基于大数据分析的土壤墒情预警系统研究
发布时间：2021-02-21 09:10
为解决农田土壤墒情预测与预警,从而更好地指导农业生产,本研究通过降水量、空气温度、湿度、风速、日照时间等气象数据分析,以高效的农田土壤墒情监测系统为目标,建立了熵权法模型,其根据指标变异性的大小来确定客观权重,若某个指标的信息熵越小,表明指标值变异程度越大,提供的信息量越多,在综合评价中所能起到的作用也越大,其权重也就越大。反之亦然。运用该模型构建了适合土壤墒情数据监测的模型分析体系与智能灌溉信息系统的大数据分析架构。采用Spark作为大规模数据处理计算引擎,首先,运用回归分析,研究气象数据随机变量（X）对土壤墒情（Y）相依关系。其次,运用对应分析由定性变量构成的交互汇总表来展现各个类别之间的差异性,展示不同变量（X1,X2,…,Xk）等各个类别变量之间的对应关系,形成联列表,将联列表的行和列中各元素之间的比例结构分别以点的形式在较低维的空间中对应分析,得出农田土壤墒情监测气象信息服务优化设计方法。系统实现采用的Spark Streaming流式分布式计算,先通过Filebeat采集数据,采集后的数据直接收集到Kafka...
【文章来源】：天津农学院天津市
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
气象监测数据
输入层门：决定我们要在神经元细胞中保存什么信息如图 2-3作用对象：细胞状态作用：对新的数据筛选性的标记到细胞内部里图 2-2 信息筛选遗忘更新Figure 2-2 Information filtering and forgetting update.
LSTM 包含经过科学构建的名叫“门”的构造达成删除或者添加内容进入细状态的东西。门是对数据进行筛选辨别的手段，如图 2-5。其中包括有 sigmoid经网络层及一套 pointwise 乘法运算操作。Sigmoid 层输出 0 至 1 之间的数据，概况单个项目可以通过多少数据。0 表图 2-5 数据进行筛选辨别的门限Figure 2-5 The data is filtered to identify the threshold.
【参考文献】：
期刊论文
[1]基于西北区甘肃省监测数据的土壤墒情综合诊断模型验证[J]. 米长虹,黄治平,刘书田,侯彦林,郑宏艳,丁健,王铄今,侯显达. 生态学杂志. 2017(12)
[2]比值统计法土壤墒情诊断模型[J]. 郑宏艳,丁健,侯显达,侯彦林,米长虹,黄治平,刘书田,王铄今. 生态学杂志. 2017(12)
[3]移动统计法土壤墒情诊断模型[J]. 丁健,米长虹,侯显达,侯彦林,黄治平,刘书田,郑宏艳,王铄今. 生态学杂志. 2017(12)
[4]统计法土壤墒情诊断模型[J]. 黄治平,王铄今,侯彦林,刘书田,郑宏艳,丁健,米长虹,侯显达. 生态学杂志. 2017(12)
[5]基于多值神经元复数神经网络的土壤墒情预测[J]. 冀荣华,张舒蕾,郑立华,刘秋霞. 农业工程学报. 2017(S1)
[6]基于GM（1,1）模型群的农田土壤墒情短期预测[J]. 冀荣华,李鑫,张舒蕾,郭敏英. 农业机械学报. 2016(S1)
[7]农田土壤墒情监测与预报系统研发[J]. 张晓月,李荣平,焦敏,张琪,王莹,李辑. 农业工程学报. 2016(18)
[8]基于冠层温度和土壤墒情的实时监测与灌溉决策系统[J]. 蔡甲冰,许迪,司南,魏征. 农业机械学报. 2015(12)
[9]自动土壤水分观测数据异常值阈值研究[J]. 王良宇,何延波. 气象. 2015(08)
[10]农情遥感监测云服务平台建设框架[J]. 李中元,吴炳方,GOMMES René,张淼,陈波. 遥感学报. 2015(04)
博士论文
[1]基于多源遥感数据的灌区农田蒸散发和土壤墒情反演及应用[D]. 白亮亮.中国水利水电科学研究院 2017
[2]农田土壤墒情监测与智能灌溉云服务平台构建关键技术研究[D]. 李淑华.中国农业科学院 2016
[3]基于生态学理念的智能墒情监控系统研究[D]. 康立军.甘肃农业大学 2013
硕士论文
[1]土壤墒情预报模型与精准灌溉控制系统研究[D]. 马扬飞.北京林业大学 2012
本文编号：3044139
【文章来源】：天津农学院天津市
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
气象监测数据
输入层门：决定我们要在神经元细胞中保存什么信息如图 2-3作用对象：细胞状态作用：对新的数据筛选性的标记到细胞内部里图 2-2 信息筛选遗忘更新Figure 2-2 Information filtering and forgetting update.
