一种大棚种植黄瓜浇水量动态智能预测方法与流程

：
1.本发明属于黄瓜栽培技术领域，具体涉及一种大棚种植黄瓜浇水量动态智能预测方法。


背景技术：

2.黄瓜含有丰富的营养，包括维生素c、胡萝卜素和钾，还含有能够抑制癌细胞繁殖的成分。因此，从营养学的角度，是大家长期食用的蔬菜之一。目前黄瓜种植，特别是在北方，大部分黄瓜采用大棚种植的方式，为提高黄瓜种植的现代化水平，科研人员研发了大棚温度、湿度和浇水等自动控制系统，但是在采用浇水自动控制系统浇水时往往难以准确确定需要的浇水量。因为黄瓜在种植的过程中，被浇入地中的水并不会被黄瓜完全吸收，且黄瓜为喜水类植物，被黄瓜吸收的水也并不是黄瓜所需要的水，可能完全大于其所需要的水。
3.目前大棚种植黄瓜多采用人工控制浇灌设备的方法依据人为经验确定浇水量的方法来浇水，这种方法存在以下问题：(1)依赖于人工经验确定浇水量，对浇水人员要求高，不利于农业自动化、智能化的实现；(2)浇水量的控制没有考虑到黄瓜的生长周期、大棚的湿度、大棚的温度和黄瓜的吸收系数等因素，因而难以准确动态的确定浇水量，如果浇水量过大就会出现死秧苗等现象，如果注水量过少就会出现黄瓜秧苗吸水不足影响黄瓜生长的现象。
4.针对上述问题，本发明提出一种大棚种植黄瓜浇水量动态智能预测方法，克服了黄瓜浇水量依赖于人工经验和浇水量考虑因素不足导致的浇水量不准确的难题，给大棚种植黄瓜提供一种注水量预测方法。


技术实现要素：

5.本发明的目的是为克服现有大棚种植黄瓜注水量不准确的缺陷，提供一种大棚种植黄瓜浇水量动态智能预测方法，从而间接提高大棚种植黄瓜产量。
6.本发明采用的技术方案为：一种大棚种植黄瓜浇水量动态智能预测方法，所述智能预测方法包括以下步骤：
7.步骤一：确立大棚种植黄瓜浇水量q
t
与黄瓜吸水量xs
t
的关系；
8.步骤二：确立大棚种植黄瓜需水量n
t
，确立大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系；
9.步骤三：在种植黄瓜的大棚内布设渗透率测量传感器阵列测量土壤渗透率ξ
t
，并对ξ
t
进行野值识别与修正；
10.步骤四：确立大棚种植黄瓜浇水量q
t
。
11.进一步地，所述步骤一中大棚种植黄瓜浇水量q
t
与黄瓜吸收水量xs
t
的关系确立方法如下：
12.因为黄瓜在种植的过程中，被浇入地中的水并不会被黄瓜完全吸收，且黄瓜为喜水类植物，被黄瓜吸收的水也并不是黄瓜所需要的水，可能完全大于其所需要的水。大棚中
浇入的水一部分渗入了地下，一部分蒸发到空气中，剩余的部分才是吸收量。为准确预测所需浇水量q
t
，就必须获取浇水量q
t
与黄瓜吸水量xs
t
间的关系，黄瓜吸水量xs
t
与黄瓜根系长度l
t
，黄瓜根系吸水部分可以看成半径为l
t
的半球体，黄瓜吸收量xs
t
表达式可表示为：
[0013][0014]
式中，t为黄瓜生长时刻，从黄瓜开始出苗计时；ξ
t
为土壤渗透率，ω为黄瓜吸收水量系数，其值可以通过标定获得，标定方法如下：在实验大棚内固定保持ξ
t
不变，多次改变l
t
，通过测量xs
t
、q
t
获得。
[0015]
黄瓜根系长度l
t
随时间的变化不断变化，现在仅有部分数据已知，而要实现自动化浇灌，就必须知道黄瓜根系长度l
t
的所有实时值，黄瓜根系长度l
t
符合齐次指数规律，为此采用dgm(1,1)模型(离散灰色模型)进行l
t
预测，l
t 1
预测值的表达式如下：
[0016][0017]
式中，为第t 1时刻黄瓜根系长度，β
l1
为黄瓜根系长度第一灰系数，β
l2
为黄瓜根系长度第二灰系数。
[0018]
β
l1
和β
l2
方法如下：
[0019][0020]
式中，b
g
为黄瓜根系长度灰矩阵，y
g
为黄瓜根系长度原始矩阵。
[0021][0022]
式中，m为已知黄瓜根系长度数据个数。
[0023]
进一步地，所述步骤二中确立大棚种植黄瓜不同时间需水量n
