基于LSTM神经网络的智能灌溉系统设计与试验

来源 :中国农机化学报 | 被引量 : 0次 | 上传用户:waxs8520
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对我国现阶段农业生产效率低,农业用水浪费严重现象,设计一套基于LSTM神经网络的智能灌溉系统。系统以树莓派为下位机控制器,阿里云服务器为上位机。利用灰色关联分析法确定平均气温、太阳辐射、日照时数、平均风速、相对湿度、气压与作物需水量间的关联度系数分别为0.636 52、0.510 42、0.444 56、0.440 29、0.343 50、0.287 87,从中选取关联系数较大的气象因素作为LSTM预测模型的特征输入向量,作物需水量为输出向量,构建LSTM神经网络预测模型,并为系统开发了相应的物联网平台与移动端平台,实现数据可视化及开关远程控制功能。结果表明预测模型拟合系数R~2等于0.987 2,且残差相对稳定,预测精度较高。在实际灌溉试验中模型预测平均绝对误差为3.02%,系统运行稳定,智能化程度较高,为农业现代化发展提供一定参考。
其他文献
印度板块和欧亚板块碰撞导致青藏高原垂向上整体快速隆升的同时,也导致高原东缘被断裂分割的块体沿着大规模走滑断裂的横向滑移。纵观青藏高原的隆升、挤出总是伴随着大规模的左行走滑断裂和块体的顺时针旋转。本文选择青藏高原东北缘和莺歌海盆地作为主要的研究区,青藏高原东北缘在右行剪切作用下,被左行走滑断裂(海原断裂、秦岭断裂、昆仑断裂)分割的块体发生顺时针旋转,青藏高原东北缘的演化变形模型有很大争议,而莺歌海盆
近年来随着药物研发需求的日益增长,中国的CRO产业快速扩张开始走入大众的视野。与目前市场上炙手可热的跨国CRO企业相比,本土CRO企业起步较晚,行业经验不足,尤其在人力资源管理方面更是存在诸多问题。文章结合中国本土人力资源特点,在梳理本土CRO行业人力资源管理现状的基础上重点分析本土CRO企业的人力资源管理的优势及劣势,并对此提出优化措施。旨在为本土CRO企业的人力资源管理建设提供帮助。
南京老城门东地区之东南角,有名为“周处读书台”(后文简称“周处台”)的历史文化遗存,笔者因参与了对遗址的保护与复兴的规划设计研究项目,得以接触到此历史遗存。在对此地进行现场调研、测绘的过程中发现,在现存密集的城市老旧居民区内,现存清代建筑物坐落在一座“天然高台”之上,此地在历史上是如何形成的,以至今日城内“周处台”仍保留了建筑与岩石相依存的特殊形态?本文由此问题展开了对“周处台”的历史溯源研究。“
用(NH4)2SiF6处理了KL沸石。结果表明:无NH4Ac缓冲剂时,所得样品具有较多的中间孔,但孔分布不集中;加入NH4Ac作为缓冲剂,或延长反应时间,所制备的样品不仅可获得较高的结晶度,而且孔分布集中程度也得到明显改善。但无论如何,中间孔的孔质及孔分布集中程度均远不如一次合成的MCM-41中孔材料。
东濮凹陷是中国东部著名的的富烃凹陷,前人在优质烃源岩成因等方面做了大量的研究工作,总体认为优质烃源岩的形成主要受原始有机质高生产力和良好的保存条件的影响,但是东濮凹陷古近系沙河街组沙三段优质烃源岩的发育特征在宏观和微观层面具有极强的非均质性,尤其表现在有机质类型复杂、藻类等微生物勃发组合类型多样及保存条件频繁变化等方面,使得对优质烃源岩的认识也存在诸多疑义。本次研究针对东濮凹陷沙三段富有机质泥页岩
针对视频动作预测领域的算法在不同预测时间预测效果不稳定的缺陷,提出一种基于自注意力机制的多模态LSTM的动作预测模型。综合考虑3种视频特征,采用位置编码及自注意力机制编码3种模态特征,得到具有丰富语义的高层特征;使用LSTM结构总结视频的历史信息,产生不同预测时间的动作预测结果;完成多模态特征的子网络的训练后,采取多模型融合策略将子网络的预测输出进行融合。实验结果表明,在EPIC-Kitchens
采集空管大数据,根据空管大数据的特点,对数据进行数据融合,利用改进的聚类算法处理航迹数据,对得到的各类航迹数据分别构建模型,提高模型的预测精度。分别构建Stack LSTM和基于卷积LSTM的航空器轨迹预测模型,以真实雷达数据为例进行仿真实验,对仿真结果进行对比,其结果表明,基于卷积LSTM的航空器轨迹预测模型可以将预测的均方根误差控制在400s内,验证了预测模型可以实现航空器轨迹的精确预测。
文化振兴是乡村振兴的精神源泉。高校在乡村振兴战略实施中应主动作为,且大有可为。在总结现有实践探索和理论研究的基础上,借助社会网络分析理论从文化认同、文化传承、文化创新和文化发展四个维度入手,尝试搭建人们对于“乡村文化想象”的逻辑框架和支撑乡村社会发展、乡风文明进步、居民共同富裕的“文化共同体”宏观架构。以“保护式开发”方式盘活文化存量,以“种文化式”手段培育文化自觉和主体意识,通过以文赋能、融媒传
针对脑电信号情感识别中情感特征信息挖掘不充分、识别准确率低的问题,提出深度自编码方法提取脑电信号情感特征,并结合长短时记忆(LSTM)循环神经网络实现维度情感分类.首先,基于DEAP维度情感生理数据集,分别在唤醒度和效价维度选取情感标签阈值,划分不同情感状态;然后,通过时间窗对脑电信号分段,设计栈式自编码网络挖掘脑电数据蕴含的情感信息,并依照时间顺序生成情感特征序列;最后,建立LSTM循环神经网络