基于动态神经网络的葡萄园精准滴灌控制系统的制作方法

技术特征：
1.基于动态神经网络的葡萄园精准滴灌控制系统，包括云端精准滴灌控制系统、灌溉设备和多种感应器，多种感应器包括采集天气信息的的微型气象站和部署在作物根系不同深度采集土壤的湿度信息的土壤传感器，所述云端精准滴灌控制系统利用循环神经网络rnn具有内部的自循环细胞并结合长短期记忆网络lstm设计基于rnn
‑
lstm的灌溉需求预测系统，将过去的土壤体积含水量、降水和天气数据作为输入，灌溉需求预测系统输出土壤体积含水量的预测值，预测值通过后处理反转到实际尺度，其中降水为每日降雨量和灌溉深度的总和。2.根据权利要求1所述的基于动态神经网络的葡萄园精准滴灌控制系统，其特征在于：上述灌溉需求预测系统采用的预测方法包括下列步骤：步骤1、采集天气信息、土壤的湿度信息和降水的时序数据；步骤2、对上述时序数据进行数据清理，并进行去季节化和数据分解；步骤3、将上一步骤获取的数据进行预处理，通过计算得到各数据点的z值将数据标准化；步骤4、对于系统的输入和输出之间存在非线性关系的动态系统，通过前向反馈神经网络ffnn实现离散时间建模；在动态系统的建模过程中，通过长短期记忆网络lstm引入了从输入到系统状态的非线性，然后是从系统状态到输出的动态线性，完成作物需水预测模型的建模；步骤5、将步骤3处理后的数据输入上述作物需水预测模型，输出的土壤体积含水量的预测值通过后处理反转到实际尺度；步骤6、将步骤5的预测结果与当前作物需水量和土壤保水量的信息结合使用，以确定灌溉的时间和灌溉量。3.根据权利要求2所述的基于动态神经网络的葡萄园精准滴灌控制系统，其特征在于：所述步骤4中，土壤水分动态可以模拟为一个非线性自回归与外源输入系统narx，公式如下所示：y(t 1)＝s[y(t)，
…
，y(t
‑
j)，u(t)，
…
，u(t
‑
n)，p(t)，
…
，p(t
‑
m)]，其中y(t 1)是提前一天的土壤体积含水量预测值，y(t＝0，...，j)是土壤含水量在t时的预测值，u(t＝0，...，n)是t时的气候数据输入值，p(t＝0，...，m)是t时的降水输入值，s是一个非线性函数，用ffnn近似；时间滞后m，n和j是通过实验确定的，网络中隐藏层的数量和每个隐藏层中神经元的数量也被通过实验确定，网络包括一个适当的激活函数的ffnn隐层，采用的非线性激活函数是线性整流函数relu，在建模过程中，将relu非线性应用于隐层，同时采用自适应矩估计adam优化算法将网络损耗降至最低。4.根据权利要求2所述的基于动态神经网络的葡萄园精准滴灌控制系统，其特征在于：所述步骤4中，对于动态系统的建模，lstm引入了从输入到系统状态的非线性，然后是从状态到输出的动态线性，用状态空间的形式表示如下，x(t 1)＝nni[x(t)
…
x(t
‑
k)，u(t)
…
u(t
‑
n)，y(t)...y(t
‑
j)，p(t)...p(t
‑
m)；v]y(t 1)＝nno[x(t 1)；w]，其中x(t 1)是第t 1天网络状态，x(t＝0，...，k)是第t＝0，...，k天的网络状态，即现在的网络状态；y(t 1)是提前一天的土壤体积含水量预测值，y(t＝0，...，j)是土壤含水量在t时的预测值，u(t＝0，...，n)是t时的气候数据输入值，p(t＝0，...，m)是t时的降水输入
值，v是对应于状态的网络参数集，w是对应于输出的网络参集；通过实验确定了时滞m、n和j，并在训练过程中通过网络隐式学习了状态的时滞k；该网络被设计为一个lstm非线性元件nni，然后是一个线性输出层nno；lstm层的数量和每层记忆块的数量也是通过实验确定的；在建模过程中，使用adam优化算法将网络损耗最小化。5.根据权利要求2所述的基于动态神经网络的葡萄园精准滴灌控制系统，其特征在于：所述步骤5中通过lstm模型预测t 1时的土壤体积含水量，灌溉调度的目标是使土壤含水量保持在上限和下限之间；上限定义为现场容量，而下限高于作物永久萎蔫点，系统依据t 1时的土壤体积含水量计算出t 1时的土壤体积含水亏缺量dp
t 1
，灌溉量等于dp
t 1
；对于闭环灌溉调度，灌溉阈值设置在低于作物需水的下限dp
l
的安全点。6.根据权利要求2所述的基于动态神经网络的葡萄园精准滴灌控制系统，其特征在于：所述步骤2的数据清理步骤包括输入缺失值和去除异常值，对由土壤的湿度信息推得的土壤体积含水量和气温数据进行box
‑
cox变换，转换后的数据使用时间序列分解法stl的季节和趋势分解进行去季节化，将土壤体积含水量和气温数据分解为其趋势、季节和残余组分。7.根据权利要求2所述的基于动态神经网络的葡萄园精准滴灌控制系统，其特征在于：所述步骤3中计算得到各数据点的z值，所述步骤5中的后期处理阶段，通过反z分变换、季节分量的加入和反box
‑
cox变换，将土壤水分预测值反转到实际尺度。8.根据权利要求1所述的基于动态神经网络的葡萄园精准滴灌控制系统，其特征在于：还包括pc/app终端，所述pc/app终端用于显示系统采集到的时序数据和土壤体积含水量的预测值，并通过与用户交互让用户自定义所述葡萄园精准滴灌控制的灌溉条件。

技术总结
本发明公开了基于动态神经网络的葡萄园精准滴灌控制系统，包括云端精准滴灌控制系统、灌溉设备和多种感应器，多种感应器包括采集天气信息的的微型气象站和部署在作物根系不同深度采集土壤的湿度信息的土壤传感器，所述云端精准滴灌控制系统利用循环神经网络RNN具有内部的自循环细胞并结合长短期记忆网络LSTM设计基于RNN


技术研发人员：吕立新 李路 黄飞 夏慧弢 吕紫琼 俞成龙 吴光钰
受保护的技术使用者：安徽商贸职业技术学院
技术研发日：2021.08.03
技术公布日：2021/10/26