基于人工神经网络土壤墒情动态预测模型应用研究

快速、准确地测定土壤墒情对作物生长发育及节水灌溉具有重要的意义。在2011-2012年的实测墒情资料的基础上,系统分析了三义寨灌区土壤墒情的时空分布规律;基于人工神经网络(ANN)理论构建了灌区不同埋深条件下土壤墒情的数值预报数学模型,模型计算值与实测值吻合较好,能够准确预测三义寨灌区不同埋深条件下的土壤墒情分布情况,为大型引黄灌区精细化灌溉模式应用提供了技术支撑。     

土壤墒情监测预报技术研究进展

对已有墒情预报模型和土壤水分检测技术进行简单分析,总结了各自特点,发现现有土壤墒情检测技术在性价比层面还需提高,各墒情预报模型所受限制较多,仍没有较为通用、准确成熟模型,目前国外在这方面的热点研究集中于依靠3S技术,技术水平更为成熟,值得借鉴。对土壤墒情监测预报技术的前景进行了展望。     

神经网络方法在土壤墒情预测中的应用

在对比分析现有土壤墒情预测模型的基础上，采用改进的神经网络方法建立了土壤墒情预测模型，并结合实测数据进行误差分析，结果表明神经网络模型可成功应用于土壤墒情分析和预测，对于不同条件的地区具有广泛的适应性和推广应用前景。     

土壤墒情监测预报技术研究进展

本文介绍了土壤墒情测报技术的发展历程,阐述了土壤墒情自动监测预报系统的基本概况,在此基础上分析了目前系统研究开发现状,并进一步提出解决思路,旨在为系统的研究和开发提供参考。     

非充分灌溉青贮玉米土壤墒情预报的人工神经网络模型

土壤墒情预报是农田适时适量灌溉与科学管理的基础,田间土壤墒情的变化受降水、灌溉、植株蒸腾、土壤蒸发、根系层下边界水分通量及外界气象因素的影响,关系比较复杂。利用内蒙古锡林浩特市典型草原区的青贮玉米土壤水分试验资料,建立了土壤墒情预报的BP神经网络模型,并利用部分实测资料对网络进行检验,取得了较好的效果。结果表明BP神经网络模型可以对区域土壤水分进行动态预测,方法简便可行。     

汾河灌区农田土壤墒情变化规律分析

利用山西汾河灌区1993∽2002年各站点的土壤墒情实际观测资料,对该灌区主要作物生育期农田土壤墒情的时空变化规律进行分析;阐明了农田土壤墒情的季节变化大致可分为3个阶段,即：相对稳定阶段、严重失墒阶段和蓄墒阶段;农田土壤墒情的垂直变化明显表现出表层急变层、中间活跃层和底部相对稳定层3个层次。     

土壤墒情监测方法综述

干旱监测的主要方法包括土壤含水量的中子仪测量法、TDR测量法、湿度计法、称重烘干发法以及几种卫星遥感监测方法等。对各类干旱监测方法存在的问题和发展趋势进行探讨,并提出加强我国干旱遥感监测技术研究的建议,为我国农业旱情监测提供一定的帮助。     

云南省土壤墒情变化特征分析

分析云南省土壤墒情变化特征。利用2008-2012年云南省13个土壤墒情监测站的土壤重量含水量和日降水数据,分析其土壤墒情的时空变化特征。结果表明:滇东南和西北部的土壤墒情较高,而滇中的土壤墒情较低。不同深度的土壤含水量呈显著线性相关,且整体上表现为深度越深土壤含水量越大。土壤含水量与降水量大致呈正相关;土壤含水量最大值出现在6-10月,且基本上滞后降水最大月份1个月;土壤含水量最小值出现在1-4月。     

土壤墒情监测技术在灌溉水利用系数测算中的应用

土壤水分的精准获取对农田灌溉水有效利用系数测算至关重要.为进一步检测土壤墒情自动监测传感器的准确性,进行野外田间对比观测实验,采用烘干法与传感器测量数据对照,以检验设备的野外测量精度是否满足农田灌溉水有效利用系数测算的要求.结果 表明:土壤墒情自动监测传感器相对误差均小于±10％,满足土壤自动监测和农田灌溉水有效利用系...     

