番茄专家系统环境数据库在病害预测中的应用

番茄是我国各地菜区的主栽品种之一,其病害发生与温度、湿度较高且时间较长有关系。基于对生长番茄日光温室多年环境数据的综合,建立了周年连续的温湿度数据库（称为温室环境通用数据库）,将其用于温室番茄专家系统,可以依此数据库中的温湿度数据对番茄病害发生进行预测预警,并可借助新数据的采集对原有环境数据库进行改进、补充和完善,为温室蔬菜生产中采收期预测和生产技术的制定及病害预防提供数据支持,实现温室生产的智能化管理。     

植物生长环境控制系统设计与试验

为实现精确控制植物生长的温度、湿度及光照等环境参数,设计了以STC89C52RC单片机为核心的处理器。植物生长环境控制系统由LED控制系统、温度控制系统、湿度控制系统和营养液循环系统构成。根据传感器测量的环境数据对温湿度进行动态调节,实现植物生长环境的有效可控。      

基于WSN的农业温室环境监控系统

设计了一种基于无线传感器网络的智能化温室环境监控系统,实现了对温室内多个采集节点的温度、湿度以及光照强度的远程监控,并且通过上位机的温室环境监控软件实现了数据的显示与处理。此外,为了更合理地调控温室环境,系统建立了各种环境预测模型,对未来一段时间内温室的环境数据值进行了预测,以避免异常的发生,极大地减小农作物的经济损失。该系统结构设计合理,有良好的可维护性和可扩展性,能够满足温室环境监控的应用需求。     

BP神经网络在日光温室湿度预测中的应用

在对冬季环境下典型北方日光温室环境因子实测数据进行分析的基础上,选择影响温室湿度的环境因子和管理情况作为神经网络的输入量,包括室外温度、室外湿度、室外光照、室内3点温度、室内光照、天窗、侧窗开闭等共10项,以温室内部5个点实测平均湿度为输出量。通过900组数据对构建好的BP神经网络进行训练,选取训练数据外的60组数据作为测试。结果表明,60组输出数据平均相对误差为3.234%,预测效果良好。     

冬春温室蔬菜安全用药五原则

冬季温室蔬菜栽培，因其独特的密闭气候环境，空气流动性差，室内湿度较大，有利于多种病害的发生和蔓延.因此，定期用药防治病害成为温室蔬菜管理中的重要一环。为了科学合理地选好用好农药，实现温室蔬菜生产的优质高产和确保消费者的身体健康，这里提醒菜农朋友在冬春温室蔬菜栽培时，使用农药应注意以下五原则：     

基于Elman神经网络的温室环境因子预测方法

针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。     

自然通风条件下塑料大棚温度和湿度模拟

为了深入研究大棚通风对大棚内温、湿度影响,基于能量与物质平衡原理建立了大棚内部温、湿度预测模型,对大棚内部温、湿度进行预测模拟,并以试验观测数据对模型进行了检验。结果表明,模拟晴天天窗开度50%(处理1)与100%(处理2)时,大棚温度预测值和实测值决定系数分别为0.98、0.99,相对湿度预测值和实测值决定系数为0.9,模型能较好的预测棚内温、湿度;大通风面积对大棚内温、湿度影响大于小通风面积,通风面积对大棚内温度影响比相对湿度影响明显。研究结果可为通风条件下塑料大棚温、湿度环境控制研究及南方塑料大棚生产管理提供参考依据。     

食用菌绿霉病害防治十法

绿霉(木霉)病害是食用菌栽培中的大敌。主要萌发在没有发菌的菌块上和未彻底消毒的材料及死菇上,适于在酸性和湿度较大的环境中孳生。其孢子在空中传播快,繁衍迅猛,处理不及时,将损失惨重。一旦发生绿色菌落,可采用以下10种方法及时进行防治处理。(1)降低菇房温度和湿度,加大通     

人工神经网络在葡萄霜霉病预测中的应用

近年来,人工神经网络模型开始逐渐应用于植物病虫害的预测预报中,并取得了良好效果,已成为植物病虫害预测预报的新途径.为此,以温度、相对湿度、累积降雨量及累积降雨日作为预测因子,以葡萄霜霉病的感病指数为预测目标,利用人工神经网络的BP算法建立了葡萄霜霉病预测模型.以陕西杨凌地区2004年和2006年的数据作为BP网络的训练资料,对2007年霜霉病的流行状况进行预测,预测的变化趋势与该年霜霉病实际的流行趋势吻合.由此证实,利用神经网络建立葡萄霜霉病预测模型是可行的.     

农业设施有关环境参数的相应问题

为促进作物更好地生长发育,文章在介绍农业设施的主要环境参数—温度、湿度、光照度、CO2浓度对植物生长发育的重要作用时,提出农业设施有关参数控制要注意的相关问题。最后强调在设施环境控制系统中,要综合考虑各种不同参数对植物生长的影响,并及时记录相应数据、分析数据,得出作物生长的最佳环境。     

基于SSA-PSO-LSTM模型的羊舍相对湿度预测技术

羊舍湿度过高或过低都会直接威胁肉羊健康生长,及时掌握湿度变化趋势并提前调控是确保规模化肉羊无应激环境下健康养殖的关键。为提高湿度预测精度,提出了基于奇异谱分析（SSA）、粒子群优化算法（PSO）、长短时记忆网络（LSTM）的羊舍湿度非线性组合预测模型。利用SSA分离出正常序列和噪声序列,将原始序列转换为平滑序列;其次通过PSO不断迭代优化确定LSTM的最优参数组合,降低LSTM的训练成本;最终依据优化参数建立组合预测模型分别对两序列进行预测,模型结果之和为最终预测结果。利用该模型对新疆维吾尔自治区2021年3月17—27日期间的羊舍空气相对湿度进行预测,结果表明,该组合预测模型具有良好的泛化性、稳定性和收敛性。与标准的ELM、SVR、LSTM、PSO-LSTM、EMD-PSO-LSTM等模型相比,本文提出的SSA-PSO-LSTM组合模型具有更高的预测精度,其均方误差、平均绝对误差和决定系数分别为1.127%2、0.803%和0.988。     