t
和大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系如下：
[0024]
依据黄瓜的生长周期分析，黄瓜所需水量主要包括两部分，第一部分为黄瓜秧苗和根系所需水分，第二部分为黄瓜果实所需水分。现代化农业大棚中黄瓜的种植都采用统一的管理模式，采用统一育苗和统一采摘的方式，即使有果实比较小的黄瓜也统一摘掉，因此可将所有黄瓜生长周期视为相同。目前黄瓜种植中仅有少量的秧苗和根系所需水分、黄瓜果实所需水分数据已知，而要满足现代农业最优种植工艺需求，就需要知道黄瓜生长周期中所有时刻所需水分，为此需要进行所需水分预测。
[0025]
黄瓜秧苗和根系所需水分在生长周期内呈现先快速增长后趋于稳定的趋势，采用单一模型很难准确描述，灰色预测模型对稳定稍有波动的数据具有很好的预测性，而多项式拟合对快速变化的数据预测有很高的准确度，为此本发明将两者拟合结合起来预测黄瓜
秧苗和根系所需水分，其表达式如下：
[0026][0027]
式中，为黄瓜秧苗和根系所需水分预测值，ζ1为黄瓜秧苗和根系所需水分预测值的灰系数，为瓜秧苗和根系所需水分灰预测值，ζ2为黄瓜秧苗和根系所需水分预测值的多项式系数，为瓜秧苗和根系所需水分多项式预测值。
[0028]
表达式如下：
[0029][0030]
式中，grn
t
为已知的黄瓜秧苗和根系所需水分数据，α
h
为黄瓜秧苗和根系所需水分发展系数，μ
h
为黄瓜秧苗和根系所需水分灰作用量。α
h
和μ
h
获取方法为：
[0031][0032]
式中，b
h
为黄瓜秧苗和根系所需水分数据灰矩阵，y
h
为黄瓜秧苗和根系所需水分数据原始矩阵。
[0033]
b
h
和y
h
的表达式分别为：
[0034][0035]
式中，n为已知的秧苗和根系所需水分数据个数。
[0036]
的表达式如下：
[0037][0038]
式中，z0为瓜秧苗和根系所需水分多项式常数项，z1为瓜秧苗和根系所需水分多项式一次项，z2为瓜秧苗和根系所需水分多项式二次项，z3为瓜秧苗和根系所需水分多项式三次项，z0、z1、z2和z3的值可以通过解超定方程获得。
[0039]
ζ1和ζ2可通过对下式求导获得：
[0040][0041]
对于黄瓜果实所需水分符合快速增长规律，可采用灰色系统理论进行预测，其表达式如下：
[0042][0043]
式中，为黄瓜果实所需水分预测值，ggn
t
为已知黄瓜果实所需水分数数据,α
β
为黄瓜果实所需水分数发展系数，μ
β
为黄瓜果实所需水分数灰作用量，α
β
和μ
β
获取方法为：
[0044][0045]
式中，b
β
为黄瓜果实所需水分数数据灰矩阵，y
β
为黄瓜果实所需水分数数据原始矩阵。
[0046]
b
β
和y
β
的表达式分别为：
[0047][0048]
式中，m为已知的黄瓜果实所需水分数据个数。
[0049]
大棚种植黄瓜需水量n
t
可表示为如下：
[0050][0051]
式中，t
h
为黄瓜果实开始生长时刻。
[0052]
大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系可以采用下式表示：
[0053]
n
t
＝ψ
t
×
xs
t
[0054]
式中，ψ
t
为转换系数，ψ
t
在实验室中只为部分的离散值、呈现无规律状态且数据呈现凸性，因此也无法用灰色系统理论模型来拟合，为保证拟合数据精确性，本发明采用三次b样条法进行ψ
t
拟合，具体如下：
[0055][0056]
式中，ψ
′
t
为现有的第t时刻转换系数值，f为转换系数的个数，h为转换临时变量，f
h,3
(t)为转换基函数，其表达式如下：
[0057][0058]
进一步地，所述步骤三中种植黄瓜的大棚内布设渗透率测量传感器阵列测量土壤渗透率ξ
t
并对ξ
t
进行野值识别与修正的方法如下：
[0059]
由于现在农业中，土壤一直保持松散且大棚中温度和湿度变化不大，故本发明将ξ
