廊坊冬季日光温室气温分析与预报模型研究

以廊坊地区冬季生产季的日光温室内外的实时气温观测资料为试材,采用BP神经网络方法,研究了日光温室内外温度特征关系,建立了日光温室气温预报模型并对其进行了拟合检验。结果表明：（1）温室内外日平均气温变化规律基本一致,具有很强的相关性,内外逐日气温的峰值与谷值出现的时间大致相符;（2）利用BP神经网络方法建立模型对温室内气温进行模拟,最高气温预报值与实测值均方根误差为3.1℃,符合度指数为0.80,预报绝对误差≤3℃的预报准确率为77%;(3)最低气温预报值与实测值均方根误差为1.2℃,符合度指数为0.93,预报绝对误差≤2℃的预报准确率为90%。说明所建BP神经网络预报模型对廊坊地区日光温室内最高气温和最低气温模拟均有较高的精度,可以用于温室内气温的预测。     

栾川日光温室冬季气温预报模式研究

利用栾川县祥王种植专业合作社冬季日光温室内外气温监测数据及相应气象资料,采用一元回归分析法建立冬季日光温室气温预测模型,并与实际值进行对比。结果表明,温室内外气温存在显著相关性,且表现为不同天气下室内外最低气温相关性较最高气温显著;利用一元回归分析法建立的气温预测模型,晴天和阴天下预报质量高,效果明显,而在多云天气条件下,预测值与实际值存在差异,但仍有一定的参考价值。     

辣椒不同深度土壤墒情预报的BP神经网络模型

依据内蒙古河套灌区治丰试验基地的不同深度土壤水分传感器采样土壤含水率以及气象、地下水、灌水(降雨)数据,建立了基于BP人工神经网络的辣椒同时输出不同深度土层体积含水率预报模型,并用实测土壤含水率数据对模型进行了检验.结果表明,模型具有较好的预报效果,应用于不同深度土壤墒情分析和预报是可行的.     

基于BP神经网络的闽江上游洪水预报

洪水预报是水文科学中的难题,尤其是多分支河流的洪水演进和预报问题更是水文预报的难点。研究应用VB 6.0编程技术,实现人工神经网络BP算法的程序化,并建立闽江上游洪水过程预报的反向传播神经网络模型。经检验,洪水预测精度较好,结果令人满意,为闽江的洪水预报及调度工作提供新的思路和依据。     

基于BP神经网络的武汉市分层水温预报模型探究

为探讨武汉市分层水温的变化特征及预报方法,本文以武汉市金银湖为例,利用2019-2020年地面观测和分层水温资料,分析气温、气压、蒸发、地温、日照及辐射等气象要素对垂向水温变化的影响,建立武汉地区基于拟牛顿法反向传播(back propagation,BP)神经网络的20cm、40cm、60cm及80cm等层次水温预报模型。仿真结果表明：拟牛顿法BP神经网络的水温预报模型能够表达水温和气象要素的非线性关系,平均预报准确率超过90%,具有较高的预报精度。     

基于BP神经网络的巢湖市冬季浅层地温预报

利用2011—2016年冬季(12月至翌年2月)巢湖市国家基本站逐日气温、地温、日照、降水等气象资料,采用相关分析法筛选出影响地温的关键气象因子,运用MATLAB软件构建了基于BP神经网络浅层最低地温预报模型,并比较不同层模拟精度。结果表明,0~20 cm地温日变化均呈正弦曲线变化,越向深层地温变化幅度越小,位相逐层滞后。相关性分析表明,浅层最低地温与前一日的平均气温、最低气温、0~20 cm各层平均地温和最低地温成显著正相关,与前一日日照时数成显著负相关。模型模拟结果显示0、5、10、15、20 cm最低地温预报的标准误差和绝对误差逐层减小,20 cm层预报准确度明显优于0 cm层。     

日光温室内最高气温和最低气温预报模式的建立

为了提高设施农业气象服务能力,减轻气象灾害损失,利用日光温室内外气象观测资料,通过对影响日光温室内气温变化的因子进行分析,建立了包含天气类型、季节因子信息的日光温室内最高气温和最低气温的预报模型,克服了按照不同天气类型和不同季节分别建立预报模型的繁琐,所建模型简单易用,物理意义明确,均通过了统计检验,拟合回归好,预报准确率高,能够满足业务需求,可在防灾减灾救灾气象预报服务中应用。     