LSTM 包含经过科学构建的名叫“门”的构造达成删除或者添加内容进入细状态的东西。门是对数据进行筛选辨别的手段，如图 2-5。其中包括有 sigmoid经网络层及一套 pointwise 乘法运算操作。Sigmoid 层输出 0 至 1 之间的数据，概况单个项目可以通过多少数据。0 表图 2-5 数据进行筛选辨别的门限Figure 2-5 The data is filtered to identify the threshold.
【参考文献】：
期刊论文
[1]基于西北区甘肃省监测数据的土壤墒情综合诊断模型验证[J]. 米长虹,黄治平,刘书田,侯彦林,郑宏艳,丁健,王铄今,侯显达. 生态学杂志. 2017(12)
[2]比值统计法土壤墒情诊断模型[J]. 郑宏艳,丁健,侯显达,侯彦林,米长虹,黄治平,刘书田,王铄今. 生态学杂志. 2017(12)
[3]移动统计法土壤墒情诊断模型[J]. 丁健,米长虹,侯显达,侯彦林,黄治平,刘书田,郑宏艳,王铄今. 生态学杂志. 2017(12)
[4]统计法土壤墒情诊断模型[J]. 黄治平,王铄今,侯彦林,刘书田,郑宏艳,丁健,米长虹,侯显达. 生态学杂志. 2017(12)
[5]基于多值神经元复数神经网络的土壤墒情预测[J]. 冀荣华,张舒蕾,郑立华,刘秋霞. 农业工程学报. 2017(S1)
[6]基于GM（1,1）模型群的农田土壤墒情短期预测[J]. 冀荣华,李鑫,张舒蕾,郭敏英. 农业机械学报. 2016(S1)
[7]农田土壤墒情监测与预报系统研发[J]. 张晓月,李荣平,焦敏,张琪,王莹,李辑. 农业工程学报. 2016(18)
[8]基于冠层温度和土壤墒情的实时监测与灌溉决策系统[J]. 蔡甲冰,许迪,司南,魏征. 农业机械学报. 2015(12)
[9]自动土壤水分观测数据异常值阈值研究[J]. 王良宇,何延波. 气象. 2015(08)
[10]农情遥感监测云服务平台建设框架[J]. 李中元,吴炳方,GOMMES René,张淼,陈波. 遥感学报. 2015(04)
博士论文
[1]基于多源遥感数据的灌区农田蒸散发和土壤墒情反演及应用[D]. 白亮亮.中国水利水电科学研究院 2017
[2]农田土壤墒情监测与智能灌溉云服务平台构建关键技术研究[D]. 李淑华.中国农业科学院 2016
[3]基于生态学理念的智能墒情监控系统研究[D]. 康立军.甘肃农业大学 2013
硕士论文
[1]土壤墒情预报模型与精准灌溉控制系统研究[D]. 马扬飞.北京林业大学 2012
本文编号：3044139
本文链接：https://www.wllwen.com/kejilunwen/nykj/3044139.html
