基于1D CNN-GRU的日光温室温度预测模型研究

准确预测日光温室温度是实现温室高效调控的关键,对作物生长发育具有重要意义,但因温度具有时序性、非线性及多耦合性等特征,难以实现连续、精准、长时化预测。提出了一种基于1D CNN-GRU(One dimensional convolutional neural networks-gated recurrent unit)的日光温室温度预测模型,通过温室内外监测平台获取内外环境因子,以斯皮尔曼相关系数获取相关性强特征,构造特征与时间步长的二维矩阵输入网络进行温度预测,模型在测试集上预测1～4 h后的决定系数为0.970～0.994,均方根误差为0.612～1.358℃,平均绝对误差为0.428～0.854℃,绝对值的最大绝对误差为0.856～1.959℃。并在不同清晰度指数K_T下进行验证,结果表明,模型在K_T≥0.5(晴)时预测效果最好,且在其他K_T下模型相对误差在10%以内,可以达到温室生产所需的预测精度要求,为日光温室精准高效控温提供了重要依据。     

基于MIV-MEA-Elman神经网络的核桃果实膨大期需水量预测

核桃作物需水规律错综复杂,与气温、气压、相对湿度等因子之间具有复杂的非线性关系。针对这种特点,结合河北邯郸试验田核桃需水的历史数据和气象数据,提出了一种MIV-MEA-Elman模型。经MIV(平均影响值)算法筛选,得出4个较优的指标:平均气温、平均气压、相对湿度、日照时数。以此作为经MEA(思维进化算法)优化后的Elman神经网络模型的输入,核桃逐日需水量作为输出,经过对仿真结果分析,此模型的均方根误差为0.317,证明具有良好的预测效果。     

基于灰色神经网络的作物需水量预测模型研究

采用灰色系统理论与神经网络,通过多维度气象因子和参考作物需水量的相关分析,来确立灰色神经网络拓扑结构及网络流程,建立了预测作物需水量的灰色神经网络模型。以海南省儋州市1979~2014年的气候数据为输入,作物需水量为输出数据,运用Matlab工具,仿真表明预测曲线与参考作物需水量曲线拟合度较高,灰色神经网络模型预测结果绝对相对误差均值为5.28%,预测精度高,为节水灌溉提供了一种新的有效方法。     

基于MEA-BP神经网络的土壤养分评价模型

针对BP神经网络在解决复杂非线性问题时,存在初始权值和阈值随机赋值,网络学习速度慢,局部极小的问题,运用群体搜索能力强的思维进化算法(MEA),寻找出最优的初始权值和阈值,优化BP神经网络的网络结构,建立MEA-BP神经网络的土壤养分等级评价模型。以敦化市黑土的土壤养分数据作为测试集,评价指标选用土壤的有机质、全氮、速效氮、速效磷和速效钾。对比MEA-BP网络预测模型、遗传算法(GA)优化BP网络预测模型和单一的BP网络预测模型,结果表明MEA-BP网络预测模型的均方误差(MSE)最小、决定系数(R^2)最接近1和误差波动最小,可以更准确地反映土壤养分分级特性。     

基于MEA优化BP神经网络的农机滚动轴承故障诊断

为了解决农机滚动轴承的故障诊断问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的故障诊断新方法。该方法利用思维进化算法的趋同和异化操作,通过竞争获取优胜种群,在迭代过程中不断优化BP神经网路的初始权值和阈值,建立MEA-BP网络农机滚动轴承故障诊断模型。以滚动轴承试验实测数据为例,通过Mat Lab软件进行仿真,结果证实:该方法不但克服了常规BP网络学习速度慢和局部极小的缺点,而且提高了故障诊断准确度,为其他农业机械设备的故障诊断提供了一种试验方法。     

基于BP神经网络的果蔬热导率预测模型

通过微热探针法测试装置研究了30个品种的果蔬热导率与可溶性固形物含量、含水率、密度和硬度等因素的变化关系,提出了一种基于BP神经网络的果蔬热导率预测模型,并根据误差比较分析进行了模型优化。结果表明,该优化网络模型具有较好的热导率预测效果,平均相对误差为1.11%,平均绝对误差为0.0057W/(m?K),可以用于果蔬贮藏加工业中果蔬热传递过程的计算。     