基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。     

基于BP神经网络的河北中南部空气质量预报研究

详细阐述了基于相关性较好的初始样本的BP神经网络空气质量预报模型的建立过程。以石家庄和邢台为例,将相邻两日污染物浓度差值作为预报量,利用前一日污染物浓度和当日气象要素日均值为预报因子,两者结合起来进行空气质量预报,并以冬季空气质量模型为例,对空气质量等级预报准确率进行检验。结果表明,石家庄和邢台SO_2和O_3的等级预报准确率为90%以上,PM_(2.5)、PM_(10)的等级预报准确率均为80%以上,首要污染物预报准确率均为80%以上。总体上,石家庄的空气质量等级预报准确率好于邢台。     

基于BP神经网络的河北中南部空气质量预报研究

详细阐述了基于相关性较好的初始样本的BP神经网络空气质量预报模型的建立过程。以石家庄和邢台为例,将相邻两日污染物浓度差值作为预报量,利用前一日污染物浓度和当日气象要素日均值为预报因子,两者结合起来进行空气质量预报,并以冬季空气质量模型为例,对空气质量等级预报准确率进行检验。结果表明,石家庄和邢台SO_2和O_3的等级预报准确率为90%以上,PM_(2.5)、PM_(10)的等级预报准确率均为80%以上,首要污染物预报准确率均为80%以上。总体上,石家庄的空气质量等级预报准确率好于邢台。     

基于CFD的不同走向大跨度保温型温室温度场模拟

大跨度保温型温室是针对日光温室之间南北间距较大,土地利用效率不高而设计的。该温室可将日光温室南北间距缩减为2m以内,同时具有日光温室的良好保温特征,但一直以来缺乏对该大跨度保温型温室的光温性能评价。本研究利用计算流体力学软件(Computational fluid dynamics,CFD)构建三维稳态温室模型,模拟不同走向对温室光温环境的影响,为温室建设提供理论依据。在模型中采用太阳射线追踪法加载太阳辐射,通过离散坐标辐射模型(Discrete ordinates,DO)模拟热辐射的影响。将模拟结果与试验测量结果进行对比,模型模拟值与实测值绝对偏差在0.3~2.1℃范围内,验证了构建的CFD温室模型的准确性。利用已验证的模型模拟结构尺寸完全相同,走向分别为东西与南北的2栋温室内的温度场分布情况,比较分析不同时刻(6个案例)温室内温度场差别。模拟结果表明,在上午10:00和下午14:00,2种走向温室内温度差异不明显在正午12:00,南北走向温室内温度比东西走向温室高2.8℃。在室温分布均匀性方面,利用CFD后处理软件提取6个案例在每一节点处的模拟值,统计6个案例温室温度的相对标准偏差,结果表明,在早、中、晚的3个时间段内,南北走向温室的RSD值均低于东西走向温室。综合模拟与测试结果表明,双拱大跨度保温型温室在北方地区应选用南北走向,温室的光照分布、温度分布都优于东西走向。     

基于广义回归神经网络异质复合墙体日光温室温度场的预测

为深入分析新型异质复合墙体日光温室的保温特性与应用前景,利用广义回归神经网络算法训练样本数据,通过三次样条插值法对训练结果拟合,建立冬季温室温度场预测模型。提出确定最优光滑因子的分组数目的留一优化法。选取河北省农科院经作所设计建造的新型异质复合墙体日光温室的2017年数据进行试验验证。结果表明:该模型预测效果良好,分组数目约为样本数目的1/16时训练效果最佳,预测温度与实际温度平均误差0.276 5℃,相关系数大于0.99,具有较好的精度与稳定性。本模型预测温室温度场效果良好,可用于预测冬季温室最低温度确定作物最优定植时间。     

冬季日光温室温度场优化研究

针对冬季寒冷地区温室作物质量与产量不理想的问题,建立温室CFD模型。对冬季哈尔滨地区某温室温度分布情况做模拟分析,验证模型准确性。温室冬季无空气流通,加热源热量扩散不充分,温室内部温度分布不均匀,大部分区域不能达到植物生长的适宜温度。根据温度场的分布状况,提出利用内循环风扇来优化温室内气流组织方法,充分利用未扩散的热能,提升温室内温度,优化温度场均匀性,验证效果良好。     

