基于PSO-GRU青椒生长期需水预测算法的智慧灌溉系统研究

作     者：连晓晗 

作者单位：河北工程大学 

学位级别：硕士

导师姓名：刘心;张玉广

授予年度：2022年

学科分类：08[工学] 0815[工学-水利工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081202[工学-计算机软件与理论] 

主      题：粒子群算法 GRU神经网络 青椒需水预测 灌溉系统 LoRa无线网络 

摘      要：青椒是一种耗水量较大的作物,在其生长期间灌水量过多、过少以及灌水量波动过大都会影响青椒的生长。精准预测青椒日均需水量并按需灌溉,有利于青椒规模化种植,提升农业生产效率。目前我国青椒作物在规模化种植管理过程中存在以下不足:青椒生长期内日均需水量的预测精度不高;以往的实验数据主要依靠人工采集记录,信息滞后且易造成误差;现有灌溉系统集成程度不高,难以实现规模化和智能化管理。为了提高青椒生长期内日均需水量的预测精度,同时实现灌溉系统的智慧化管理与控制,本文设计并实现了一套基于粒子群算法优化的门控循环单元(Particle Swarm Optimization-Gated Recurrent Unit,PSO-GRU)神经网络青椒生长期需水预测算法的智慧灌溉系统。本文主要研究内容如下:(1)针对青椒需水数据的时序特征,提出一种PSO-GRU青椒生长期日均需水预测模型。以2014-2018年实验所得的青椒需水和气象环境等数据为数据源,将日均气温、气压、风速等环境数据作为特征集,需水量作为标签,以GRU神经网络为训练模型进行需水预测。针对人工选择GRU超参数容易导致预测结果陷入局部最优的问题,利用粒子群算法对GRU模型的超参数进行寻优,通过仿真实验对青椒生长期日均需水量进行预测,并与RNN、LSTM、GRU等模型进行对比。仿真结果表明:PSO-GRU模型的预测精度和拟合效果显著提高。(2)针对人工采集数据的缺点以及系统集成度不高的问题,依托物联网、云计算等技术,设计并实现了一套农业灌溉系统,利用各类农业生产环境传感器对青椒生长过程中各类环境参数进行实时采集,通过自主搭建的LoRa无线网络把数据传输至云端信息管理平台进行存储和管理,实现同时对多个种植区域的实时监测。系统支持对农业现场外围设备远程、自动化控制。将PSO-GRU青椒需水预测算法嵌入灌溉系统的信息管理平台。将实时采集到的作物生长环境参数作为需水预测算法的输入来预测青椒的需水量,同时需水预测结果能够为灌溉计划的制定提供决策依据,从而对各种外围设备进行远程控制,进一步探索需水预测算法在农业灌溉系统中的应用。系统经过一段时间测试运行,结果表明:系统稳定可靠,功能设计合理,能够满足规模化种植生产需要。