System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及农业应用,具体是涉及一种基于大数据监测的大棚温度智能预警方法及系统。
技术介绍
1、大棚温度是作物生长的重要环境因素之一。过高或过低的温度都会对作物的生长和发育产生不利影响。通过温度预警系统,可以及时发现温度异常情况,采取措施调整大棚内的温度,保持适宜的生长环境,提高作物的产量和质量,温度异常往往会导致病虫害的滋生和传播。例如,高温和潮湿的环境容易导致霉菌和真菌的滋生,而低温则可能使作物受冻,增加病虫害的风险。
2、大棚温度预警可以帮助农民及时发现和解决温度问题,保护作物的生长环境,减少病虫害的发生,节约能源和成本,提高农业生产效益,保障作物的健康生长和高产高质。
3、目前对于大棚的温度预警还存在着无法对大棚温度变化值进行准确预测,无法根据当地天气气温对温度预测进行实时调整,使得温度预测值与实际值产生较大偏差,导致无法及时预警,对大棚温度进行调控时,无法及时发现大棚温度调控故障,影响农作物生长状况的问题。
技术实现思路
1、为解决上述技术问题,提供一种基于大数据监测的大棚温度智能预警方法及系统,本技术方案解决了上述
技术介绍
中提出的无法对大棚温度变化值进行准确预测,无法根据当地天气气温对温度预测进行实时调整,使得温度预测值与实际值产生较大偏差,导致无法及时预警,对大棚温度进行调控时,无法及时发现大棚温度调控故障,影响农作物生长状况的问题。
2、为达到以上目的,本专利技术采用的技术方案为:
3、一种基于大数据监测的大棚温度智
4、获取大棚温度实时监测数据和大棚农作物数据;
5、获取大棚历史温度数据和大棚历史农作物数据,所述大棚历史农作物数据包括大棚历史农作物信息和大棚历史农作物状态数据;
6、根据大棚历史温度数据,基于数据预处理,获取大棚历史温度标准数据;
7、根据大棚历史温度标准数据,基于预测模型,获取大棚温度预测模型;
8、根据大棚历史温度数据和大棚历史农作物数据,获取大棚农作物温度影响评估模型;
9、根据大棚农作物数据和大棚农作物温度影响评估模型,获取大棚温度最大阈值和大棚温度最小阈值;
10、获取当地气象信息,所述当地气象信息包括大棚环境温度数据;
11、根据当地气象信息、大棚温度预测模型和大棚温度实时监测数据,获取大棚温度预测数据;
12、根据大棚温度预测数据、大棚温度最大阈值和大棚温度最小阈值,判断大棚温度是否出现异常,若大棚温度预测数据位于大棚温度最大阈值和大棚温度最小阈值之间,则大棚温度正常;
13、若大棚温度预测数据高于大棚温度最大阈值或大棚温度预测数据低于大棚温度最小阈值,则大棚温度出现异常,输出显示大棚温度预警信息;
14、根据大棚温度预测数据,对大棚温度进行动态调控,直至大棚温度预测值位于大棚温度最大阈值和大棚温度最小阈值之间,获取大棚温度调控信息;
15、对大棚温度实时监测数据和大棚温度调控信息进行可视化处理,获取大棚温度可视化数据;
16、根据大棚温度可视化数据,判断大棚温度调控是否出现异常,若是,则输出显示大棚温度调控预警信息,若否,则对大棚温度可视化数据进行记录。
17、优选的,所述根据大棚历史温度数据,基于数据预处理,获取大棚历史温度标准数据,具体包括:
18、根据大棚历史温度数据,获取大棚历史温度数据矩阵:
19、
20、式中,为第 i天第 j时刻的大棚温度监测值, m为大棚历史温度数据的总天数, n为大棚历史温度数据中每天的时刻数;
21、根据大棚历史温度数据矩阵,基于k近邻算法,获取大棚历史温度数据离群因子;
22、根据大棚历史温度数据离群因子,获取大棚历史温度数据离群阈值;
23、根据大棚历史数据离群阈值,获取大棚历史温度离群数据,对大棚历史温度离群数据进行剔除;
24、根据大棚历史温度数据,对大棚历史温度数据的哈希值进行计算,获取大棚历史温度哈希值数据;
25、根据大棚历史温度哈希值数据,对大棚历史温度数据进行重复值检测,获取大棚历史温度重复数据,对大棚历史温度重复数据进行剔除;
26、基于线性插值法,对于剔除大棚历史温度离群数据和大棚历史温度重复数据后的大棚历史温度数据进行填补,获取大棚历史温度标准数据。
27、优选的,所述根据大棚历史温度数据矩阵,基于k近邻算法,获取大棚历史温度数据离群因子,具体包括:
28、根据大棚历史温度数据矩阵,计算大棚历史温度数据矩阵每个数据点的欧几里得距离:
29、
