排序方式： 共有5条查询结果，搜索用时 46 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
2.
3.
4.
为给蔬菜的农药残留检测提供一种快速有效的方法,配置不同浓度的敌敌畏样本,用光声光谱法测定,光谱扫描范围为300~800 nm,调制频率为8~200 Hz。结果表明,利用光声光谱法对生菜中的敌敌畏残留进行检测,线性范围在0.014~0.885μg/m L之间,相关系数r=0.998 5,检出限为0.012μg/m L,与气相色谱法相比无明显差异且测量结果较精确。 相似文献
5.
基于改进蚁群算法的联合收割机调度路径优化 总被引：1，自引：0，他引：1
为缓解收割机在收获季节供不应求的局面,实现联合收割机在收割中的高效率、低成本和高收入。通过对影响收割机调度的多种因素进行分析,建立联合收割机调度的数学模型。针对基本蚁群算法易陷入局部最优解、收敛速度慢等缺点,引入节约矩阵,并对不同搜索时段采用不同的信息挥发因子,最后通过局部搜索策略2-opt法搜索最优解的方法改进基本蚁群算法,对模型进行求解。仿真结果表明,改进后的蚁群算法性能优良,且可降低调度成本,能够有效解决联合收割机在农忙时节的使用问题。 相似文献
1