排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
为了节约以及最优化利用水资源,避免粗放型农业灌溉需求对资源的浪费。利用部署在农田里的传感器获取土壤湿温度、空气相对湿度、紫外线辐射强度等自然环境参数再结合来自互联网的天气预报数据,系统将传感器节点获取的实时数据以及互联网提供的天气预测信息输入SVR模型进行训练得到未来的土壤水分差预测值,结合k-means聚类算法得出精确的预测结果,最后利用Web服务和基于Web的信息可视化功能进行智能决策,搭建了基于物联网平台并结合规划预测算法的智能灌溉管理系统,并给出合理的灌溉建议。通过两周的预测结果可知,与HS算法方法比较,SVR+k-means聚类规划预测算法预测结果与实际测量结果的拟合程度更好、波动更小、精度更高。根据规划预测算法测试数据与传统算法比较表明了前者的精确性,并且通过仿真充分表明了规划预测算法的可靠性与优越性。可以看出规划预测算法对土壤水分的预测值更加接近实测值。通过规划预测算法得到的精确的土壤水分差的量化结果,可以实现对未来的农田的智能灌溉决策控制,达到节约水资源的目的。 相似文献
1