农业生产试验用降雨模拟发生器的模拟控制系统技术方案

本发明专利技术公开了农业生产试验用降雨模拟发生器的模拟控制系统，涉及模拟降雨控制技术领域，通过设置土地历史数据收集模块以及降雨历史数据收集模块预先收集历史降雨时的土壤和降雨数据；设置历史数据分析模块结合了历史的降雨强度与土地土壤数据的时序变化数据，生成具有根据连续降雨数据以及土壤实时数据，判断是否会发生土壤灾害的神经网络模型；设置实时降雨数据收集模块、实时土地数据收集模块实时获取模拟降雨实验时的自然数据；设置模拟降雨控制模块分析模拟降雨时对自然土壤的破坏情况；保证了在进行模拟降雨实验前，及时避免因模拟降雨强度过大而导致的灾害发生。模拟降雨强度过大而导致的灾害发生。模拟降雨强度过大而导致的灾害发生。

【技术实现步骤摘要】
农业生产试验用降雨模拟发生器的模拟控制系统


[0001]本专利技术属于模拟降雨领域，涉及深度学习技术，具体是农业生产试验用降雨模拟发生器的模拟控制系统。

技术介绍

[0002]人工降雨模拟器在应对水土流失、土地荒漠化以及农林业用地水资源短缺等问题，以大力开展水土保持以及水资源的研究和利用中发挥着重要的功能；基于农业实验的需求，通过人工降雨模拟器的使用，可以创建出对应需求的降雨条件；而目前存在的一个关键问题在于，人工降雨模拟器在进行模拟降雨时，难以把握合适的降雨强度，从而导致了土壤灾害的发生；为此，提出农业生产试验用降雨模拟发生器的模拟控制系统。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出农业生产试验用降雨模拟发生器的模拟控制系统，该农业生产试验用降雨模拟发生器的模拟控制系统通过降雨强度的持续数据以及土壤数据的变化情况，并结合具有时序处理能力的深度神经网络，保证了在进行模拟降雨实验前，及时避免因模拟降雨强度过大而导致的灾害发生。
[0004]为实现上述目的，根据本专利技术的第一方面的实施例提出农业生产试验用降雨模拟发生器的模拟控制系统，包括土地历史数据收集模块、降雨历史数据收集模块、历史数据分析模块、实时降雨数据收集模块、实时土地数据收集模块以及模拟降雨控制模块；其中，各个模块之间通过电气和/或无线网络方式连接；其中，所述土地历史数据收集模块主要用于预先收集待实验土地的历史土地数据；所述土地的历史土地数据包括历次降雨前的土壤数据、降雨过程中的实时土壤数据和灾害数据；其中，所述土壤数据为用于分析土地灾害程度的各种物理数据；具体的，可以包括但不限于土地的地表土壤侵蚀量、径流流量、径流中的污染物重量和含量等；所述灾害数据为经过此次降雨后，土地所遭受的灾害情况；所述土地历史数据收集模块将历史土地数据发送至历史数据分析模块；其中，所述降雨历史数据收集模块主要用于预先收集历史上每次降雨的实时雨水数据；所述降雨的雨水数据为用于衡量降雨强度的雨水的物理数据；所述降雨历史数据收集模块将收集的历史上的降雨实时雨水数据发送至历史数据分析模块；其中，所述历史数据分析模块主要用于根据土地的降雨前和降雨过程中的土壤数据以及每次降雨的实时雨水数据，训练出预判土壤灾害的神经网络模型；所述历史数据分析模块训练预判土壤灾害的神经网络模型包括以下步骤：
步骤S1：将土地的每场降雨前和降雨过程中的土壤数据与降雨的实时雨水数据进行时空匹配；需要理解的是，每组土壤数据在降雨前以及降雨过程中的土壤物理数据的变化，均对应着一场降雨；即每个降雨前和降雨过程中的土壤数据均对应着一组实时雨水数据；步骤S2：将每个时刻的土壤数据以及实时雨水数据中的物理数据转化为数值形式；并将转换后的每个时刻的土壤数据以及雨水数据整理成数字向量的形式；将每组土壤数据和对应的雨水数据进行归一化，并将归一化后的数字向量，组成具有时序关系的二维向量形式；步骤S3：将二维向量转化成具有时序处理能力的神经网络模型的可接受的输入形式；并输入至该神经网络模型中；优选的，所述神经网络模型以每次降雨后的预测灾害数据为输出值，以实际的灾害数据为真实值；以输出值对真实值的预测准确率作为训练目标；步骤S4：根据实际经验设置并调试该神经网络模型的训练参数，对该神经网络模型进行训练；并预设预测准确率阈值P，训练至该神经网络模型的预测准确率达到预测准确率阈值P；停止训练，并将训练完成的神经 网络模型标记为M；需要理解的是，所述的具有时序处理能力的神经网络模型为RNN或LSTM中的一种；所述历史数据分析模块将训练完成的神经网络模型M发送至模拟降雨控制模块；其中，所述实时降雨数据收集模块主要用于实时收集待实验土地的降雨的雨水数据；所述实时降雨数据收集模块收集雨水数据的方式为：在预报的降雨时刻开启测量各个降雨强度的物理数据的感应传感器，所述感应传感器将实时测量的降雨强度的物理数据发送至模拟降雨控制模块；其中，所述实时土地数据收集模块主要用于实时收集待实验土地在实验前以及实验中时的土壤数据；所述实时土地数据收集模块实时收集土壤数据的方式为：在待试验土地中使用降雨模拟发生器前开启测量各个土壤物理数据的感应传感器；通过感应传感器实时测量各个土壤的物理数据，直至 