基于用户参与的科研院所机构知识库建设模式研究

文章以用户参与为理论基础,以融入科研管理为实践目标,创新性地提出一种适合科研院所的机构知识库建设模式,并以江苏省农业科学院为例进行了实证研究,该模式兼具传统机构知识库功能,又能体现科研机构特色、解决科研机构成果管理问题.在此基础上,还分析明确了适用于科研院所成果管理和共享的数据审核流程、元数据标准规范、功能模块、系统架构、管理运行机制等.     

基于安全域的省级农业科研单位网络安全建设研究

互联网与IT技术的发展,提升了农业科研单位对外交流、科研管理及科研数据的存储与利用,网络与信息安全愈显重要。分析了江苏省农业科学院的网络安全现状,根据农业科研的业务需要及信息承载,提出了基于安全域构建局域网安全防护架构的思路,为兄弟农科院的网络信息安全提供参考。     

基于GWO-LSTM的设施蔬菜温室温度预测

温度是设施生产中作物生长的主要制约因素之一,提前预测温室温度对精准调控温室环境具有重要的指导意义。因此提出一种基于灰狼优化算法的长短期记忆网络模型预测温室温度,该模型利用灰狼优化算法(Grey Wolf Optimizer,GWO)对长短期记忆网络(Long Short Term Memory,LSTM)模型参数进行调整优化。以江苏省农业科学院阳光板温室2020年9月23日—12月21日期间的试验数据对该方法进行验证。结果显示：在预测时间步长30 min时,GWO-LSTM 的预测均方根误差、平均绝对误差、平均绝对百分比误差和决定系数分别为0.677 6、0.411 4、0.168 7和0.960 4。在预测时间步长60 min内,GWO-LSTM模型预测精度均高于标准LSTM和反向传播人工神经网络(Back Propagation Artificial Neural Network,BP-ANN)。说明所提出的GWO-LSTM模型能够准确地预测未来温室内温度变化,可为制定温室环境智能调控策略提供有效的数据支撑。     

基于物联网的智能农业管理系统研究与设计——以江苏省农业物联网平台为例

简述了物联网技术的体系概况,从江苏农业经济发展现状和农业物联网的应用研究水平出发,研究设计了一种基于物联网、能够提供高速率远程接入和信息共享的智能农业管理系统.根据项目实施情况,总结了农业物联网发展过程中遇到的问题,对进一步的研究方向进行了探讨.     

基于粒子群优化算法和长短时记忆神经网络的蟹塘溶解氧预测

为准确预测蟹塘溶解氧质量浓度,及时掌握溶解氧质量浓度的变化趋势,提前采取防控措施从而降低河蟹养殖风险,提出了一种基于粒子群优化算法(PSO)和长短时记忆神经网络(LSTM)的蟹塘溶解氧质量浓度预测模型,采用PSO算法优化LSTM模型参数后对蟹塘溶解氧质量浓度进行预测.结果表明,PSO-LSTM模型不仅整体优于ARIMA模型,相较于其他LSTM模型也有更高的预测精度,在连续10个时间点的预测中相比于LDO-LSTM、LSTM和ARIMA模型平均百分误差分别降低了2.55％、1.891％和4.055％.说明PSO-LSTM模型在蟹塘溶解氧质量浓度预测中具有良好的准确性和稳定性,可以为河蟹养殖中水质精准预测与调控提供参考.