t
看作常数。为获得准确的渗透率ξ
t
，采用阵列传感器的平均值作为渗透率ξ
t
，但是大棚中地势等差异，测得渗透率值可能存在野值，因此需要进行野值的识别与修正。
[0060]
在大棚土壤10厘米深处沿大棚对角线布设p个渗透率测量传感器，实际测量渗透率ξf＝{ξf1，ξf2，ξf3，
…
，ξf
p
}，采用gm(1,1)模型对实际测量渗透率ξf进行预测，第k个实际测量渗透率ξf
k
的预测值为：
[0061][0062]
式中，k为实际测量渗透率序号，α
sh
为实际测量渗透率发展系数，μ
sh
为实际测量渗透率灰作用量，α
sh
和μ
sh
获取方法为：
[0063][0064]
式中，b
sh
为实际测量渗透率灰矩阵，y
sh
为实际测量渗透率原始矩阵，b
sh
和y
sh
表达式如下：
[0065][0066]
由于大棚地势、振动和冲击等干扰，渗透测量传感器的测量值不符合正态规律，实际上也无法准确获得渗透测量传感器的测量值的分布规律，因此其异常值就难于识别和判断，本发明提出采用灰预测的方法来识别渗透测量传感器的测量值中的野值，具体如下：
[0067]
如果第k个实际测量渗透率ξf
k
的预测值满足：
[0068]
[0069]
则认为实际测量渗透率ξf
k
为野值，此处的值用修正。
[0070]
式中，为预测值右比例系数的二范数，为预测值左比例系数的二范数。
[0071]
将修正后的实际测量渗透率记录为ξfs，ξfs可表示为：
[0072]
ξfs＝{ξfs1，ξfs2，ξfs3，
…
，ξfs
p
}
[0073]
故
[0074]
进一步地，所述步骤四中确立大棚种植黄瓜浇水量q
t
的方法如下：
[0075]
在步骤一中确立了大棚种植黄瓜浇水量q
t
与黄瓜吸水量xs
t
的关系，在步骤二中确立大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系，由此可以确定大棚种植黄瓜浇水量q
t
，其表达式如下：
[0076][0077]
本发明有益效果：
[0078]
(1)建立了大棚种植黄瓜浇水量、黄瓜吸水量和黄瓜需水量间的关系，为大棚种植黄瓜浇水量准确预测提供基础；
[0079]
(2)采用灰预测理论识别与修正了渗透率测量中的野值，为为大棚种植黄瓜浇水量准确预测提供基础；
[0080]
(3)准确确立大棚种植黄瓜浇水量，为现代黄瓜种植提供准确的浇水服务。
附图说明：
[0081]
图1为本发明流程示意图；
[0082]
图2为本发明与现有方法用水相对比；
[0083]
图3为本发明与没有对野值识别与修正方法渗透率测量值对比；
[0084]
图4为本发明与现有方法黄瓜产量对比。
具体实施方式：
[0085]
实施例一
[0086]
一种大棚种植黄瓜浇水量动态智能预测方法，所述智能预测方法包括以下步骤：
[0087]
步骤一：确立大棚种植黄瓜浇水量q
t
与黄瓜吸水量xs
t
的关系；
[0088]
步骤二：确立大棚种植黄瓜需水量n
t
，确立大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系；
[0089]
步骤三：在种植黄瓜的大棚内布设渗透率测量传感器阵列测量渗透率ξ
t
，并对ξ
t
进行野值识别与修正；
[0090]
步骤四：确立大棚种植黄瓜浇水量q
t
。
[0091]
实施例二
[0092]
进一步地，所述步骤一中大棚种植黄瓜浇水量q
t
与黄瓜吸收水量xs
t
的关系确立方法如下：
[0093]
因为黄瓜在种植的过程中，被浇入地中的水并不会被黄瓜完全吸收，且黄瓜为喜水类植物，被黄瓜吸收的水也并不是黄瓜所需要的水，可能完全大于其所需要的水。大棚中浇入的水一部分渗入了地下，一部分蒸发到空气中，剩余的部分才是吸收量。为准确预测所需浇水量q
t
，就必须获取浇水量q
t
与黄瓜吸水量xs
t
间的关系，黄瓜吸水量xs
t
与黄瓜根系长度l
t
