一种基于天气预测的智慧农业灌溉管理系统的制作方法

本发明属于智慧农业领域，具体涉及一种基于天气预测的智慧农业灌溉管理系统。

背景技术：

1、国家近年来也大力发展农业，支持农业现代化加速发展新格局。

2、国内外在作物需水量、土壤入渗以及智能灌溉控制方面做了大量的研究，推动了智能灌溉决策的发展，并取得了较多的研究成果，但现有气象预测模型仅限于中期预测，而短时预测对作物的灌溉决策起着更为重要的作用，且现有气象预测模型多处理二维数据，不能充分提取气象数据特征，无法精准预测降水量。

技术实现思路

1、为了解决现有技术存在的缺陷，本发明提供了一种基于天气预测的智慧农业灌溉管理系统。

2、本发明采用技术方案是，一种基于天气预测的智慧农业灌溉管理系统，包括：

3、数据采集模块：采集实时气象指标，作物的种植季节，生长阶段信息，土壤含水量，最大根深，作物覆盖率，胁迫系数临界点；其中气象指标来源于风云卫星遥感数据，提取各个维度的数据特征，包括平均大气压力、最高温度、最低温度、平均气温、相对湿度、风速和降雨量，将其输入气象预测模型中进行模拟和预测作物区域的降水量；

4、气象预测模型建立模块：采用气象站数据和网络气象数据实时抓取，融合现场气象数据，从总样本中随机抽取80%作为训练样本，剩下的20%作为测试样本，基于循环神经网络对气象指标数据进行训练，将降维后的数据作为气象预测模型的输入，实测的未来一到两小时内的降雨量作为标签，训练气象预测模型，并评估模型效果；

5、传感器模块：采用土壤水分传感器测量土壤含水量，土壤水分传感器发射电磁波，电磁波沿探针传输，到达底部后返回，检测探头输出的电压，由于土壤介电常数的变化取决于土壤的含水量，由输出电压和水分的关系计算出土壤的含水量；

6、决策模块：数据决策分析主要采用土壤湿度法，即根据作物的需求量以及土壤供水之间的关系，在作物各生育阶段制定出几个不同水平的土壤湿度下限，当土壤湿度为下限时，结合天气雷达预报降雨数据，根据估测降水的时间、降水量，需对作物在这段时间内蒸腾量损失进行灌溉补充。

7、本发明的有益效果是，采用三维神经网络算法建立气象预测模型，可以实现短时天气预测，依据作物在不同生长时期的需水量、灌溉量和灌溉周期，达到精确管理，从而为作物的灌溉起到更精准的决策辅助，增加作物产出量的效果，且三维神经网络算法可以处理不均匀的3d气象数据，建立更精准的气象预测模型，精准预测降水量，实现智慧农业灌溉管理。

技术特征：

1.一种基于天气预测的智慧农业灌溉管理系统，其特征在于，所述系统包括：

2.如权利要求1所述的系统，其特征在于，对气象数据特征提取时，先将样本数据归一化，设置样本每个维度的均值为0，方差为1，计算方法如下：

3.如权利要求1所述的系统，其特征在于，在神经网络算法中，采用卷积层中大小为 3× 3 × 3 的小卷积核，每个卷积层后跟一个归一化层和一个线性修正单元。

4.如权利要求1所述的系统，其特征在于，使用循环神经网络对上下文进行编码，将同一个输入序列分别接入向前和向后的两个lstm中，然后将两个网络的隐含层链接在一起，共同接入到输出层进行预测；给定一个输入序列 x = (x1, ..., xt ) 和目标序列y =(y1, ..., yk)，通过以下等式对当前时间输出的概率进行建模，在训练期间，对于每个学习元素，循环神经网络为每个神经元确定一组权重和偏置：

5.如权利要求1所述的系统，其特征在于，迭代优化得到使总体成本函数最小化的权重和偏置参数，监督机制的损失函数为：

6.如权利要求1所述的系统，其特征在于，评估模型效果选用：决定系数（r2 ）、均方根误差（rmse）和相对分析误差（rpd）：

技术总结
本发明公开了一种基于天气预测的智慧农业灌溉管理系统，包括数据采集模块、气象预测模型建立模块、传感器模块和决策模块，通过采集实时气象指标，作物的种植季节，生长阶段信息，土壤含水率，最大根深，作物覆盖率，胁迫系数临界点，基于循环神经网络对气象指标数据训练气象预测模型，采用土壤传感器测量土壤含水量，根据作物的需求量以及土壤供水之间的关系，结合天气雷达预报降雨数据，根据估测降水的时间、降水量等要素，对作物进行灌溉管理。

技术研发人员：王启凡,曾宇航,李艳琼,赵雪梅,曾麟钧
受保护的技术使用者：四川省商投信息技术有限责任公司
技术研发日：
技术公布日：2024/1/16