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。
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):