首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   6篇
  免费   1篇
农学   1篇
基础科学   4篇
综合类   2篇
  2022年   1篇
  2021年   2篇
  2020年   3篇
  2015年   1篇
排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
[目的]温室环境条件特别是温度对于作物生长和发育具有十分显著的影响。日光温室调控的主要环境因子之一是温度。然而,自然环境下的光照对温度产生作用,影响空气温度的监测精度。大多温度传感要求将传感器置于避光处,然而实际应用中难以保证。[方法]采用机器学习中的支持向量机算法(SVM),对日光温室内的温度智能监测算法进行了研究,根据光照情况对实时监测的温度数据进行校准。[结果]通过与实验测量的数据进行对比分析,结果表明,所提出的监测方法可以较为准确地实时监测空气温度,从而无需使用隔热材料或者遮阳处理,就可以基于监测的数据更精确地对相应的环境因素进行调节。[结论]基于该方法,可采用常用的工业设备实现温室大棚内实时温度数据的监测,既可以节约设备和人力成本,又可以为温室控制提供准确的数据。  相似文献   
2.
产销信息不对称,缺乏资金、知识和经验是小规模农户发展的障碍。作为互助性经济组织,农业合作社的经营受气候、市场和农户水平等自然、经济和社会因素的影响。如何贯通产销信息,并基于需求精细核算成本和组织生产,是合作社经营的重要内容。本文借鉴工业领域数字双胞胎的思想,基于平行智能系统的描述、预测和引导,提出合作社数字四胞胎(数字合作社)的构想,服务合作社规划、准备、生产和评估的各个环节。同时对数字合作社的整体方案、系统设计及其关键技术等进行了描述,并对数字合作社的用户及其运行机制进行了探讨。数字合作社系统框架包括数据感知、决策支持和决策实施,其核心智能技术包括作物建模、动态规划、区块链技术、机器学习等。以有机水稻种植为例,简述了合作社成本分析、种植规划、远程种植可视化等过程,模拟水稻定制种植的场景,以此说明数字合作社的部分功能。数字合作社的概念可为面向合作社的信息系统开发提供方向。鉴于目前以小农经济为主、合作社为主要经营主体的现状,数字合作社系统有助于提升从业者的经营能力,助力小农户对接大市场,提升农业物理社会经济系统的整体效率。  相似文献   
3.
修剪是果树生产中重要的技术手段,要想研究更加合理的修剪技术体系,就必须保证能够对修剪反应有准确、直观和及时的判断,而仿真模拟技术提供了这种可能。以幼龄苹果树为研究对象,采用不同修剪处理对比的方法,在田间试验的基础上,总结修剪反应规律,构建苹果树结构和修剪模型。在此基础上基于Qt框架和OpenGL图形库,开发了单株苹果树修剪仿真软件平台。结合优化算法,通过仿真平台模拟了给定生产目标的修剪方案优化,优化结果对虚拟学习和实际生产提供了可视化指导。  相似文献   
4.
作物模型的研究涉及作物生长发育的复杂过程,空间上从分子到细胞、组织、器官、个体、群体等不同尺度,时间尺度上可以从秒到年。基于不同的研究需求,切换作物模型尺度,可使得作物模型的适用性更广泛灵活。其中,如何从群体尺度的作物模型转入个体尺度的作物模型是本研究的内容。本研究基于四个玉米品种的两个处理(灌溉和雨养)的已有的实验数据和基于这些数据的DSSAT系统的模拟数据,校准功能结构模型GreenLab的参数,以计算结果一致为指标,探索不同空间尺度模型建立接口的方法,比较不同模型的特点。结果表明,GreenLab模型可以复现DSSAT系统的模拟数据和实际测量数据,进一步可以反演出各种器官之间生物量的分配并进行三维可视化展示。最后讨论了不同空间尺度模型结合的优势及应用领域。  相似文献   
5.
