【技术实现步骤摘要】
一种基于天气预测的智慧农业灌溉管理系统
[0001]本专利技术属于智慧农业领域,具体涉及一种基于天气预测的智慧农业灌溉管理系统
。
技术介绍
[0002]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
。
[0003]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
[0004]为了解决现有技术存在的缺陷,本专利技术提供了一种基于天气预测的智慧农业灌溉管理系统
。
[0005]本专利技术采用技术方案是,一种基于天气预测的智慧农业灌溉管理系统,包括: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;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
2 ...
【技术保护点】
【技术特征摘要】
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: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;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;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;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
。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:,其中,为第
i
个样本,为所有样本每个特征维度下的平均值,为所有样本每个特征维度下的标准差,为训练样本数量;计算协方差矩阵,并对其进行特征值分解;取前
k
个特征值对应的特征向量:
u1,u2,
…
,u
k
;
得到降维后的数据:,其中
k
为...
【专利技术属性】
技术研发人员:王启凡,曾宇航,李艳琼,赵雪梅,曾麟钧,
申请(专利权)人:四川省商投信息技术有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。