| 基于深度学习人工神经网络的青椒调亏灌溉水量预测 |
| |
| 引用本文： | 刘婧然,武海霞,刘心,刘真,王鹏宇,张有强,李玉琼.基于深度学习人工神经网络的青椒调亏灌溉水量预测[J].干旱地区农业研究,2021,39(6):105-112. |
| |
| 作者姓名： | 刘婧然 武海霞 刘心 刘真 王鹏宇 张有强 李玉琼 |
| |
| 作者单位： | 河北工程大学水利水电学院,河北 邯郸056038;河北省智慧水利重点试验室,河北 邯郸056038;河北工程大学信息与电气工程学院,河北 邯郸056038 |
| |
| 基金项目： | 河北省研究生创新资助项目（CXZZBS2018004)；河北省自然科学基金资助项目（D2019402151）；河北省科技支撑计划项目（17226914D）；河北省创新能力提升计划科技研发平台建设专项（18965307H） |
| |
| 摘 要： | 在2014—2018年，采用垄沟集雨覆盖种植滴灌技术与调亏灌溉技术相结合（MFR-RDI）对青椒进行试验研究，选取灌溉水利用效率最高的试验处理（即青椒结果后期重度亏水）进行灌水量预测。根据试验期间搜集的各项资料，在MFR-RDI种植方式下，以作物需水量、青椒生育期天数、作物生育期内的降水量、土壤含水率、前一天的灌水量作为模型输入因子，构建青椒作物灌水量的深度学习人工神经网络（DNN）预测模型。通过模型试验得到最佳DNN预测模型，该模型的隐含层包括4层，各隐含层神经元个数分别为：32、16、8、4。模型的激活函数采用“ReLU”，优化函数为“adam”，迭代次数为300。模型使用2018年的数据进行了测试。测试结果表明DNN模型的RMSE为0.898 mm，MAE为0.257 mm，NS为0.758，R2为0.7635，说明该预测模型具有较高的精度性能。通过预测结果可以得到此种植方式下青椒的灌溉制度，为实现高效智能节水灌溉提供参考。
|
| 关 键 词： | 调亏灌溉 滴灌 人工神经网络 深度学习 青椒 预测 |
Water quantity prediction of regulated deficit irrigation for green peppers based on deep learning artificial neural network |
| |
| LIU Jingran,WU Haixi,LIU Xin,LIU Zhen,WANG Pengyu,ZHANG Youqiang,LI Yuqiong.Water quantity prediction of regulated deficit irrigation for green peppers based on deep learning artificial neural network[J].Agricultural Research in the Arid Areas,2021,39(6):105-112. |
| |
| Authors: | LIU Jingran WU Haixi LIU Xin LIU Zhen WANG Pengyu ZHANG Youqiang LI Yuqiong |
| |
| Institution: | Hydropower College, Hebei University of Engineering, Handan, Hebei 056038, China; Hebei Key Laboratory of Intelligent Water Conservancy, Handan, Hebei 056038, China;School of Information and Electrical Engineering, Hebei University of Engineering, Handan, Hebei 056038, China |
| |
| Abstract: | |
| |
| Keywords: | regulated deficit irrigation drip irrigation artificial neural network deep learning green peppers prediction |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《干旱地区农业研究》浏览原始摘要信息 |
| 点击此处可从《干旱地区农业研究》下载免费的PDF全文 |
|
