基于BP神经网络的温室生菜CO2施肥研究

目前,温室CO2施肥主要采用试验定性分析确定适合范围,难以实现高精度温室产业生产控制。根据光合作用对温室环境因子的非线性,结合BP神经网络对非线性的良好辨识能力,研究出一种CO2施肥技术。结合温室光照、CO2浓度变化规律以及温室生菜生长规律,运用BP神经网络建立温室生菜光合速率与二者的量化模型,预测出在不同温室环境条件下,通过生菜的光合作用速率来衡量生菜生长状况,在温室小气候条件下实现对生菜产量的量化控制。     

基于两种神经网络的温室CO_2控制研究

根据作物光合作用对温室CO2浓度的非线性,结合神经网络对非线性的良好辨识能力,研究出一种CO2调控技术。结合温室作物光合作用和CO2变化规律,分别运用BP神经网路和RBF神经网络建立温室作物光合速率与CO2的量化模型,并进行分析比较2种网络的性能,得出预测精度较高的一种模型,可作为温室CO2控制系统依据。     

温室蔬菜光合作用特性的试验研究

研究了温室生产中常用的蔬菜品种—茄子、辣椒、生菜在不同气候状况下的光合作用日变化规律,并进行比较,然后以辣椒的净光合速率为指标,建立其与温度和光照强度等因素之间的量化关系,并进行分析。从获得的光合生产函数解析的结果表明:3种蔬菜在不同气候光合作用日变化呈特定规律,各环境因子之间互作效应显著。     

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。     

基于信息融合的温室CO2调控量决策方

提出一种以利润最大化为目标的温室CO2调控量决策方法。以生菜为研究对象,运用神经网络建立非线性的植物生长速率预测模型,采用多项式函数拟合得到植物市场价格规律模型,并考虑CO2施肥的成本,寻求最优CO2体积比的调控量。以生菜生长过程中的实验数据和2004～2006年凌家塘批发市场提供的生菜价格季节性变化规律为依据,结合实际情况建立预测模型并实现了多信息的融合,为温室测控系统CO2调控量的决策提供了依据。     

基于信息融合的温室CO_2调控量决策方法

提出一种以利润最大化为目标的温室CO2调控量决策方法.以生菜为研究对象,运用神经网络建立非线性的植物生长速率预测模型,采用多项式函数拟合得到植物市场价格规律模型,并考虑CO2施肥的成本,寻求最优CO2体积比的调控量.以生菜生长过程中的实验数据和2004～2006年凌家塘批发市场提供的生菜价格季节性变化规律为依据,结合实际情况建立预测模型并实现了多信息的融合,为温室测控系统CO2调控量的决策提供了依据.     

设施生菜光合和蒸腾速率影响因素分析与预测模型构建

光合速率及蒸腾速率是植物的2个重要生理指标。在全人工环境下,选取意大利生菜作为对象,设计并开展多环境变量对生菜光合速率及蒸腾速率影响的嵌套实验,得到环境因子对生菜光合速率及蒸腾速率的影响规律,应用神经网络构建生菜幼苗期光合速率及蒸腾速率预测模型。针对幼苗期生菜,选择温度、相对湿度、光子通量密度（Photosynthetic photon flux density, PPFD）及CO2浓度共4个环境影响因素,采用随机森林方法对数据进行相关性分析。结果表明,与蒸腾速率相关性由大到小的因素依次为CO2浓度、温度、相对湿度、PPFD,与光合速率相关性由大到小的因素依次为CO2浓度、PPFD、温度、相对湿度;采用枚举法确定隐藏层节点数和训练函数,通过遗传算法优化BP神经网络的初始权值和阈值,构建GA-BP神经网络生理指标预测模型。应用测试数据对模型进行验证,光合速率及蒸腾速率预测值与实测值的决定系数分别为0.96212、0.97944,均方根误差（RMSE）分别为2.9832μmol/(m2·s)、0.0014358mol/(m2·s),表明GA-BP神经网络在模型精度和迭代次数方面性能显著提高。研究结果可为设施生菜生产环境调控提供有效依据。     

可控环境下黄瓜光合特性及环境调控参数的优化

在可控环境下通过改变温度、光照强度和相对湿度的不同水平梯度组合,研究这3 个因子对黄瓜叶片净光合速率的综合影响;通过最小二乘法进行多元非线性参数回归,建立黄瓜叶片净光合速率对这3个因子的响应模型.研究了模型规律,并依据生长环境最优和经济性最优原则,提出了可控温室环境优化的调控策略.     

