【技术实现步骤摘要】
本专利技术涉及海上海水淡化种植领域，具体涉及一种基于机器学习的海上海水淡化种植平台水管理方法。
技术介绍
1、淡水是农业和人类生活中不可或缺的资源，对于海岛驻军、海上作业平台等场景中，由于地理位置和气候条件，这些地区通常依赖于有限的淡水供应，使用传统方式种植蔬菜难以实现。而将新鲜蔬菜从内陆地区运输通常需要昂贵的运输成本，而且存在时间敏感性。为了解决上述地区吃菜难的问题，近年来，一些将海水淡化与蔬菜水培种植结合的方案被提出，希望摆脱蔬菜种植在淡水和土壤上的限制。
2、海水淡化作为一种应对淡水缺乏的技术已经得到了广泛的应用和发展。目前较为成熟的海水淡化技术主要分为热蒸馏法和膜分离法。热蒸馏法海水淡化技术利用热能将海水加热至沸点，然后通过冷凝收集纯净水，目前常用的方法有多效蒸馏和多级闪蒸。膜分离法海水淡化技术则通过半透膜将海水中的盐分和杂质分离，使淡水通过膜的一侧，目前常用方法有反向渗透法、电渗析法和正向渗透法。然而，这两种方法存在能源消耗大和温室气体排放的问题。太阳能界面蒸发技术的提出又让众多研究者将目光聚焦于太阳能海水淡化。该技术通过在水体上方设置光吸收层和绝热供水层，用热定位在界面处蒸发，提高蒸发效率。这种利用太阳能将海水蒸发并分离出淡水的方式具有能源可再生、设备简单和成本较低等优势。
3、蔬菜水培种植是一种现代农业技术，它不依赖于传统的土壤种植方式，而是在水中提供养分和水分的环境中培养蔬菜。水培种植通常适用于各种蔬菜，包括叶菜类(如莴苣、菠菜)、草本蔬菜(如香草)、茄果类(如番茄、黄瓜)等，具有更高的产
4、近年来，一些将海水淡化与蔬菜水培种植结合的种植平台被提出，利用海水淡化技术生产淡水，配制成营养液后供给水培蔬菜生长。太阳能界面蒸发海水淡化蒸馏器因其节能高效的方式在此类场景中被广泛利用。此类种植平台稳定运行依赖于合理的水管理方法，因此基于机器学习的海上海水淡化种植平台水管理方法是亟待解决的关键问题。
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提供一种基于机器学习的海上海水淡化种植平台水管理方法，其能够利用机器学习算法模型，快速高效地适配不同性能的太阳能海水淡化装置与不同品种的蔬菜，依据模型输出结果优化平台结构，形成水管理策略，确保该平台运行的有效性与稳定性。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、本专利技术提供一种基于机器学习的海上海水淡化种植平台水管理方法，包括以下方法：
4、(1)收集获取平台运行过程中的特征数据并进行预处理，包括平台所在处每日最高气温、每日最低湿度、每日太阳辐射值、太阳能蒸馏器每日淡水产量、蔬菜种植天数、蔬菜种植数量、水培种植每日单株蔬菜淡水消耗量。
5、(2)获取平台所在地长期历史气象数据，包括每日最高气温、每日最低气温、每日最高湿度、每日最低湿度、每日太阳辐射特征数据；
6、(3)选取平台所在处每日最高气温、每日最低湿度、每日太阳辐射值特征参数形成输入矩阵；选取太阳能蒸馏器每日淡水产量作为输出目标，训练蒸馏器产水性能预测模型；
7、(4)选取平台所在处每日最高气温、每日最低湿度、每日太阳辐射值、蔬菜种植天数特征参数形成输入矩阵；选取水培种植每日单株蔬菜淡水消耗量作为输出目标，训练特定品种蔬菜水培耗水量预测模型；
8、(5)将两个模型耦合匹配，在长期历史气象数据中选取对应特征变量作为预测变量，分别输入训练好的蒸馏器产水性能预测模型和水培耗水量预测模型，得到平台长期每日淡水生产预测值pi与单株淡水消耗的预测值ci，通过优化蔬菜种植数量使淡水供需在长期的总量达到平衡；根据累积净淡水产量的最大值和最小值优化设计平台的储水箱容量和初始淡水量；
9、(6)依据模型预测结果得到的日净淡水产量pnet，i＝(pi-ci)形成水管理策略：当pnet，i＞0时，平台当日生产淡水量多于消耗淡水量，多余淡水存入储水箱；当pnet，i＜0时，平台当日生产淡水量少于消耗淡水量，需从储水箱中补充淡水；当pnet，i＝0时，平台当日生产淡水量等于消耗淡水量，对平台供水无额外影响。
10、优选地，步骤(1)中，平台所在处每日最高气温、每日最低湿度、每日太阳辐射值通过布置在平台上的传感器测量得到；太阳能蒸馏器每日淡水产量和水培种植每日单株蔬菜淡水消耗量使用压力传感器或电子天平测量得到；蔬菜种植天数为实际计数天数；蔬菜种植数量为初始设定值。
11、优选地，步骤(2)中的数据通过平台附近气象站数据汇总并处理得到。
12、优选地，步骤(3)和步骤(4)中，机器学习模型选择使用随机森林算法。
13、优选地，步骤(3)和步骤(4)中，训练过程中模型的超参数使用网格搜索方法进行优化。
14、本专利技术的有益效果在于：本专利技术实现仅用少量平台运行数据，就可得到种植平台长期运行效果预测，指导平台优化，形成水管理策略。该方法适用于不同性能的太阳能海水淡化装置和不同品种的蔬菜种植，保证平台的可行性与稳定性，为平台管理者提供方便的优化方案和水管理策略，为其运营管理提供帮助。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的海上海水淡化种植平台水管理方法，其特征在于，包括以下方法：
2.如权利要求1所述的一种基于机器学习的海上海水淡化种植平台水管理方法，其特征在于，步骤(1)中，平台所在处每日最高气温、每日最低湿度、每日太阳辐射值通过布置在平台上的传感器测量得到；太阳能蒸馏器每日淡水产量和水培种植每日单株蔬菜淡水消耗量使用压力传感器或电子天平测量得到；蔬菜种植天数为实际计数天数；蔬菜种植数量为初始设定值。
3.如权利要求1所述的一种基于机器学习的海上海水淡化种植平台水管理方法，其特征在于，步骤(2)中的数据通过平台附近气象站数据汇总并处理得到。
4.如权利要求1所述的一种基于机器学习的海上海水淡化种植平台水管理方法，其特征在于，步骤(3)和步骤(4)中，机器学习模型选择使用随机森林算法。
5.如权利要求1所述的一种基于机器学习的海上海水淡化种植平台水管理方法，其特征在于，步骤(3)和步骤(4)中，训练过程中模型的超参数使用网格搜索方法进行优化。
【技术特征摘要】
1.一种基于机器学习的海上海水淡化种植平台水管理方法，其特征在于，包括以下方法：
2.如权利要求1所述的一种基于机器学习的海上海水淡化种植平台水管理方法，其特征在于，步骤(1)中，平台所在处每日最高气温、每日最低湿度、每日太阳辐射值通过布置在平台上的传感器测量得到；太阳能蒸馏器每日淡水产量和水培种植每日单株蔬菜淡水消耗量使用压力传感器或电子天平测量得到；蔬菜种植天数为实际计数天数；蔬菜种植数量为初始设定值。
3.如权利要求1所...
【专利技术属性】
技术研发人员：顾骁坤，鲍华，章竞瑾，焦隆，罗笑，胡松，
申请(专利权)人：上海交通大学，
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。