，黄瓜根系吸水部分可以看成半径为l
t
的半球体，黄瓜吸收量xs
t
表达式可表示为：
[0094][0095]
式中，t为黄瓜生长时刻，从黄瓜开始出苗计时；ξ
t
为土壤渗透率，ω为黄瓜吸收水量系数，其值可以通过标定获得。
[0096]
黄瓜根系长度l
t
随时间的变化不断变化，现在仅有部分数据已知，而要实现自动化浇灌，就必须知道黄瓜根系长度l
t
的所有实时值，黄瓜根系长度l
t
符合齐次指数规律，为此采用dgm(1,1)模型(离散灰色模型)进行l
t
预测，l
t 1
预测值的表达式如下：
[0097][0098]
式中，为第t 1时刻黄瓜根系长度，β
l1
为黄瓜根系长度第一灰系数，β
l2
为黄瓜根系长度第二灰系数。
[0099]
β
l1
和β
l2
方法如下：
[0100][0101]
式中，b
g
为黄瓜根系长度灰矩阵，y
g
为黄瓜根系长度原始矩阵。
[0102][0103]
式中，m为已知黄瓜根系长度数据个数。
[0104]
实施例三
[0105]
本实施方式为对实施方式一的进一步说明，所述步骤二中确立大棚种植黄瓜不同时间需水量n
t
和大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系如下：
[0106]
依据黄瓜的生长周期分析，黄瓜所需水量主要包括两部分，第一部分为黄瓜秧苗和根系所需水分，第二部分为黄瓜果实所需水分。现代化农业大棚中黄瓜的种植都采用统一的管理模式，采用统一育苗和统一采摘的方式，即使有果实比较小的黄瓜也统一摘掉，因此可将所有黄瓜生长周期视为相同。目前黄瓜种植中仅有少量的秧苗和根系所需水分、黄瓜果实所需水分数据已知，而要满足现代农业最优种植工艺需求，就需要知道黄瓜生长周
期中所有时刻所需水分，为此需要进行所需水分预测。
[0107]
黄瓜秧苗和根系所需水分在生长周期内呈现先快速增长后趋于稳定的趋势，采用单一模型很难准确描述，灰色预测模型对稳定稍有波动的数据具有很好的预测性，而多项式拟合对快速变化的数据预测有很高的准确度，为此本发明将两者拟合结合起来预测黄瓜秧苗和根系所需水分，其表达式如下：
[0108][0109]
式中，为黄瓜秧苗和根系所需水分预测值，ζ1为黄瓜秧苗和根系所需水分预测值的灰系数，为瓜秧苗和根系所需水分灰预测值，ζ2为黄瓜秧苗和根系所需水分预测值的多项式系数，为瓜秧苗和根系所需水分多项式预测值。
[0110]
表达式如下：
[0111][0112]
式中，grn
t
为已知的黄瓜秧苗和根系所需水分数据，α
h
为黄瓜秧苗和根系所需水分发展系数，μ
h
为黄瓜秧苗和根系所需水分灰作用量。α
h
和μ
h
获取方法为：
[0113][0114]
式中，b
h
为黄瓜秧苗和根系所需水分数据灰矩阵，y
h
为黄瓜秧苗和根系所需水分数据原始矩阵。
[0115]
b
h
和y
h
的表达式分别为：
[0116][0117]
式中，n为已知的秧苗和根系所需水分数据个数。
[0118]
的表达式如下：
[0119][0120]
式中，z0为瓜秧苗和根系所需水分多项式常数项，z1为瓜秧苗和根系所需水分多项式一次项，z2为瓜秧苗和根系所需水分多项式二次项，z3为瓜秧苗和根系所需水分多项式三次项，z0、z1、z2和z3的值可以通过解超定方程获得。
[0121]
ζ1和ζ2可通过对下式求导获得：
[0122][0123]
对于黄瓜果实所需水分符合快速增长规律，可采用灰色系统理论进行预测，其表达式如下：
[0124][0125]
式中，为黄瓜果实所需水分预测值，ggn
t
为已知黄瓜果实所需水分数数据，α
β
为黄瓜果实所需水分数发展系数，μ
β
为黄瓜果实所需水分数灰作用量，α
β
和μ
β
获取方法为：
[0126][0127]
式中，b
β
为黄瓜果实所需水分数数据灰矩阵，y
β
为黄瓜果实所需水分数数据原始矩阵。
[0128]
b
β
和y
β
的表达式分别为：
[0129][0130]