基于物联网技术的设施农业智能管理系统

该文以设施农业中的温室作为研究对象,运用物联网技术,实时远程获取温室内部的空气温湿度、土壤水分、土壤温度、CO2浓度、光照强度及视频图像等参数信息,通过WSN和GPRS网络传输到上位机的设施农业智能管理系统,可远程自动控制湿帘风机、喷淋滴灌、内外遮阳、加温补光等设备,保证温室内环境最适宜作物生长,从而实现温室的集约化、智能化管理,有效降低劳动强度和生产成本,减少病害发生,提升农产品品质和经济效益。      

基于RF-GRU的温室番茄结果前期蒸腾量预测方法

针对温室番茄无法按需灌溉问题,提出了随机森林(Random forest,RF)结合门控循环单元(Gated recurrent unit,GRU)神经网络的温室番茄结果前期蒸腾量预测方法,并开发了一套基于番茄蒸腾量的智慧灌溉系统.基于物联网实时获取数据,采用RF算法对影响温室番茄蒸腾量的变量进行特征重要性排序,选取作...     

采用优化特征子集选取和改进SVR的养殖禽舍温度预测算法

为提高养殖禽舍温度预测算精度，降低数据冗余度和差异性对预测结果的影响，提出一种基于智能优化特征子集选取和模糊聚类改进SVR（Support Vector Regression）的温度预测模型。首先，构建最优特征子集选取模型，通过设计最优特征子集选取指标，以降低特征之间冗余度和数据维度；采用改进的离散灰狼算法对特征子集选取模型进行求解，以实现最优特征子集选取。其次，建立模糊聚类改进SVR预测机制，通过设计多度量核FCM（Fuzzy C-means）算法，以实现数据样本自动分类；提出与数据样本分类相对应的SVR预测算法，并采用灰狼算法对SVR参数进行优化，最大程度降低样本数据差异性对预测精度的影响。最后，融合最优特征子集选取和模糊聚类改进SVR预测机制，以实现养殖禽舍温度高精度预测。仿真结果表明，该算法实现不同季节条件下养殖禽舍温度的高精度预测，相比于其他预测算法，预测精度提高约23.7%~37.8%。所提养殖禽舍温度预测算法具有良好的预测性能，具有一定的推广应用价值。     

基于灰色BP神经网络的农业机械总动力预测

为预测宁夏地区农业机械化水平的发展变化趋势,提出一种将灰色预测模型与BP神经网络有效结合的农业机械总动力预测方法。在BP神经网络的数据预处理阶段融入灰色预测理论,建立基于灰色BP神经网络的农机总动力预测模型,并选取1991-2014年宁夏回族自治区农业机械总动力数据作为样本,利用该模型进行仿真预测,结果表明:该模型具有较高的预测精度,其平均相对误差仅为0.18%,明显优于灰色GM(1,1)模型的3.5 0%和标准BP神经网络的0.2 9%。     

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。     

融合多环境参数的鸡粪氨气排放预测模型研究

NH₃是影响舍内肉鸡生长发育的主要有害气体,对其排放量的准确测量与预测有助于建立鸡舍环境调控模型,提升畜禽福利化养殖的水平。生产中,NH₃监测多采用电化学传感器,精度差且寿命短,较难直接获取NH₃排放量。结合NH₃产生和释放的机理过程,选择相对较易获取的CO₂排放量(E_CO2)和H₂O排放量(E_H2O)等环境参数建立NH₃排放量的预测模型。建立了肉鸡厚垫料养殖模式下,舍内鸡粪气体排放的模拟试验装置,连续多日向试验装置内投入等量鸡粪以模拟鸡舍每日粪便生成,监测温度、相对湿度以及CO₂、H₂O、NH₃排放量数据。基于多种机器学习方法和环境参数,构建了NH₃排放量预测模型,并运用特征和排列重要性探究参数重要程度,运用部分依赖图和个体条件期望图探究模型对参数的依赖关系。...     

基于主成分分析与BP神经网络的参考作物腾发量预测

为解决采用神经网络模型预测参考作物腾发量研究中预测能力不足的问题.将气象因子包括最高、最低和日平均温度、日照时数、气压、水汽压、相对湿度和风速进行主成分分析.提取主成分,建立了基于主成分的三层BP神经网络模型.选取新疆昌吉市气象站2006年3-6月的日气象资料.采用Matlab神经网络工具箱进行模型训练与预测,并以传统BP网络模型作为对照.结果表明,主成分网络模型能够很好地反映诸多影响因子与参考作物腾发量之间的关系,尤其时训练样本以外的验证样本,主成分网络模型具有显著优于传统BP网络模型的识别能力,取得更为可靠的预测结果.     

基于物联网的农林环境长期监测系统

针对农林环境中复杂的实际情况,设计一种基于物联网的农林环境长期监测系统。系统采用基于CC2530芯片的Zigbee无线传感器网络节点、电源控制硬件电路和基于ARM11的现场服务器,利用太阳能电池供能,通过对IEEE802．15．4和IEEE802．11协议进行转换,将数据通过无线网桥远程传输给管理服务器。该系统能够监测农林环境中的温度、湿度、光照强度、pH值等,可长期对农林环境因素进行采集、监测和分析。