土壤墒情智能监测控制系统设计

设计一种土壤墒情智能监测控制系统来实现对土壤墒情的实时监测,并通过灌溉等方式智能改变土壤墒情。通过在多点放置土壤湿度传感器与ZIGBEE无线通信设备组成自组网络,ZIGBEE协调器与所有子节点通信将所有点的土壤湿度信息汇总并且传送给单片机分析处理。单片机控制液晶显示器将土壤湿度平均值显示出来,并根据设置的土壤湿度上下限值进行调控,当土壤湿度平均值低于下限值时,控制水泵浇水,高于上限值时,控制水泵停止浇水。通过实验测试证明,本土壤墒情智能监测控制系统能够实现土壤湿度的监测和控制。     

区域土壤水盐动态人工神经网络预测研究

根据黄河河套灌区多年的区域水盐监测资料 ,比较了 ANN三层、四层 BP网络不同学习速率下的收敛效果 ,拟合精度 ,应用四层 BP网络模型对灌区的年内不同时期的土壤水分、盐分的动态变化进行了模拟预测。研究表明 ,BP网络可以用于区域土壤水盐动态预测 ,方法简便可行 ,有较高的精度 ,是对传统的区域水盐动态模数值拟预测方法的补充。     

基于IBAS-BP算法的冬小麦根系土壤含水率预测模型

为在节水灌溉系统中精确测量和预测根系土壤含水率,将传统天牛须算法每次迭代过程中的一只天牛改进为一个天牛种群,建立了基于改进天牛须搜索算法优化的IBAS-BP预测模型,并利用实测浅层土壤含水率数据,对深度50 cm冬小麦根系土壤含水率进行预测.结果 表明,与PSO-BP预测模型、GA-BP预测模型以及原始BAS-BP模型...     

神经网络在农业专家系统中的应用

介绍了专家系统的特点及农业专家系统的发展现状;提出了将神经网络理论应用于农业专家系统的设计方法,并分析了其优点;论述了基于神经网络的农业专家系统的结构、知识表示与获取、推理机制等;结合具体实例,给出了神经网络学习方法及专家系统运行过程。     

人工神经网络在PID控制算法中的应用

根据过程实测的输入输出数据,将实际对象输出的旧值输入BP网络的输入层,从而得到一动态神经网络,作为控制中非线性系统的预测模型。既利用了系统的已知规律,提高了辨识的可靠性,又使得网络结构不必过于庞大,改善了实时性。分析了积分分离PID控制算法,在此基础上,将应用最广泛的PID控制器与具有自学习功能的神经网络相结合。得到了基于BP神经网络的PID控制算法。在已有的控制系统中嵌入了神经网络控制算法,用以调节PID控制器的三个可调参数Kρ,KI,KD。     

自组织神经网络在流域土壤水分含量空间模式识别中的应用

由于土壤水分含量受众多因素的影响，空间变异性很大，给土壤水分含量空间分布的研究带来了很大的困难。空间模式识别是处理土壤水分含量空间数据的方法之一，能够分析得到土壤水分含量空间数据的聚类结果。基于自组织特征映射和自适应共振理论的自组织神经网络模型在空间数据模式识别中得到广泛应用，针对澳大利亚tarrawarra试验流域土壤水分含量的观测数据，应用自组织神经网络，建立动态土壤水分含量的空间模式识别模型，并用半变异函数对识别结果进行检验，实例研究表明该方法是一种行之有效的方法。     

深层灌水条件下基于BP人工神经网络方法的冬小麦根系分布预测模型

对冬小麦实施深层灌水是一种高效的节水灌溉方式,为了简化深层灌水条件下冬小麦根系研究工作,建立了以土层深度、发育时间、土层根系日均吸水量、土层日均温度、地上部干重、株高为输入因子,土层根系密度为输出因子的BP人工神经网络预测模型。研究结果表明:在所建立的预测模型下,训练样本各土层根系密度预测值与实测值之间平均相对误差为5.92%,检验样本的平均相对误差为7.30%,训练样本和检验样本都具有较高的精度,因此以该模型对深层灌水条件下冬小麦根系分布情况进行预测是可行的,可为深层灌水条件下冬小麦的根系研究提供新方法。     

人工神经网络在我国水科学中的应用与展望

简要介绍了人工神经网络的发展、结构与特点；从预测预报、评价、水灾害防治、水资源配置与管理决策4方面，综合评述了人工神经网络在我国水科学中的应用，并就人工神经网络今后在我国水科学中的应用与研究做了展望。