共查询到18条相似文献，搜索用时 343 毫秒
1.
以Delphi 7.0为软件开发环境,构建了温室环境管理智能决策支持系统,提出了温室环境管理智能决策支持系统的研究思路及系统实现的技术路线;采用Database Desktop来设计系统中的知识库和数据库.以数据库为基础的系统,有助于系统对知识、模型和相关数据的管理.对系统决策的过程采用基于数据库的方法进行编写,解决了温室管理智能决策过程中推理困难的问题,同时提高了决策的准确程度,经实际运用达到了预期的效果. 相似文献
2.
基于数据库的温室作物生长管理智能决策支持系统的研制 总被引：1，自引：0，他引：1
以Delphi7．0为软件开发环境，构建了温室作物生长管理智能决策支持系统。提出了温室作物生长管理智能决策支持系统的研究思路及系统实现的技术路线，采用Database Desktop来设计系统中的知识库、模型库和数据库。以数据库为基础的系统，有助于系统对知识、模型和相关数据的管理。对系统决策的过程采用基于数据库的方法进行编写，解决了温室作物生长智能决策过程中推理困难的问题，同时提高了决策的准确程度。经实际运用达到了预期的效果。 相似文献
3.
温室环境智能控制系统的研究与开发 总被引：4，自引：7，他引：4
温室环境智能控制系统以中心计算机和PLC智能控制器为控制核心，基于人工智能和农业专家系统知识库，采用主从监控管理形式，对温室内外环境因子进行实时监测和智能化决策调节，为农作物创造最优化的生长条件。系统主要由环境因子实时监控模块、智能决策模块、数据处理模块、数据库管理模块、人工控制模块、系统参数设定模块、灌溉控制模块、远程监控等模块构成，具有智能决策、易于操作、运行可靠、便于升级扩充等特点，已实现产品化。运用该套控制系统，采用配套的栽培技术措施，达到实现作物周年高产、高效、优质生产的目的。 相似文献
4.
为了实现温室大棚环境由人工管理到自动控制，将农民经验管理模式模型化、参数化，对温室大棚环境进行控制，在陕西杨凌选择管理优质的温室作为研究对象，利用机器学习的极端梯度提升算法（extreme gradient boosting,XGBoost）建立室外环境（温度、湿度和不同高度温度）、室内环境（温度、湿度）、控制（卷膜） 3者之间的关系，分别对4个不同生育期（新梢生长期、开花坐果期、果实膨大期、着色成熟期）葡萄温室的温、湿度进行模拟，并建立温室环境控制卷膜决策模型，将该模型应用于杨凌地区“锦田农庄”3号葡萄温室，实现了直接通过温室外界环境对温室卷膜进行远程控制。结果表明：与实际情况相比，模型决策准确率为95%，根据结果进行卷膜远程控制，昼间卷膜开启后，温度、湿度变化趋势缓慢，均处于目标区间，说明所建立的卷膜决策模型可以有效调控温室内的温度和湿度，能够减少温室内传感器的使用，具有较强的应用价值和推广意义。 相似文献
5.
着重论述了机械设备更新决策专家系统的设计过程,包括知识库的设计、推理机的推理方向和方法、知识获取方法的介绍、综合数据库的规划、人机接口等内容。 相似文献
6.
7.
8.
9.
10.
基于负水头供液决策的温室作物自动灌溉施肥方法 总被引：1，自引：0，他引：1
针对温室作物基质栽培过程中营养液供给不易精量控制、水肥利用率低等问题,设计了基于负水头供液的决策方法和系统,采用温室基质栽培番茄负水头耗液量作为精量决策指标,通过自动化滴灌系统对同期内番茄常规基质栽培行进行3~4h的错时灌溉,以定时定量供液方法的番茄栽培行为对照,研究了系统的运行状况、番茄产量和水肥利用率等问题。结果表明,基于负水头供液决策的自动灌溉系统比定时定量供液系统的单株产量提高了6.70%,水、肥量均节省28.13%。通过试验得出该系统运行良好,可根据番茄日需水规律适量、及时、精准地供给营养液。 相似文献
11.
12.
基于D-S证据理论的智能温室环境控制决策融合方法 总被引：1，自引：0，他引：1
在无线传感器网络下的智能温室环境控制系统中,农作物的生长通常受多种环境因子共同作用。根据温室环境控制系统的实际需求建立基于Dempster-Shafer(D-S)证据理论的决策框架,并提出了一种数据预处理和决策融合方法。首先,使用箱线图检测量测数据中的异常值,考虑到现有直接剔除异常数据处理方法的弊端,提出了一种异常数据自适应修正方法;然后,利用加权平均距离聚类处理更新后的数据;最后,根据所提出的基于加权相似度的基本概率分配方法结合D-S证据理论进行融合,为温室环境控制做出正确决策。实验结果表明,箱线图检测异常数据更为准确,其检测率比狄克逊准则高近19.2%,对于不确定性融合结果,本文提出的基于加权相似度的基本概率分配方法相比现有方法降低了1~2个数量级,不仅可以提高温室环境参数融合精度,加快收敛速度,同时还能有效地降低决策风险。 相似文献
13.
针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。 相似文献
14.
15.
基于WDNN的温室多特征数据融合方法研究 总被引：1，自引：0，他引：1
目前物联网监测产品在温室生产中大量应用产生海量数据,但现有用于温室数据融合算法对高维特征及混合特征(数据同时包含稀疏特征和连续特征)处理精度较低且泛化能力较弱,鲜有利用深度学习模型对温室数据进行顶层融合并提供准确的决策信息。本文提出了一种基于宽-深神经网络(Wide-deep neural network,WDNN)的两级温室环境数据融合算法。首先利用温室内多点多特征数据训练WDNN深度学习模型,输出形式为多点单特征,再将该输出数据按照少数服从多数原则进行融合,得到温室环境状态的整体评估结果。试验结果表明,该融合方法对预测集中混合特征的决策准确率达到98. 90%,融合特征类型的增加,可用于监测参数更多、环境更复杂的温室,将WDNN模型用于温室混合数据融合是可行有效的,在保证决策精度的同时丰富了可融合特征类别,进一步提升温室融合系统的智能化程度,对温室智能调控提供有效技术支撑。 相似文献
16.
随着现代计算机信息技术和自动化控制技术在农业领域的快速发展，温室的结构档次正不断提高，加之农作物对外部环境的依赖性强，搭建一种适合农作物生长的温室环境控制系统，已成为农业种植者的迫切需求。该文针对温室环境信息智能化管理需求，通过调控农作物的环境因素，创造出适宜农作物生长的环境，从而达到农作物反季节生产和提高产量的目的。为了进一步提高温室智能控制的精准度以及提高农作物生产效率，基于PID控制算法，设计了一套典型的、符合我国农情的温室环境控制系统。该系统将在调节温室环境参数和改善作物生长环境方面发挥重要作用。 相似文献
17.
18.
无线传感器网络在温室农业监测中的应用 总被引：6，自引：3，他引：3
针对传统温室农业数据采集系统存在的问题, 提出了一种使用无线传感器网络技术组建农业温室监控系统的设计方案,实现了作物生长环境的无线监控,解决了传统温室农业布线的繁琐性和局限性,为提高温室环境信息管理自动化程度和设施农业种植决策提供依据, 顺应传感器的无线化与网络化的趋势. 相似文献