共查询到20条相似文献,搜索用时 0 毫秒
1.
温度对FDR土壤湿度传感器的影响研究 总被引:1,自引:0,他引:1
在利用FDR土壤湿度传感器测量土壤湿度时,土壤温度的变化会使测量结果产生较大的误差,因此要对FDR土壤湿度传感器进行温度补偿。为了研究温度对FDR土壤湿度传感器的影响规律,利用不同湿度的土壤样本在不同温度下进行实验。根据实验结果采用二元回归分析法对FDR土壤湿度传感器和土壤温度传感器的输出进行数据融合,消除温度对FDR土壤湿度传感器的影响。融合补偿后的数据结果比未补偿的数据受温度影响减小,更加接近土壤真实湿度值,大大减小了土壤温度对测量结果的影响。 相似文献
2.
SWR土壤湿度传感器温漂特性与补偿研究 总被引:1,自引:0,他引:1
针对基于驻波率(SWR)原理的土壤湿度传感器在长期工作中受温度影响的问题,提出基于二元回归分析法的温度补偿模型,利用最小二乘原理确定补偿模型的待定参数,对传感器进行温度补偿。从硬件电路和测量原理对SWR土壤湿度传感器的温漂特性进行研究。使用高低温交变湿热实验箱,在设定温度5~45℃范围内进行实验,测试结果表明,在温度补偿前该传感器测量土壤体积含水率的最大绝对误差范围为-2. 65%~2. 22%,其最大相对误差为29. 76%,最大均方误差为2. 211 9%。将SWR土壤湿度传感器输出值与PT100型温度传感器输出值进行数据融合,基于最小二乘优化计算的二元回归分析法得到温度补偿模型,其拟合的决定系数为0. 998。取不同温度下的实验数据进行补偿模型的验证,结果表明,SWR土壤湿度传感器进行温度补偿后,其测量结果的最大绝对误差范围为-0. 26%~0. 69%,最大相对误差不超过5. 23%,均方误差较补偿之前减小一个数量级,且最大均方误差为0. 157%。表明采用该温度补偿模型可以有效减小温度对SWR土壤湿度传感器的影响,提高其测量结果的精度和可靠性。 相似文献
3.
土壤含水量传感器数值测定的准确性是其应用于精准灌溉实现农业节水的前提,然而土壤温度的变化对土壤含水量传感器数值采集的偏差具有显著影响.研究的目的在于分析不同土壤温度对土壤含水量传感器测定影响,进一步提出基于XGBoost(eXtreme Gradient Boosting)的土壤含水量传感器温度补偿模型,并验证和对比其预测精度.研究中分别配制土壤含水量为10%、15%、20%、25%、35%的12组梯度湿土土样基准,记录传感器在各土样中0~45℃温度变化过程的读数,并将数据集划分后用于模型训练和测试.结果表明:同一土样基准中土壤含水量传感器读数随着土壤温度的升高而增加,各土样基准类别传感器读数最大值与最小值的变幅为[3.6%,7.9%],平均读数变幅为6.25%;所提出的XGBoost土壤含水量温度校正模型能够实现对传感器土壤含水量温度影响的补偿,对测试集的均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2)分别为0.013%、0.825%、1.165%和0.973.此外,与其他基于树和常用的机器学习模型对比结果显示研究提出的XGBoost温度校正模型具有最佳预测精度. 相似文献
4.
对FDR (Frequency Domain Reflectometry)型土壤水分仪进行改造,将FDR和半导体测温技术相结合,以提高自动土壤水分观测仪的温度适用性,降低土壤水分观测精度受地温变化的影响。通过集成基于频域反射原理的土壤水分传感器和半导体测温器件,设计可同时测量土壤水分及温度的传感器,并在实验室和郑州农业气象试验观测站进行对比试验、建模验证。结果表明:(1)土壤温度变化对FDR型土壤水分传感器精度有较大影响,传感器测量误差和地温呈负相关关系,且随着土壤深度增加愈加明显;(2)在土壤温度20℃时,对传感器测量精度影响最小,高于20℃时传感器测量的土壤水分值大于实际值,低于20℃时传感器测量的土壤水分值小于实际值。地温变化引起了FDR型土壤水分传感器振荡频率的偏移,利用传感器测量频率的温度修正模型,可有效降低土壤水分观测数据受地温变化的影响,提升观测精度。 相似文献
5.
6.
针对频域反射技术(FDR)传感器人工标定数据拟合误差大的问题,引入其他地区数据作为辅助数据,建立了基于迁移学习的自动标定模型。该模型将FDR目标使用地点采集的数据作为源域数据,结合辅助数据与少量源域数据,使用TrAdaBoost算法即可得到准确的FDR传感器标定模型。将面向分类问题的TrAdaBoost算法改进为适用于本文面向回归的TrAdaBoost算法,将TrAdaBoost算法的基学习器由AdaBoost改为XGBoost,改进了更新权重误差率的计算方法。首先使用XGBoost对辅助数据进行训练,得到初始标定模型;然后在目标地点采集少量数据,使用改进后的TrAdaBoost算法对初始标定模型进行校准,即可得到准确的FDR标定模型。将10个不同地区站点数据作为辅助数据,训练得到初始标定模型,将沈阳地区6个站点分别作为目标使用地点,取80%数据作为源域数据,进行模型校正,其余20%数据用于测试。测试结果的平均准确率为99. 1%,说明基于迁移学习的自动标定模型是有效和准确的。 相似文献
7.