基于BP神经网络的杉木林蓄积量估测研究

以杉木人工林为研究对象,选取与蓄积量预测有关的因子作为样本输入,通过分析神经网络各参数对网络性能的影响得到最佳参数值,构建结构为10∶3∶1的杉木林蓄积量BP神经网络模型,通过模型训练随机抽取46个样本单元数据并预测20个检验样本。结果表明:BP神经网络对于林分蓄积量具有很好的模拟效果,总体拟合精度为88.5%,均方误差MSE=2.95,所构模型合理、稳定,能够快速有效预测杉木林的变化规律。     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4个影响苹果产量的关键气象因子,并运用逐步回归法和BP神经网络建立苹果产量预测模型。通过检验,2种预测模型拟合效果均较好,均能够较好地预测今后苹果的产量趋势。其中BP神经网络模型预测有较高精度,但存在局限性。     

BP神经网络模型在烟草烘烤过程中叶温变化预测中的应用

【目的】建立合适的BP神经网络模型,了解散叶烘烤过程中一系列烘烤因素对叶温变化的影响,为烤烟烘烤调制过程中叶温变化研究提供参考。【方法】运用叶温测定仪和温湿度自控仪记录烘烤过程中干球温度、湿球温度、相对湿度及干球温度与叶温的差值,并将此4项指标作为输入变量,叶温作为输出变量,建立一个拓扑结构为4—4-1的BP神经网络模型。【结果】所建立的BP神经网络模型模拟结果很快收敛,预测结果的绝对误差与相对误差小,预测所用的20组数据中相对误差〉1％的有8组数据,相对误差〉2％的有2组数据,相对误差〈1％的有12组数据。【结论】所建立的BP神经网络模型在对烟叶烘烤过程中叶温变化的预测效果较好。     

热风管道加温下日光温室根区温度场的CFD模拟

为探明热风管道加温系统设计参数对根区温度分布均匀性的影响,以单个基质栽培槽为研究对象,采用计算流体力学（Computational fluid dynamics,CFD）方法构建日光温室热风管道根区加温系统模型,探究不同进风口温度、进风口风速及送风管开孔数量下根区温度分布规律,设计正交试验并对每组试验进行数值模拟,确定各参数对根区温度分布均匀性的影响。结果表明：根区温度实测值与模拟值的平均相对误差为0.89%,均方根误差为0.02,模型可靠;随着进风口温度、风速和开孔数量的增大,根区温度不均匀度和最高温度有较为明显的增加,平均温度和最低温度无显著变化;各参数影响根区温度分布均匀性主次顺序为开孔数量>进风口温度>进风口风速。当进风口温度为20℃,进风口速度为7.5m/s,开孔数量为20时根区温度均匀性最好。     

基于毛细管网的日光温室苗床加温系统研究

针对日光温室冬春季育苗温度低且传统加温设备能耗高的特点,设计基于毛细管网的日光温室苗床热水加温系统,并于冬季在河北省永清县对系统的加温效果进行实际测试。以无加温育苗区为对照,研究分析毛细管网加温对空气温度和基质温度的影响,探讨了隔热层在加温苗床中的作用。结果表明:毛细管网苗床加温可使育苗基质夜间温度平均值及最低值提高3.2~3.4℃和0.8~1.4℃;铺设聚苯板可使夜间基质温度平均值提高0.6℃;基质温度的最低值偏离度为0~9.4%,平均值为1.5%~2.5%。基于毛细管网的苗床加温系统可有效提高苗床局部温度环境且加温均匀,对幼苗长势一致提供有力保障。     

日光温室内土壤温度对土壤含水率变化的影响

为探究土壤表层的含水率随土壤温度变化的规律,以呼和浩特地区的日光温室室内土壤为研究对象,利用土壤水分-温度传感器测试土壤含水率和土壤温度,采用Gaussian函数多峰拟合和线性拟合方法对土壤温度与含水率的关系进行拟合分析。结果表明:在3个试验区域的不同深度土层内,土壤含水率随土壤温度的变化均呈现线性变化规律,且越接近土壤表层,线性关系越显著。通过拟合方程得到的含水率计算值与实测值相对误差小于5%。本研究对日光温室内土壤环境的监测与控制具有指导意义。     

日光温室气温变化规律的研究

为探明冬春季目光温室内气温的变化规律,于山东莱芜进行温室内小气候观测试验,对各月份不同天气条件下温室内气温变化规律进行了分析,结果表明:(1)12、1和2月份的最低气温出现时间为08时,阴天会推迟1h.且最低气温均在番茄的生长界限温度以下;3和4月份的最低气温出现时间分别为07和06时;且最低气温均在阴天最高,多云天次之,晴天最低;(2)温室内外气温相关性阴天时最大,多云天次之.晴天最小;且白天相关性明显小于夜间;(3)冬季温室内增温效果显著.