30、式中, z为每个大棚历史温度数据的欧几里得距离,为第 i天第 j时刻的大棚温度监测值,为第 x天第 y时刻的大棚温度监测值, m为大棚历史温度数据的总天数, n为大棚历史温度数据中每天的时刻数;
31、根据设定的近邻值k,选取与每个数据点最近的k个近邻数据点;
32、根据每个数据点与其k个近邻数据点之间的平均距离,获取大棚历史温度数据离群因子:
33、
34、式中,q为大棚历史温度数据离群因子,为数据点与第s个近邻数据点的欧几里得距离,k为设定的近邻值;
35、根据大棚历史温度数据离群因子,基于大棚历史温度数据离群因子分布状况,获取离群因子阈值;
36、根据离群因子阈值,判断每个数据点是否为大棚历史温度离群数据。
37、优选的,所述根据大棚历史温度标准数据,基于预测模型,获取大棚温度预测模型,具体包括:
38、获取大棚历史气象数据,所述大棚历史气象数据包括大棚历史环境温度数据和大棚历史环境温度变化曲线;
39、根据大棚历史温度标准数据和大棚历史气象数据,对大棚历史温度标准数据进行分类,以相同环境温度作为分类依据,获取大棚历史温度标准数据分类信息;
40、根据大棚历史农作物数据,获取大棚农作物温度影响数据,所述大棚农作物温度影响数据包括若干对大棚温度造成影响的农作物温度影响指标;
41、根据大棚历史温度标准数据分类信息和大棚历史农作物温度影响数据,基于线性回归方程,获取大棚温度初始预测模型;
42、基于大棚温度初始预测模型和大棚历史气象数据,获取大棚温度预测模型;
43、其中大棚温度预测模型的计算公式为:
44、
45、式中,t为大棚温度预测值,为大棚温度预测误本文档来自技高网...
【技术保护点】
1.一种基于大数据监测的大棚温度智能预警方法,其特征在于,包括:
2.根据权利要求1所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚历史温度数据,基于数据预处理,获取大棚历史温度标准数据,具体包括:
3.根据权利要求2所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚历史温度数据矩阵,基于K近邻算法,获取大棚历史温度数据离群因子,具体包括:
4.根据权利要求1所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚历史温度标准数据,基于预测模型,获取大棚温度预测模型,具体包括:
5.根据权利要求1所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚农作物数据和大棚农作物温度影响评估模型,获取大棚温度最大阈值和大棚温度最小阈值,具体包括:
6.根据权利要求1所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚温度可视化数据,判断大棚温度调控是否出现异常,具体包括:
7.一种基于大数据监测的大棚温度智能预警系统,
8.根据权利要求7所述的一种基于大数据监测的大棚温度智能预警系统,其特征在于,所述主控制模块,具体包括:
9.根据权利要求7所述的一种基于大数据监测的大棚温度智能预警系统,其特征在于,所述信息获取模块,具体包括:
10.根据权利要求7所述的一种基于大数据监测的大棚温度智能预警系统,其特征在于,所述预测评估模块,具体包括:
...【技术特征摘要】
1.一种基于大数据监测的大棚温度智能预警方法,其特征在于,包括:
2.根据权利要求1所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚历史温度数据,基于数据预处理,获取大棚历史温度标准数据,具体包括:
3.根据权利要求2所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚历史温度数据矩阵,基于k近邻算法,获取大棚历史温度数据离群因子,具体包括:
4.根据权利要求1所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚历史温度标准数据,基于预测模型,获取大棚温度预测模型,具体包括:
5.根据权利要求1所述的一种基于大数据监测的大棚温度智能预警方法,其特征在于,所述根据大棚农作物数据和大棚农作物温度影...
【专利技术属性】
技术研发人员:侯升林,侯亮,范凤翠,齐浩,孙海芳,
申请(专利权)人:河北省农林科学院,
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。