温室湿度动态预测模型建立与试验

根据温室内水气收支平衡关系,建立了与室内外气象参数、温室结构、作物生长状况、土壤潮湿程度等有关条件下的温室湿度动态预测模型。同时定量描述了温室内作物蒸腾、土壤蒸发、壁面凝结、自然通风和机械通风等与湿度变化相关的各种物理过程。基于华北塑料连栋温室对所建模型进行了试验验证。结果表明:模型能较好预测温室内空气相对湿度值,预测值和实测值之间的均方根误差为5.9%。     

自然通风条件下塑料大棚温度和湿度模拟

为了深入研究大棚通风对大棚内温、湿度影响,基于能量与物质平衡原理建立了大棚内部温、湿度预测模型,对大棚内部温、湿度进行预测模拟,并以试验观测数据对模型进行了检验。结果表明,模拟晴天天窗开度50%(处理1)与100%(处理2)时,大棚温度预测值和实测值决定系数分别为0.98、0.99,相对湿度预测值和实测值决定系数为0.9,模型能较好的预测棚内温、湿度;大通风面积对大棚内温、湿度影响大于小通风面积,通风面积对大棚内温度影响比相对湿度影响明显。研究结果可为通风条件下塑料大棚温、湿度环境控制研究及南方塑料大棚生产管理提供参考依据。     

基于SSA-PSO-LSTM模型的羊舍相对湿度预测技术

羊舍湿度过高或过低都会直接威胁肉羊健康生长,及时掌握湿度变化趋势并提前调控是确保规模化肉羊无应激环境下健康养殖的关键。为提高湿度预测精度,提出了基于奇异谱分析（SSA）、粒子群优化算法（PSO）、长短时记忆网络（LSTM）的羊舍湿度非线性组合预测模型。利用SSA分离出正常序列和噪声序列,将原始序列转换为平滑序列;其次通过PSO不断迭代优化确定LSTM的最优参数组合,降低LSTM的训练成本;最终依据优化参数建立组合预测模型分别对两序列进行预测,模型结果之和为最终预测结果。利用该模型对新疆维吾尔自治区2021年3月17—27日期间的羊舍空气相对湿度进行预测,结果表明,该组合预测模型具有良好的泛化性、稳定性和收敛性。与标准的ELM、SVR、LSTM、PSO-LSTM、EMD-PSO-LSTM等模型相比,本文提出的SSA-PSO-LSTM组合模型具有更高的预测精度,其均方误差、平均绝对误差和决定系数分别为1.127%2、0.803%和0.988。     

基于Elman神经网络的温室环境因子预测方法

针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。     

禽蛋孵化过程组合预测研究

针对孵化过程是一个具有高度非线性、大滞后、时变特性且强耦合性的农业生产过程,提出了一种基于灰色预测和联想记忆神经网络的组合预测方法.该模型首先利用灰色预测模型和联想记忆神经网络分别对焦炉禽蛋孵化过程温、湿度进行预测,然后采用方差-协方差优选组合预测法对2种单一模型的预测结果进行加权集成,以获得较为准确的预测精度,实现孵化过程温度和湿度的有效预测.运行结果表明,组合预测模型均方根相对偏差为0.9％.     

基于神经网络灰色模型的农田土壤湿度预测研究

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。     

基于支持向量机的储粮仓壁动态侧压力预测模型

影响筒仓动态侧压力的影响因素十分复杂,如何全面考虑影响因素,高效、简单地预测筒仓动态侧压力是重要问题。针对此问题,尝试提出了基于支持向量机的预测模型。首先,将影响因素进行归一化处理,将归一化后的数据作为预测模型的输入向量,筒仓动态侧压力作为预测模型的输出向量;其次,以400组PFC模拟数据作为训练样本,运用交叉验证和网格搜索法寻优获得最优支持向量机参数,最终建立基于SVM的筒仓动态侧压力预测模型,并对105组PFC模拟数据进行筒仓动态侧压力预测。结果表明:SVM预测模型的均方误差MSE小于0.0005,相关系数R;大于0.98,模型具有较高的准确率和较好的泛化性能。将模型试验、数值模拟、公式计算与预测数据进行对比分析,结果拟合良好;利用该模型验证筒仓动态侧压力随着相关参数的变化趋势,结果与前人研究结果相一致。该预测模型与传统方法相结合对筒仓动态侧压力进行研究可行性较高,可为筒仓动态侧压力预测、影响因素研究提供一种新的方法。     

基于RBF神经网络与BP神经网络的核桃作物需水量预测

采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型.两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析.RBF神经网络预测作物需水量的绝对误差平均值为0.254 7 mm/d、相对误差平均值为5.47％,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97％,由此可见,RBF网络预测的精度比BP网络高.并且,通过程序记时显示RBF网络训练用时0.063 0 s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一.     