实验结束或降雨停止时，关闭感应传感器；所述实时土地数据收集模块将实时收集的土壤数据发送至模拟降雨控制模块；其中，所述模拟降雨控制模块主要用于在进行模拟降雨过程中，对模拟降雨的降雨强度进行监测及控制；对模拟降雨的降雨强度进行监测及控制包括以下步骤：步骤Q1：在模拟降雨实验前，在降雨模拟发生器控制台中预设降雨强度的物理数值；步骤Q2：启动模拟降雨实验后，将模拟降雨的降雨强度的物理数值与当前真实降雨强度的物理数值进行叠加；步骤Q3：将叠加后的降雨强度的物理数值，以及实时的土壤数据中的物理数据经过数值转换、向量化以及归一化后，转化为神经网络模型M可接受的输入形式；并输入至神经网络模型M中；步骤Q4：获取神经网络模型M的输出；若M的输出为土壤灾害一种，则控制降雨模拟发生器停止降雨。
[0005]与现有技术相比，本专利技术的有益效果是：本专利技术结合了历史的降雨强度与土地土壤数据的时序变化数据，输入具有时序处理处理能力的神经网络模型中，从而生成具有根据连续降雨数据以及土壤实时数据，判断是否会发生土壤灾害的神经网络模型；保证了在进行模拟降雨实验前，及时避免因模拟降雨强度过大而导致的灾害发生。
附图说明
[0006]图1为本专利技术的原理图。
具体实施方式
[0007]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0008]如图1所示，农业生产试验用降雨模拟发生器的模拟控制系统，包括土地历史数据收集模块、降雨历史数据收集模块、历史数据分析模块、实时降雨数据收集模块、实时土地数据收集模块以及模拟降雨控制模块；其中，各个模块之间通过电气和/或无线网络方式连接；人工降雨模拟器在应对水土流失、土地荒漠化以及农林业用地水资源短缺等问题，以大力开展水土保持以及水资源的研究和利用中发挥着重要的功能；基于农业实验的需求，通过人工降雨模拟器的使用，可以创建出对应需求的降雨条件；而目前存在的一个关键问题在于，人工降雨模拟器在进行模拟降雨时，难以把握合适的降雨强度，从而导致了土壤灾害的发生；其中，所述土地历史数据收集模块主要用于预先收集待实验土地的历史土地数据；本实施例中，所述土地的历史土地数据包括历次降雨前的土壤数据、降雨过程中的实时土壤数据和灾害数据；其中，所述土壤数据为用于分析土地灾害程度的各种物理数据；具体的，可以包括但不限于土地的地表土壤侵蚀量、径流流量、径流中的污染物重量和含量等；所述灾害数据为经过此次降雨后，土地所遭受的灾害情况；具体的，所述灾害情况可以包括但不限于山体滑坡、泥石流以及山洪等；需要理解的是，降雨前的测算时间点，可以根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.农业生产试验用降雨模拟发生器的模拟控制系统，其特征在于，包括土地历史数据收集模块、降雨历史数据收集模块、历史数据分析模块、实时降雨数据收集模块、实时土地数据收集模块以及模拟降雨控制模块；其中，各个模块之间通过电气和/或无线网络方式连接；所述土地历史数据收集模块预先收集待实验土地的历史土地数据；并将历史土地数据发送至历史数据分析模块；所述降雨历史数据收集模块预先收集历史上每次降雨的实时雨水数据；所述降雨历史数据收集模块将收集的历史上的降雨实时雨水数据发送至历史数据分析模块；所述历史数据分析模块根据土地的降雨前和降雨过程中的土壤数据以及每次降雨的实时雨水数据，训练出预判土壤灾害的神经网络模型；并将训练完成的神经网络模型M发送至模拟降雨控制模块；所述实时降雨数据收集模块实时收集待实验土地的降雨的雨水数据；并实时测量的降雨强度的物理数据发送至模拟降雨控制模块；所述实时土地数据收集模块实时收集待实验土地在实验前以及实验中时的土壤数据；并将实时收集的土壤数据发送至模拟降雨控制模块；所述模拟降雨控制模块在进行模拟降雨过程中，对模拟降雨的降雨强度进行监测及控制。2.根据权利要求1所述的农业生产试验用降雨模拟发生器的模拟控制系统，其特征在于，所述土地的历史土地数据包括历次降雨前的土壤数据、降雨过程中的实时土壤数据和灾害数据；其中，所述土壤数据为用于分析土地灾害程度的各种物理数据。3.根据权利要求1所述的农业生产试验用降雨模拟发生器的模拟控制系统，其特征在于，所述降雨的雨水数据为用于衡量降雨强度的雨水的物理数据。4.根据权利要求1所述的农业生产试验用降雨模拟发生器的模拟控制系统，其特征在于，所述历史数据分析模块训练预判土壤灾害的神经网络模型包括以下步骤：步骤S1：将土地的每场降雨前和降雨过程中的土壤数据与降雨的实时雨水数据进行时空匹配；步骤S2：将每个...

【专利技术属性】
技术研发人员：王冬林，杨光光，冯雪芳，武思雨，门立雪，杨佳杭，
申请(专利权)人：华北水利水电大学，
类型：发明
国别省市：