基于LSTM神经网络的智能灌溉系统设计与试验

摘要：

针对我国现阶段农业生产效率低,农业用水浪费严重现象,设计一套基于LSTM神经网络的智能灌溉系统.系统以树莓派为下位机控制器,阿里云服务器为上位机.利用灰色关联分析法确定平均气温、太阳辐射、日照时数、平均风速、相对湿度、气压与作物需水量间的关联度系数分别为0.636 52、0.510 42、0.444 56、0.440 29、0.343 50、0.287 87,从中选取关联系数较大的气象因素作为LSTM预测模型的特征输入向量,作物需水量为输出向量,构建LSTM神经网络预测模型,并为系统开发了相应的物联网平台与移动端平台,实现数据可视化及开关远程控制功能.结果表明预测模型拟合系数R2等于0.987 2,且残差相对稳定,预测精度较高.在实际灌溉试验中模型预测平均绝对误差为3.02％,系统运行稳定,智能化程度较高,为农业现代化发展提供一定参考.

关键词：神经网络、需水量、物联网、智能灌溉系统、灰色关联分析

所属期刊栏目：43

分类号：S274.2(农田水利)

资助基金：国家自然科学基金;新疆生产建设兵团科技项目

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：116-123