8.
9.
10.
《节水灌溉》2021,(2)
为了解不同土壤水分传感器的工作性能,以目前国内应用最为广泛的频域反射性(FDR)土壤水分传感器为例,考虑当前新型的探管式结构,选取3种国产主流的FDR (管式)传感器(编号为Q1、Q2和Q3)进行261 d的田间性能测试试验。结果表明:3种传感器监测的土壤含水量曲线变化规律一致,峰值出现在有降雨时,表层土壤含水量曲线波动幅度大于深层土壤。但3种传感器在绝对数值上存在较大差异,土壤含水量变异系数在0.20~0.58之间。3种传感器的观测数值受温度影响较大,表层(0~20 cm)土壤变异系数大于深层土壤,增幅为38%以上,夏季(6月到7月)的土壤含水率变异系数大于其他季节,增幅为16%。通过对传感器观测值和人工观测值进行数据拟合,分别建立了3种传感器土壤水分的原位二次标定方程,有效降低了传感器之间的变异系数,降幅为53%~66%。因此,在农田应用中,应考虑土壤温度、土壤类型因素对FDR传感器原位二次标定的影响,以消除不同传感器工厂标定的差异性。 相似文献
11.
12.
FDR土壤水分传感器的快速校准与验证 总被引:1,自引:0,他引:1
《节水灌溉》2014,(3)
FDR(Frequency Domain Reflectometry)土壤水分传感器是一种用于测量土壤含水量的传感器,本文以FDR土壤水分传感器的工作原理为基础,重点研究了FDR传感器的快速校准方法,使之与标准传感器具有相同的输入输出特性。通过软件对FDR传感器进行校准,并利用校准后的系统与标准传感器进行了对比验证,检验结果表明,校准后的传感器与标准传感器的输入输出特性具有良好的一致性。 相似文献
13.
[目的/意义]土壤中含水率直接影响农作物生长状态和产量。开发出一种可靠、高效的土壤湿度传感器对实施农田科学灌溉具有重要指导意义。[方法]本研究提出一种基于微加工工艺制备的二硫化钼电容式土壤湿度传感器,通过叉指电极上同一平面上的金电极阵列实现数个电容并联,表面修饰二硫化钼作为敏感层实现对土壤湿度的测量。通过计算及使用COMSOL Multiphysics多物理场仿真软件研究电极参数对电容敏感度的影响,最终确定电极参数使用10μm间距、75对叉指。[结果和讨论]在保证测量精度的前提下,大大缩小了传感器的体积,可以实现土壤湿度的原位动态监测。在室温下相对湿度值从11%变化到96%时,电容式土壤湿度传感器在200 Hz频率下的电容输出为12.13 pf~187.42 nF;当土壤含水量由8.66%增加到42.75%时,传感器的电容输出在200 Hz频率下由119.51 nF增长到377.98 nF,显示出较高的湿度灵敏度及较宽的敏感范围。[结论]本研究提出的土壤水分传感器有望实现原位长期监测电容式土壤传感器的电容变化,从而监测土壤湿度的变化。 相似文献
14.
15.
16.
17.
针对适用于WSN土壤湿度采集节点的EC-5传感器对电源电压敏感的问题,从传感器工作原理入手分析电源电压引起检测误差的来源,且发现当传感器各项参数确定后,这种误差随着被测土壤湿度增大而增大。采用CC2430芯片作为WSN信息传输节点,建立具有多节点的上下位机WSN土壤湿度采集系统,以节点电压u和被测土壤实际湿度θ为对象,运用神经网络对采集节点中非线性土壤湿度传感器系统进行逆向建模,在上位机上实现由电源电压引起EC-5传感器检测误差的补偿,实验结果表明,该方法能有效地减少节点电池电压变化对WSN土壤湿度采集精度的影响。 相似文献
18.
为了提高农田土壤湿度预测的效果,采用神经网络灰色模型。首先灰色模型对农田土壤湿度数据建模,神经网络对误差进行校正;然后神经网络灰色模型考虑湿度数据之间的关联度,只对关联度值较大的单个预测模型进行组合预测;最后给出了算法流程。实验结果表明,随着农田土壤深度的增加,湿度数据预测值的相对误差以及波动性都在增加;多模型对比实验显示:对垂直深度70 cm和80 cm的土壤湿度预测值接近真实值,剩余预测偏差指标最小值为2.69、平均值为2.75,模型判定系数为0.98,结果优于其他预测模型指标。 相似文献
19.