基于深度学习人工神经网络的青椒调亏灌溉水量预测

摘要：

在2014—2018年,采用垄沟集雨覆盖种植滴灌技术与调亏灌溉技术相结合(MFR-RDI)对青椒进行试验研究,选取灌溉水利用效率最高的试验处理(即青椒结果后期重度亏水)进行灌水量预测.根据试验期间搜集的各项资料,在MFR-RDI种植方式下,以作物需水量、青椒生育期天数、作物生育期内的降水量、土壤含水率、前一天的灌水量作为模型输入因子,构建青椒作物灌水量的深度学习人工神经网络(DNN)预测模型.通过模型试验得到最佳DNN预测模型,该模型的隐含层包括4层,各隐含层神经元个数分别为:32、16、8、4.模型的激活函数采用"Re-LU",优化函数为"adam",迭代次数为300.模型使用2018年的数据进行了测试.测试结果表明DNN模型的RMSE为0.898 mm,MAE为0.257 mm,NS为0.758,R2为0.7635,说明该预测模型具有较高的精度性能.通过预测结果可以得到此种植方式下青椒的灌溉制度,为实现高效智能节水灌溉提供参考.

关键词：调亏灌溉;滴灌;人工神经网络;深度学习;青椒;预测

所属期刊栏目：39

分类号：S165+.22;S126;S641.3(农业气象学)

资助基金：河北省研究生创新项目;河北省自然科学基金;河北省科技支撑计划;河北省创新能力提升计划

在线出版日期：2021-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：105-112,170