冷冻干燥过程的神经网络预测模型

建立了BP神经网络模型来预测冷冻干燥过程特性，并对BP网络模型的构建方法和模型参数进行了研究。结果表明，采用BP神经网络模型预测冷冻干燥过程特性，具有易实施和预测精度高的特点。     

基于XGBoost的山核桃干腐病多分类预测模型研究

【目的】通过分析影响山核桃短期内干腐病发病程度的因素,对比不同机器学习算法,得到发病程度预测效果较好的模型,为科学、绿色防治工作提供思路。【方法】采用机器学习算法XGBoost、逻辑回归和BP神经网络作为构建预测模型的基础,以五折交叉验证方法验证模型。【结果】对山核桃干腐病发病程度的影响因素排名,由高到低分别是候平均温度、候平均湿度、病斑数目、候降水量;集成机器学习算法XGBoost构建的预测模型各评价指标都高于逻辑回归和BP神经网络;集成机器学习算法XGBoost在山核桃干腐病发病程度多分类预测问题上得到的效果优于传统机器学习算法。     

温室动态温度预测模型及试验研究

应用能量平衡的方法，建立了与室外温度、地理位置、温室结构等有关的条件下室温的动态预测模型．最后基于华东型连栋塑料温室对模型进行了实验验证；实测数据与模型输出的基本吻合，为进行温室节能和优化控制提供了良好、简便的途径。     

棚室多功能作业机研究

分析了国内外温室及微型多功能作业机的发展现状和趋势,概括了市场上新型多功能作业机结构设计等多方面的研究现状,阐述了当前菜农对棚室多功能作业机的迫切需求,总结了多功能作业机的研究成果,并得出国内多功能作业机的研制与国外存在的差距以及其未来发展趋势。      

基于LM-BP神经网络的喷药飞行器轨迹跟踪方法研究

首先介绍了LM-BP神经网络算法的特点和优势,依据喷药飞行器的机械结构和工作原理应用飞行控制理论,实现了喷药飞行器轨迹跟踪方法。最后,利用MatLab进行了仿真试验,结果表明:喷药飞行器期望飞行和实际飞行的两条轨迹基本重合,误差很小,达到了预期要求;且采用LM-BP神经网络算法进行迭代学习,能够较快地使误差趋于零,提高了喷药过程中的控制输入。     

基于BP神经网络对云南省粮食产量的预测模型

基于BP神经网络建立云南省粮食产量预测模型,分析有关文献,最终选择农业机械总动力、有效灌溉面积、农用化肥施用折纯量、农村用电量、农药使用量、粮食作物播种面积、农用柴油使用量和受灾面积等8个指标作为输入变量,粮食产量为输出变量。首先以云南省1993—2016年的粮食产量及8个粮食产量影响因素等数据,搭建BP神经网络预测模型,预测2017年、2018年和2019年的粮食产量。试验结果表明,基于BP神经网络预测模型在训练阶段,相对误差绝对值基本小于1%;在验证阶段,预测2017年、2018年和2019年的相对误差分别为1.84%、3.25%和2.86%,误差率均控制在5%以为,说明该模型具有很好的预测效果,能够有效地对粮食产量进行预测,并为粮食产量的预测提供了一种新的方法。     

基于BP神经网络的牡丹花热风干燥含水率预测模型

针对热风干燥制作牡丹压花时含水率不便实时测定的问题,探讨了干燥过程中热风温度、风速、压花板孔密度和牡丹花初始质量对干燥速率的影响.利用BP神经网络建立了干燥时间、热风温度、风速、牡丹花初始质量、压花板孔密度与牡丹花干燥过程中含水率之间的关系模型,采用Matlab神经网络工具箱对模型参数进行训练和模拟.结果表明,利用神经网络建立的模型仿真结果与实测值接近,预测性较好.     