日光温室根区热环境相变调控系统设计与性能试验

为探索一种节能高效的日光温室热环境调控模式,以鞍II型日光温室为原型制作试验温室模型并设计了相配套的日光温室根区热环境相变调控系统,包括相变集热单元、潜热储存与交换单元、根温调节单元、循环泵组和循环管路5部分,并制定出系统热性能测试方案。通过对比试验,研究系统在单路循环模式下运行对日光温室模型室内空气、栽培基质不同深度温度的调节效果,以及对温室模型中紫叶生菜幼苗生长指标的影响。结果表明,冬季运行条件下,系统可以有效蓄积太阳辐射热,实现日光温室的高效能量收集和热环境调控,减少室内空气温度波动,提高基质根区温度。典型晴天天气测试时,试验温室20 cm深度处基质平均温度均高于对照温室。此外,与对照温室相比较,试验温室中生菜幼苗的株高、茎粗、单株叶面积、最大叶宽可分别提高13.4%、11.9%、79.1%、35.3%,表明试验温室内热环境更利于紫叶生菜幼苗的生长。     

基于模糊神经网络的温室温湿度智能控制系统研究

针对温室非线性、时变性、延时性、多变量耦合等问题,对温度、湿度、光照强度和CO2浓度等环境因子进行分析,把模糊推理运用到温室环境控制系统,利用专家经验和知识行为转化为相应的模糊控制规则;结合神经网络控制理论,以温度和湿度作为主要控制变量设计模糊神经网络控制系统。仿真结果表明,该系统响应速度快,抗干扰能力强,对温室环境中温湿度有较好的控制效果,可为智能温室自动控制系统设计提供一定参考。     

日光温室晚春茬生菜渗灌技术试验研究

采用埋深 1 0 cm的微孔渗灌管对日光温室晚春茬生菜进行了渗灌试验 ,并与沟灌进行了对比。结果表明 ,晚春茬生菜采用渗灌有明显的节水增产效果 ,与沟灌相比可节水 1 9.0 %、增产 1 5 .4 %。通过与栽培措施相结合采用渗灌成功地进行了生菜的定植。渗灌管浅埋灌水可以使表层土壤较快地湿润 ,并达到蔬菜生长所要求的水分 ,同时显著减少灌溉水的深层渗漏 ,提高灌溉水的利用率。温室生菜的田间蒸散量与温室内的蒸发力有直接关系 ,生育期内的日平均田间蒸散量为 2 .0 8mm/d,比沟灌温室内的高。     

厌氧发酵残留物对土壤酶动态特性的影响

通过温室盆栽生菜试验,研究厌氧发酵残留物对土壤蔗糖酶、脲酶、多酚氧化酶和中性磷酸酶动态特性以及作物产量的影响.试验以菜园土作为栽培基质,并以是否施用厌氧发酵残留物和种植作物进行设计,生菜种植期为50天,试验中间隔10天测定一次土壤酶活性.结果表明,施用厌氧发酵残留物能明显提高土壤酶的活性,且施用量越多,酶活性越高,生菜的产量也越高.栽种生菜的土壤酶活性高于相应的对照组,酶活性的变化基本和生菜的生长过程一致,在30～40天之间达到最高酶活性.土壤酶活性的提高表明,施用厌氧发酵残留物能改善土壤结构和性能,提高土壤的肥力和生产能力.     

基于智能温控算法的温室管理系统

为了适应作物生长需求,需要对大棚温度进行精确控制.首先,建立包含多种环境因素的大棚温度模型;其次,采用模糊PID控制方法,建立了高精度的温度控制方法.综合考虑温室外环境温度、风速、太阳照射强度和室内湿度等因素,采用ARX方法建立温度模型.采用模糊PID控制方法,以温度变化量及其变化率为输入,PID调节量为系统输出,对温...     

PLC功能指令在农村温室温度控制系统中的应用技巧

介绍了温室环境的特点,根据其特点提出温室温度控制要求,以温度作为优先控制的环境因子进而确定了以PLC为核心的温室温度控制系统．对温室温湿度进行实时控制。重点设计了温室温度控制主程序及功能指令的应用技巧。     

BP神经网络在日光温室湿度预测中的应用

在对冬季环境下典型北方日光温室环境因子实测数据进行分析的基础上,选择影响温室湿度的环境因子和管理情况作为神经网络的输入量,包括室外温度、室外湿度、室外光照、室内3点温度、室内光照、天窗、侧窗开闭等共10项,以温室内部5个点实测平均湿度为输出量。通过900组数据对构建好的BP神经网络进行训练,选取训练数据外的60组数据作为测试。结果表明,60组输出数据平均相对误差为3.234%,预测效果良好。     

塑料温室中湿帘风机通风条件下降温效果研究

为了能够充分了解湿帘风机降温系统在嘉兴地区高温高湿环境下的降温效果,以及温室中温度分布特征,在一个占地面积约3 072 m2,安装有湿帘风机降温系统的8连栋塑料温室中进行了相关因素的测试。试验结果表明:在环境相对湿度62%的情况下,使用湿帘风机降温时,温室内部平均温度降幅可达到4.8 ℃左右。证明湿帘风机系统在高温高湿的南方夏季也具有一定的降温能力。温室中水平方向上存在明显的温度梯度,风机一侧与湿帘一侧的温度差为2.5 ℃,沿水平方向的温度梯度为0.063 ℃m。温室中垂直方向上也存在明显的温度梯度,正午前后室外高温期间,温室中心部位垂直方向2个相差2 m位置点的温度差为2.6 ℃。