温室环境条件特别是温度对于作物生长和发育具有十分显著的影响。日光温室调控的主要环境因子之一是温度。然而,自然环境下的光照对温度产生作用,影响空气温度的监测精度。采用机器学习中的支持向量机算法(SVM),对日光温室内的温度智能监测算法进行了研究,根据光照情况对实时监测的温度数据进行校准。通过与实验测量的数据进行对比分析,结果表明:所提出的监测方法可以较为准确地实时监测空气温度,从而无需使用隔热材料或者遮阳处理,就可以基于监测的数据更精确地对相应的环境因素进行调节。基于该方法,可采用常用的工业设备实现温室大棚内实时温度数据的监测,既可以节约设备和人力成本,又可以为温室控制提供准确的数据。  相似文献   
6.
当前农业实体识别标注数据稀缺,部分公开的农业实体识别模型依赖手工特征,实体识别精度低。虽然有的农业实体识别模型基于深度学习方法,实体识别效果有所提高,但是存在模型推理延迟高、参数量大等问题。本研究提出了一种基于知识蒸馏的农业实体识别方法。首先,利用互联网的海量农业数据构建农业知识图谱,在此基础上通过远程监督得到弱标注语料。其次,针对实体识别的特点,提出基于注意力的BERT层融合模型(BERT-ALA),融合不同层次的语义特征;结合双向长短期记忆网络(BiLSTM)和条件随机场CRF,得到BERT-ALA+BiLSTM+CRF模型作为教师模型。最后,用BiLSTM+CRF模型作为学生模型蒸馏教师模型,保证模型预测耗时和参数量符合线上服务要求。在本研究构建的农业实体识别数据集以及两个公开数据集上进行实验,结果显示,BERT-ALA+BiLSTM+CRF模型的macro-F1相对于基线模型BERT+ BiLSTM+CRF平均提高1%。蒸馏得到的学生模型BiLSTM+CRF的macro-F1相对于原始数据训练的模型平均提高3.3%,预测耗时降低了33%,存储空间降低98%。试验结果验证了基于注意力机制的BERT层融合模型以及知识蒸馏在农业实体识别方面具有有效性。  相似文献   
7.
玉米和大豆为同季旱粮作物,“争地”矛盾十分突出,同时掌握玉米和大豆两者的价格是必要的。相较于现货,农产品期货价格具有价格发现功能。因此,玉米和大豆期货价格分析和预测对种植结构调整和农户作物品种选择均具有重要意义。本研究首先分析了玉米和大豆期货价格的相关性,通过相关性计算和格兰杰因果检验,发现玉米和大豆期货具有较强的正向相关性,且大豆期货价格是玉米期货价格的格兰杰原因;其次,基于长短时记忆(Long Short-Term Memory,LSTM)模型对玉米和大豆期货价格进行预测,并引入注意力机制(Attention)对期货价格预测模型行优化。对比结果表明,与差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA)和支持向量回归模型(Support Vector Regression,SVR)相比,LSTM模型在各项指标中均为更优,而与单一的LSTM模型相比,加入Attention机制的Attention-LSTM模型在各项指标中均更优。其中,玉米和大豆期货预测结果的平均绝对误差(Mean Absolute Error,MAE)分别提升3.8%和3.3%,均方根误差(Root Mean Square Error,RMSE)分别提升0.6%和1.8%,平均绝对百分误差(Mean Absolute Percentage Error,MAPE)分别提升4.8%和2.9%,证明了Attention机制的加入可以帮助模型提取有效信息,提升性能。最后,使用LSTM模型结合大豆期货历史价格共同预测玉米期货价格,MAE提升了6.9%、RMSE提升了1.1%、MAPE提升了5.3%。试验结果表明,本研究使用Attention-LSTM模型对玉米和大豆期货价格进行预测,相较于通用预测模型,Attention-LSTM模型能够提高大豆和玉米期货价格预测精度,且结合相关农产品期货价格数据,可以提升单个农产品期货模型的预测性能。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号