【技术实现步骤摘要】
基于深度学习的智慧流体动态调节方法
[0001]本专利技术涉及智能调控领域,尤其涉及基于深度学习的智慧流体动态调节方法
。
技术介绍
[0002]在近几十年的农业发展历程中,水肥一体化管理技术逐渐成为了提升作物生产效率
、
节约水资源和降低农业生产成本的关键技术
。
随着物联网
、
人工智能和大数据技术的不断发展,农业生产正经历着从传统方法向智能化
、
精细化管理的转变
。
其中,智慧流体动态调节作为一种新兴的管理理念和技术,已经显示出巨大的应用潜力
。
[0003]智慧流体动态调节是指利用先进的信息技术和智能设备,对农田中的水分和养分进行实时监测,并根据作物的生长需求,动态调整水肥供给的过程
。
这不仅能够确保作物获得最适宜的生长环境,还能最大限度地节约水资源和减少肥料使用,从而提高农业生产的整体效率和可持续性
。
[0004]我国专利申请号:
CN202210866399.6
,公开日:
2022.09.23
,公开了一种智慧农业云平台水肥控制系统,包括:数据采集单元
、
存储单元
、
控制单元
、
显示单元和储水单元;数据采集单元与存储单元连接,数据采集单元用于采集管理区内的土壤信息和作物信息;控制单元还与储水单元连接,控制单元用于基于土壤信息和作物信息发出控制指令;存储单元还与控制单元连接,存储单 ...
【技术保护点】
【技术特征摘要】
1.
基于深度学习的智慧流体动态调节方法,其特征在于,包括以下步骤:
S100
:在智慧流体动态调节环境中,基于土壤
‑
作物矩阵分解模型,引入时空矩阵因子分解技术,基于土壤湿度
、
作物类型和时间的交互作用,引入深度学习算法;
S200
:在智慧流体动态调节框架下,引入拓扑优化和非线性动态系统理论
。2.
根据权利要求1所述的基于深度学习的智慧流体动态调节方法,其特征在于,所述
S100
,具体包括:引入土壤
‑
作物矩阵分解模型,所述土壤
‑
作物矩阵分解模型是三维时空矩阵,能够将土壤湿度
、
作物类型和时间因素融合在一起,进行综合分析
。3.
根据权利要求2所述的基于深度学习的智慧流体动态调节方法,其特征在于,所述
S100
,还包括:所述土壤
‑
作物矩阵分解模型的核心是时空矩阵因子分解技术,所述时空矩阵因子分解技术将时空数据矩阵分解为两个及以上低秩矩阵的乘积;土壤
‑
作物矩阵分解模型还引入了时间衰减系数,以捕捉时间变化对作物水肥需求的影响
。4.
根据权利要求3所述的基于深度学习的智慧流体动态调节方法,其特征在于,所述
S100
,还包括:定义损失函数,损失函数衡量了模型预测值与实际值之间的误差,并引入正则化项
。5.
根据权利要求4所述的基于深度学习的智慧流体动态调节方法,其特征在于,所述
S100
,还包括:采用随机梯度下降法,通过迭代更新模型参数来逐渐减小损失函数的值;通过不断调整模型参数,最终得到能够预测作物水...
【专利技术属性】
技术研发人员:叶佳,单俊,曹庆,王思韬,王洪江,田化强,王艳云,吴冬,郝俊飞,杜厚禄,
申请(专利权)人:山东工泵电机有限公司,
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。