一种基于径向基神经网络的干旱区玉米水肥智能决策方法与流程

本发明涉及农业智能水肥管理，具体是指一种基于径向基神经网络的干旱区玉米水肥智能决策方法。

背景技术：

1、干旱区玉米种植过程中，水肥施用的精准度直接影响作物产量与水资源利用效率。传统水肥决策多依赖经验公式或简单线性模型，难以准确刻画土壤肥力、土壤墒情、环境温湿度等多因素与玉米产量之间复杂的非线性耦合关系，导致决策结果偏差较大，容易出现水肥过量或不足的问题。

2、另一方面，传统水肥一体机多采用固定时段、固定用量的粗放式施用方式，无法根据田间实时土壤参数动态调整水肥配比与施用量，水肥施用精度不足，既造成水资源与肥料浪费，也难以满足玉米不同生育期的差异化需求。同时，现有系统灌溉模式单一，缺乏远程灵活调控能力，制约了现代农机装备的智能化水平提升。

3、径向基神经网络具有较强的非线性映射能力，能够以任意精度逼近复杂非线性函数，适合处理农业系统中多输入、强耦合、非线性的水肥决策问题。将径向基神经网络与分布式传感采集、多模式智能执行装置相结合，构建干旱区玉米水肥智能决策系统，可有效提升决策准确度与施用精度，实现按需灌溉施肥。

技术实现思路

1、本发明要解决的技术问题是，提供一种基于径向基神经网络的干旱区玉米水肥智能决策方法。

2、为解决上述技术问题，本发明提供的技术方案为：一种基于径向基神经网络的干旱区玉米水肥智能决策方法，包括以下步骤：

3、s1、分布式数据采集：在干旱区玉米田间布设多组传感器节点，实时采集土壤墒情、土壤肥力、施用液体电导率、ph值以及环境温湿度参数，并传输至主控单元；

4、s2、径向基神经网络决策模型构建：以土壤墒情、土壤肥力、液体ec值、ph值、环境温湿度为输入变量，以玉米最优水肥施用量为输出变量，构建径向基神经网络模型；采用干旱区玉米田间历史实测数据对网络进行训练，确定网络参数；

5、s3、实时水肥决策生成：主控单元将实时采集的田间参数输入训练完成的径向基神经网络模型，输出对应生育期下玉米的推荐灌溉水量与施肥量；

6、s4、多模式水肥施用执行：智能水肥施用装置接收决策指令，通过智能自动灌溉、定时自动灌溉、手机app遥控灌溉三种工作模式，按照决策结果精确调控灌溉时长、流量与肥液配比，完成水肥一体化施用；

7、s5、闭环反馈调整：施用完成后，分布式传感器持续监测土壤参数变化，将反馈数据重新输入决策模型，对下一次水肥决策进行动态修正。

8、进一步的，步骤s1中，所述分布式传感器节点包括土壤水分传感器、土壤氮磷钾传感器、ec传感器、ph传感器、空气温湿度传感器，各传感器通过无线通信模块与主控单元连接，采集频率可根据玉米生育期动态调整。

9、进一步的，步骤s2中，径向基神经网络采用三层网络结构，输入层对应田间环境与土壤参数，隐藏层采用径向基函数进行非线性变换，输出层输出灌溉水量与施肥量两类决策值。

10、进一步的，步骤s2中，模型训练过程采用无监督学习确定基函数中心，采用有监督学习求解输出权值，训练样本涵盖玉米不同生育期的田间实测数据与对应产量数据。

11、进一步的，步骤s4中，所述智能自动灌溉模式下，系统根据径向基神经网络实时输出的决策结果自动启停灌溉设备并调节水肥比例，当土壤参数低于适宜阈值时自动触发灌溉。

12、进一步的，步骤s4中，所述定时自动灌溉模式下，用户预设灌溉时段与基础用量区间，系统在预设时段内结合实时土壤参数微调实际施用量，兼顾管理习惯与精准施用。

13、进一步的，步骤s4中，所述手机app遥控灌溉模式下，用户通过移动终端远程下发灌溉、暂停或用量调整指令，系统即时执行并回传设备运行状态与田间参数。

14、进一步的，步骤s4中，智能水肥施用装置在灌溉过程中通过ec传感器与ph传感器实时监测输出液体参数，动态微调肥液吸入量，保证水肥浓度符合决策设定值。

15、进一步的，步骤s5中，闭环反馈调整根据施用后24小时内的土壤墒情与肥力变化数据评估施用效果，自动修正模型输出修正系数，使决策持续适配田间实际状况。

16、进一步的，径向基神经网络模型针对玉米不同生育期分别训练对应子模型，系统根据生育阶段自动切换调用，保障各生长期决策的针对性。

17、采用以上结构后，本发明具有如下优点：1、采用径向基神经网络构建水肥决策模型，能够有效拟合土壤墒情、肥力等多参数与玉米水肥需求之间的复杂非线性关系，相比传统线性经验模型显著提升干旱区玉米水肥决策的准确度，减少因模型偏差导致的水肥浪费或供给不足。

18、2、通过分布式多传感器实时采集土壤墒情、液体ec、ph值等关键参数，结合智能水肥施用装置的精确流量调控，实现水肥施用从粗放式到精细化的转变，满足玉米不同生育阶段的按需供给，提升肥料与水资源利用效率。

19、3、集成智能自动、定时自动、手机app遥控三种灌溉模式，兼顾自动化运行与人工灵活干预的需求，适配不同田间管理场景，提升现代农机装备的智能化与易用性。

20、4、引入闭环反馈调整机制，利用施用后的土壤监测数据持续优化决策输出，使模型能够自适应田间环境变化，长期保持稳定的决策精度。

1.一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s1中，所述分布式传感器节点包括土壤水分传感器、土壤氮磷钾传感器、ec传感器、ph传感器、空气温湿度传感器，各传感器通过无线通信模块与主控单元连接，采集频率可根据玉米生育期动态调整。

3.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s2中，径向基神经网络采用三层网络结构，输入层对应田间环境与土壤参数，隐藏层采用径向基函数进行非线性变换，输出层输出灌溉水量与施肥量两类决策值。

4.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s2中，模型训练过程采用无监督学习确定基函数中心，采用有监督学习求解输出权值，训练样本涵盖玉米不同生育期的田间实测数据与对应产量数据。

5.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s4中，所述智能自动灌溉模式下，系统根据径向基神经网络实时输出的决策结果自动启停灌溉设备并调节水肥比例，当土壤参数低于适宜阈值时自动触发灌溉。

6.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s4中，所述定时自动灌溉模式下，用户预设灌溉时段与基础用量区间，系统在预设时段内结合实时土壤参数微调实际施用量，兼顾管理习惯与精准施用。

7.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s4中，所述手机app遥控灌溉模式下，用户通过移动终端远程下发灌溉、暂停或用量调整指令，系统即时执行并回传设备运行状态与田间参数。

8.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s4中，智能水肥施用装置在灌溉过程中通过ec传感器与ph传感器实时监测输出液体参数，动态微调肥液吸入量，保证水肥浓度符合决策设定值。

9.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，步骤s5中，闭环反馈调整根据施用后24小时内的土壤墒情与肥力变化数据评估施用效果，自动修正模型输出修正系数，使决策持续适配田间实际状况。

10.根据权利要求1所述的一种基于径向基神经网络的干旱区玉米水肥智能决策方法，其特征在于，径向基神经网络模型针对玉米不同生育期分别训练对应子模型，系统根据生育阶段自动切换调用，保障各生长期决策的针对性。