基于神经网络红枣红外辐射干燥预测模型建立

针对红枣红外辐射干燥含水率的变化具有非线性和时变性、很难利用现有的模型构造一个数学模型来描述其变化规律的问题,利用Mat Lab神经网络工具箱和红枣红外辐射干燥特性试验数据建立了神经网络预测模型。通过对实测值和模型预测值进行分析研究,得出利用BP神经网络可以较快速、准确地建立模型来描述含水率的变化规律,且模型的预测值与试验测试值误差较小,能很好地实现在线预测的效果。     

基于遗传算法优化BP神经网络下马铃薯产量预测模型

马铃薯产量的高效预测对于制定马铃薯生长期间的精准管理决策具有重要意义。为此,针对传统BP神经网络在产量预测中存在的精度差、准确度低等问题,选择遗传算法对单一BP神经网络模型开展网格优化。基于朔州市朔城区沙楞河村2010-2019年田间物联网获取的田间环境数据(土壤含水率和土壤温度)、气象环境数据(大气湿度、大气温度、降雨量)和马铃薯产量,采用BP神经网络及GA-BP神经网络模型对所选地区马铃薯产量进行预测分析。研究结果表明：GA-BP神经网络模型下,马铃薯产量的预测精度明显高于BP神经网络模型,R²达到0.993 27,平均相对误差仅为0.88%。试验证明,GA-BP神经网络模型能够更加科学、合理地进行马铃薯产量预测,说明利用遗传算法优化BP神经网络在马铃薯产量预测中是可行且有效的。     

基于LSTM算法的智能节水灌溉预测模型研究

针对当前农田灌溉缺乏科学技术指导、水资源浪费严重的现状,为提高灌溉用水的利用效率,在智慧农业灌溉系统体系结构的基础上,提出了一种基于LSTM算法的智慧农业灌溉预测模型,可根据作物生长需求、生长环境和种植土壤等数据实现精准灌溉,能够最大程度地节约水资源.通过实验对LSTM灌溉预测模型与传统灌溉预测模型的预测值进行对比分析...     

棚室蔬菜播种机的研究与应用

蔬菜是我们人类都要摄取的食物,随着人口的增加,环境的恶化,衍生出了大棚蔬菜种植,这种种植方法可以让人们在冬天蔬菜没有办法在室外种植生产的情况下吃到夏天的蔬菜,这种种植方法也是为了满足人们日益增长的物质需求,棚室蔬菜种植的不断发展使得之前以人工为主的种植模式已经满足不了实际发展的需求,针对此种情况研发设计一种适合棚室作业的手推式蔬菜播种机。整个机具结构简单,设计巧妙,占地面积小,该机具投入使用后将大大减轻农民的劳动强度,使棚室内的种植环境保持清洁、无污染,填补了国内棚室蔬菜种子播种机械的空白。     

基于RBF神经网络的温室温度调控研究

根据光合作用对温室环境因子的非线性,结合RBF神经网络对非线性的良好辨识能力,研究出一种温度调控技术。结合温室光照、温度变化规律,运用RBF神经网络建立温室生菜光合速率与二者的量化模型,通过生菜的光合作用速率来衡量生菜生长状况,在温室小气候里实现对生菜产量的量化控制。该模型预测精度较高,可作为温室测控系统环境因子调控依据。     

基于神经网络的温室土壤水分动态预测模型研究北大核心

针对智能温室变量施水的土壤水分预测问题,建立基于神经网络的土壤水分动态预测模型。以Delaunay三角剖分布点方法为基础,并将种植区域离散成若干单元。对各离散单元,模糊其土壤喷灌量,将单位时间土壤含水量的变化映射成土壤水势变化。考虑到土壤的时空特性,使用MATLAB建立以预测单元表层测量点土壤含水量、土壤温度和单位时间土壤含水量变化量作为输入,未来时刻该单元中心土壤深层含水量作为输出的BP神经网络和RBF神经网络预测模型。利用温室实际数据验证模型的准确性,通过比较两种神经网络模型结果,得出RBF神经网络模型具有较好实用性,为温室精细化变量施水的实现奠定基础。