式中，m为已知的黄瓜果实所需水分数据个数。
[0131]
大棚种植黄瓜需水量n
t
可表示为如下：
[0132][0133]
式中，t
h
为黄瓜果实开始生长时刻。
[0134]
大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系可以采用下式表示：
[0135]
n
t
＝ψ
t
×
xs
t
[0136]
式中，ψ
t
为转换系数，ψ
t
在实验室中只为部分的离散值、呈现无规律状态且数据呈现凸性，因此也无法用灰色系统理论模型来拟合，为保证拟合数据精确性，本发明采用三次b样条法进行ψ
t
拟合，具体如下：
[0137][0138]
式中，ψ
′
t
为现有的第t时刻转换系数值，f为转换系数的个数，h为转换临时变量，f
h,3
(t)为转换基函数，其表达式如下：
[0139][0140]
实施例四
[0141]
本实施方式为对实施方式三的进一步说明，所述步骤三中种植黄瓜的大棚内布设渗透率测量传感器阵列测量渗透率ξ
t
并对ξ
t
进行野值识别与修正的方法如下：
[0142]
由于现在农业中，土壤一直保持松散且大棚中温度和湿度变化不大，故本发明将ξ
t
看作常数。为获得准确的渗透率ξ
t
，采用阵列传感器的平均值作为渗透率ξ
t
，但是大棚中地势等差异，测得渗透率值可能存在野值，因此需要进行野值的识别与修正。
[0143]
在大棚土壤10厘米深处沿大棚对角线布设p个渗透率测量传感器，实际测量渗透率ξf＝{ξf1，ξf2，ξf3，
…
，ξf
p
}，采用gm(1,1)模型对实际测量渗透率ξf进行预测，第k个实际测量渗透率ξf
k
的预测值为：
[0144][0145]
式中，k为实际测量渗透率序号，α
sh
为实际测量渗透率发展系数，μ
sh
为实际测量渗透率灰作用量，α
sh
和μ
sh
获取方法为：
[0146][0147]
式中，b
sh
为实际测量渗透率灰矩阵，y
sh
为实际测量渗透率原始矩阵，b
sh
和y
sh
表达式如下：
[0148][0149]
由于大棚地势、振动和冲击等干扰，渗透测量传感器的测量值不符合正态规律，实际上也无法准确获得渗透测量传感器的测量值的分布规律，因此其异常值就难于识别和判断，本发明提出采用灰预测的方法来识别渗透测量传感器的测量值中的野值，具体如下：
[0150]
如果第k个实际测量渗透率ξf
k
的预测值满足：
[0151]
[0152]
则认为实际测量渗透率ξf
k
为野值，此处的值用修正。
[0153]
式中，为预测值右比例系数的二范数，为预测值左比例系数的二范数。
[0154]
将修正后的实际测量渗透率记录为ξfs，ξfs可表示为：
[0155]
ξfs＝{ξfs1，ξfs2，ξfs3，
…
，ξfs
p
}
[0156]
故
[0157]
实施例五
[0158]
本实施方式为对实施方式一的进一步说明，上述方案所述步骤四中确立大棚种植黄瓜浇水量q
t
的方法如下：
[0159]
在步骤一中确立了大棚种植黄瓜浇水量q
t
与黄瓜吸水量xs
t
的关系，在步骤二中确立大棚种植黄瓜需水量n
t
和黄瓜吸水量xs
t
的关系，由此可以确定大棚种植黄瓜浇水量q
t
，其表达式如下：
[0160][0161]
实施例六
[0162]
本实施方式为对实施方式一的进一步说明，按照图1实施流程实施本发明，采用本发明处理渗透率野猪后(如图2所示)，可知采用本发明浇水量少于现有方法且最高相对省水率达到55.3％(如图3所示)，采用本发明黄瓜产量也高于现有方法且最高产量高545kg(如图4所示)，由此表明本发明可行。
[0163]
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明只局限于上述具体实施。在不脱离本发明整体思路和权利要求所保护的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。