基于神经网络的土壤水分动态预测模型研究

土壤水分的测量对于作物的正常生长以及提高作物的经济效益具有重大意义,通过实现对土壤水分的动态预测进一步实现对作物的科学供水,对实现精准农业具有重要意义。课题组通过对现有网络预测模型的研究,发现传统的土壤含水量预测主要使用依据以往经验推导出来的预测公式进行计算,参数固定,不具备实时性的特点。基于此,课题组建立了BP动态多因素神经网络模型和RNN动态多因素土壤水分预测模型,对两种土壤水分动态预测模型进行研究,研究结果表明,RNN模型的动态多因素土壤墒情预测具有更好效果。     

基于IL-HMMs预测模型的地下水埋深预测研究

以西北干旱典型县域磴口县为研究区,基于增量学习的改进隐马尔可夫预测模型(IL-HMMs),对区域地下水埋深进行了预测研究。为检验IL-HMMs模型预测效果,将模型预测结果与2013年长观井的实测数据进行了比较;同时为检验模型的优劣性,与未经增量学习的隐马尔可夫模型(HMMs)、加权马尔可夫链(WMCP)和BP神经网络(BP neural network,BPNN)预测模型的预测结果进行了比较。结果表明:与其他几种预测模型相比,IL-HMMs模型预测精度显著提高,误差更小,有较好的鲁棒性。并使用IL-HMMs模型对2018年地下水埋深进行了预测,预测结果表明,2018年地下水年平均埋深略有增加、局部区域地下水埋深增量加剧。基于IL-HMMs模型的地下水埋深预测具有很好稳定性的同时对新数据加入又有很好的鲁棒性,可为地下水埋深动态预测提供思路与方法补充,为区域地下水资源开发利用和保护提供重要依据。     

基于模糊规则的温室微喷控制系统研究

针对温室微喷系统控制算法不稳定、适应能力差等问题,利用模糊规则设计了一种平滑切换控制算法;利用阶跃建模方法搭建微喷量与空气湿度的数学模型,简化了温室空气湿度模型;最后将WiFi和ZigBee传输技术结合来搭建温室远程控制系统。Matlab/Simulink仿真实验结果表明,模糊切换控制策略比传统模糊PID控制拥有更小的超调量、较高的稳定性,能够达到较好的控制效果。同时,实际运行结果表明,温室微喷控制系统丢包率小于15%,温室空气湿度能控制在89%左右,运行稳定且符合温室空气湿度控制要求,实现了温室空气湿度的精确控制,为发展设施化农业精细化控制提供一种解决思路。     

番茄棚室高产栽培

番茄棚室的高产栽培效果，与气候条件有着密切的联系。在棚室栽培中，要确保番茄的高产、稳产，一定要对棚室内的温度、湿度进行合理的控制，并合理利用太阳光照，并对各环节进行科学的管理，保证棚室内的温度适合番茄生长，有效提高番茄棚室栽培的经济效益。     

气象因子的变化对参考作物蒸发蒸腾量的影响

根据东江流域1961—2005年的气象资料,利用平均影响量和气象因子缺失数值试验,分析气象因子变化对参考作物蒸发蒸腾量的影响。结果表明,日照时数的平均影响量最大,温度、相对湿度其次,二者相近,风速最小;夏季日照时数的平均影响量比其他因子大得多,冬、春季日照时数的平均影响量依然最大,但与温度、相对湿度的平均影响量差距减小...     

