综述了温室环境控制策略的研究进展。针对目前我国该领域存在的问题,提出了今后应将智能温室控制与作物生长模型耦合,构建智慧型作物生长模型;针对不同区域作物的生长预测,与遥感技术进行结合,增强模型的普适性,形成具有中国特色的温室环境控制策略。     

春季温室番茄内外气象要素变化规律初步研究

为揭示温室内小气候变化规律及其与外界环境的相关性,在湖北省鄂州节水示范基地开展春季温室番茄的田间试验,对室内外10cm地温、空气温湿度、光照、蒸发、水汽压差等主要气象要素进行了初步研究。通过分析室内外各因子在不同天气条件下的变化特点,得到内外各气象间存在一定的相关性,然后利用数值模拟的方法建立了温室内外气温、光照强度和累计蒸发量之间的拟合方程,其拟合相关度较高：除阴雨天室内外气温相关系数为0.6088,其他相关系数均>0.90。试验成果为基于室外气象的温室小气候预测模型的建立提供了可靠的理论依据,同时对提高温室环境管理水平具有一定指导意义。     

农业温室微气候研究综述与理论模型分析

根据各时期研究工作的进展,对国内外温室微气候的研究情况进行了综述。在现有研究的基础上,建立了供热温室通用方程,并以全光温室为例通过各层能量微分方程对微气候理论模型进行了描述和分析。对温室供热设计及温室微气候的研究具有一定的参考价值。     

玻璃温室小气候温湿度动态模型的建立与仿真

分析了温室小气候中辐射、通风、对流和作物蒸腾作用引起的质热交换物理过程,基于能量和物质守恒,建立了温室小气候温湿度动态模型,并对模型进行了仿真.根据均方根误差算法分析了模拟值与测量值的误差,分析结果表明,动态模型能有效地预测温室内空气的温湿度值.     

基于SSA-LSTM的日光温室环境预测模型研究

构建日光温室环境预测模型,准确预测温室环境变化有助于精准调控作物生长环境,促进果蔬生长。而温室小气候环境数据多参数并存、耦合关系复杂,且具有时序性和非线性,难以建立准确的预测模型。针对以上问题,提出一种基于麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)温室环境预测模型,实现了温室环境数据的精准预测。实验结果表明,采用SSA自动进行参数选优的方式,解决了LSTM模型参数手动选择的难题,大幅缩短模型训练时间,且最优的网络参数能够发挥模型的最佳性能。对日光温室内空气温湿度、土壤温湿度、CO₂浓度和光照强度6种环境参数进行预测,SSA-LSTM平均拟合指数高达97.6%,相比BP、门控循环单元(GRU)、LSTM,其预测拟合指数分别提升8.1、4.1、4.3个百分点,预测精度明显提升。     

基于经济最优目标的温室环境控制策略

将温室作物整个生长季节分为营养生长阶段和生殖生长阶段。在营养生长阶段，以温度优先为控制策略，即以温度为主控参数，根据温室内加温和降温的幅度等级来选择相应的执行机构，实现温室内作物栽培的环境参数控制要求。在作物生殖生长阶段，综合控制成本模型、温室环境的预测调控模型和作物生长模型，以温室产出与投入比最大为温室环境控制目标进行决策，为温室内作物生长提供经济适宜的环境参数和生长条件。以黄瓜为栽培对象，进行了温室周年生产。实践表明，按经济最优目标的控制策略来实现温室环境控制，既保证了作物正常生长的需要，又兼顾了经济成本。     

基于LSTM的温室番茄蒸腾量预测模型研究

作物蒸腾量是指导作物灌溉关键参数之一,实时获取作物蒸腾量,实现按需灌溉是节约用水的有效途径。然而,温室内小气候效应显著,作物蒸腾与环境因子间关系较为复杂,且各环境因子之间相互关联并呈非线性变化。本文以番茄作为研究对象,使用称量法测量作物实时蒸腾量,通过布设传感器实时获取温室小气候数据,包括空气温度(Air temperature, AT)、相对湿度(Relative humidity, RH)、光照强度(Light intensity, LI)作为模型的小气候环境输入,冠层相对叶面积指数(Relative leaf area index,RLAI)作为模型的作物生长输入,在此基础上,提出了基于长短期记忆网络(Long short term memory, LSTM)的番茄蒸腾量预测模型。利用该模型对番茄蒸腾量进行预测,并与非线性自回归(Nonlinear autoregressive with exogeneous inputs, NARX)神经网络、Elman神经网络、循环神经网络(Recurrent neural network, RNN)模型进行了对比。试验结果表明,LSTM预测模型决定系数(Determination coefficient, R2)与平均绝对误差(Mean absolute error, MAE)分别为0.9925和4.53g,与NARX神经网络、Elman神经网络、RNN方法进行对比,其决定系数分别提高了8.97%、1.18%和0.82%,其平均绝对误差分别降低了8.16、6.23、0.52g。本研究所提的预测模型具有较高的预测精度及泛化性能,研究成果可为温室作物需水规律及需水量研究提供参考。     

基于高斯过程建模的物联网数据不确定性度量与预测

物联网已经成为农业大数据最重要的数据源之一,自动观测数据的质量控制对农业生产分析以及基础科研数据应用非常重要。针对农业物联网观测的一类非平稳时间序列数据中的数据缺失、野值剔除、感知故障预警和长时间预测等问题,采用光滑弱假设高斯先验,构建了基于高斯过程的自回归模型表征的动态系统,并通过样本集学习,形成能考虑噪声干扰的传感变化规律建模,并可提供预测误差带用于预测数据的不确定性度量。针对原始数据的缺失和野值问题,采用基于高斯过程的短期预测,可补齐缺失数据,利用其不确定性度量可甄别数据野值,进行野值剔除与替换,并在此基础上判断感知故障;给出了基于输入数据不确定性传播的多步迭代预测方法,使长期预测仍可以跟踪农业数据的动态轨迹,并可为其预测值提供不确定性度量;将温室采集的真实传感数据用于分析试验,验证了高斯过程用于服务器端的农业时间序列数据采集质量控制的可行性。     

连栋温室内湿帘-风机流场特性

为了解华南地区大型连栋玻璃温室在湿帘-风机通风条件下温度场与速度场的变化情况,探究该通风方式下,温室内的通风降温性能,以广州市农业技术推广总站示范基地的连栋玻璃温室为研究对象分别进行了稳态和瞬态计算,将稳态模型的计算结果与温室内监测点得到的数据进行对照,验证了计算模型的可靠性,并对湿帘-风机通风工况进行瞬态计算,得到温室内直观的温度和速度的分布情况及变化规律.结果表明:开启湿帘-风机系统后,湿帘侧最初风速可达1.6 m/s,通风过程中逐渐发展为从湿帘入口贯通风机出口的高速气流场,气流速度最终稳定在0.8 m/s;温室内温度场从湿帘侧到风机侧表现出梯度降温的变化特征,同时伴随着温室全局性的微小幅度降温;将风机流量增加1倍后,温室内气流的湍动程度增加,降温速度明显提高.得到的结果将为华南地区连栋玻璃温室的正常运行和精准调控温室内的小气候环境提供参考.