基于神经网络的温室土壤水分动态预测模型研究

摘要：

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.

关键词：动态预测模型、Delaunay三角剖分、土壤含水量、水势、BP神经网络、RBF神经网络

分类号：S152.7(土壤学)

资助基金：四川省科技厅项目"食用、观赏、药用兼用果树新种类费约果Feijoa产业化开发应用集成技术研究"2014HH0053;绵阳市科技局项目"费约果新品种引进及商品化栽培技术研究"14N-03-3

在线出版日期：2017-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：72-76