基于自然通风的日光温室内温湿度仿真模型

为了模拟自然通风条件下日光温室内温湿度的变化,将通风口开度进行量化处理,根据热量平衡和水汽质量平衡原理构建了温室内气温和湿度的动态变化数学模型。利用Simulink仿真平台将二者结合,搭建了以通风为输入、以室内温湿度为输出的温室微气候系统仿真框图,利用2类典型天气条件下的实测数据对模型进行了仿真检验。研究结果表明,室内气温的标准误差最大为0.479 2℃,仿真有效性指数最小为73.03%;室内湿度的标准误差最大为1.943 7%,模型有效性指数最小为71.13%;仿真模型是有效的。     

温室地下蓄热系统换热管道空气流速对蓄热效果影

为确定双层覆盖温室地下蓄热系统换热管道空气流速对蓄热增温效果及对温室温度与湿度环境的影响,分别测试了该系统换热管道以不同空气流速蓄热时换热管道进出口空气温度和湿度、地坪温度以及相邻无蓄热系统温室内的气温、土壤温度和室外温度.结果表明,白昼晴朗时,当换热管道内空气以流速0.6、1.0、1.5、2.0、2.5、2.8 m/s进行蓄热时,地坪温度均高于相邻无蓄热系统温室内的土壤温度,平均温差分别为0.8、1.1、3.1、3.9、4.3、5.6℃,系统蓄热效果随换热管道空气流速增加而增强.在系统换热管道内空气流速以0.6～2.8 m/s蓄热时,温室内热空气流经换热管道温度明显降低,使蓄热温室内的气温低于相邻温室气温0.1～0.6℃,但蓄热温室气温在常见温室栽培作物所需的适宜温度范围内,换热管道以不同空气流速蓄热对温室的温度环境影响较小.     

单栋塑料温室内多因子综合CFD稳态模拟分析

为分析单栋塑料温室内的综合环境:气流场、温度场、湿度场、CO2浓度场,建立了包括温室内外空间、室内作物和土壤层等的温室环境几何模型。将温室内的湿空气看作水蒸气、CO2和干空气的混合气体,在分析温室中太阳辐射、作物与环境的质热交换,动量及质能传递过程的基础上,对单栋塑料温室内的环境因子进行了稳态模拟。温室内热辐射传递过程采用蒙特卡罗法模拟方法;将室内作物简化为连续固体换热模型,采用剪应力输运模型(SST)表述温室内的空气紊流。结果显示:温室通风对温度、湿度和CO2分布的影响很大,温室内部上风向温度低,湿度小,同时CO2浓度也不高;温室下风向作物冠层的环境未达到优化状态;模型的预测值低于实测值,但变化规律相似,温度、湿度、CO2含量的预测相对误差分别低于8%、6%和7%。     

参考作物蒸发蒸腾量的气象因子响应模型

基于江苏省南通市2000～2004年的旬气象资料,用FAO推荐的Penman-Monteith公式计算了参考作物蒸发蒸腾量,研究了参考作物蒸发蒸腾量与最高气温、最低气温、平均气温、相对湿度、日照时数、风速和气压等气象因素间的关系,建立了参考作物蒸发蒸腾量的响应模型.结果表明,参考作物蒸发蒸腾量与"温度因子"的关系最强,其次为"湿度和日照因子","风速因子"也有一定的影响,"气压因子"影响作用则稍弱;建立的气象因子响应模型模拟精度较高,可以简化参考作物蒸发蒸腾量计算.     

基于CFD的水稻育秧大棚环境数值模拟研究

针对育秧大棚内部空气流动对水稻秧苗生长环境的影响问题,分析了水稻育秧大棚内部环境分布情况。同时,利用Gambit对大棚进行三维建模、Fluent求解计算、CFD-post后处理分析,并运用k-ε湍流模型、太阳辐射追踪器、组分模型来计算模拟大棚内部温湿度场及气流速度场分布。结果表明:温湿度模拟值与测量值吻合较好,相对误差均控制在5%以内。本模型可以为其他气候和边界条件下的大棚环境预测、结构参数优化提供参考及理论依据。     

基于SSA-LSTM的日光温室环境预测模型研究

构建日光温室环境预测模型,准确预测温室环境变化有助于精准调控作物生长环境,促进果蔬生长。而温室小气候环境数据多参数并存、耦合关系复杂,且具有时序性和非线性,难以建立准确的预测模型。针对以上问题,提出一种基于麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)温室环境预测模型,实现了温室环境数据的精准预测。实验结果表明,采用SSA自动进行参数选优的方式,解决了LSTM模型参数手动选择的难题,大幅缩短模型训练时间,且最优的网络参数能够发挥模型的最佳性能。对日光温室内空气温湿度、土壤温湿度、CO₂浓度和光照强度6种环境参数进行预测,SSA-LSTM平均拟合指数高达97.6%,相比BP、门控循环单元(GRU)、LSTM,其预测拟合指数分别提升8.1、4.1、4.3个百分点,预测精度明显提升。