水肥混合器设计及数值模拟

农业灌溉施肥过程中,考虑水和肥混合的均匀性问题,设计一种静态曲面结构三通T型水肥混合器,并运用FLUENT计算软件,对水肥混合器上在不同的水肥状态下的水肥管内流场分别进行模拟计算分析。结果表明:水肥混合器通过扰流器可以改变流体的流向,产生旋转运动,增强扰流程度,从而很好地提高混合的均匀性;与此同时,调整水的流速和肥的流速的最佳比例,可以提高湍流强度,进一步提高水肥的混合度。     

李树快速育苗

近年来,市场上李果价格大涨,果农发展李树的积极性很高,但苗木供不应求。为了适应李树生产发展的需要,现将我自己的实践和调查专业户快速育苗的经验简介如下,供大家参考。     

基于广义回归神经网络的灌溉系统首部多用户配水快速PID控制

针对多用户配水状态下灌区流量、压力需求变化范围大,传统流量、压力控制响应速度慢等问题,建立适用于多用户灌区配水的灌溉系统首部控制技术。该研究通过分析供水系统流量、压力调节方式,提出了流量、压力PID(Proportion Integration Differentiation)耦合调节方法,建立以电动阀开度为流量控制量、变频器频率为压力控制量对流量和压力进行调控的灌溉首部控制系统。为了减少系统的调节时间,提高系统的运行效率,采用广义回归神经网络(Generalized Regression Neural Network,GRNN)建立流量、压力和电动阀控制模拟量、变频器控制模拟量间的预测模型,形成神经网络PID控制模型(GRNN_PID),并进行模型精度和控制精度验证。GRNN训练结果显示,变频器控制模拟量的相对误差为0.11%～3.86%,电动阀控制模拟量相对误差为0.09%～5.74%,模型精度较高。使用3个调节过程模拟3个用户的需水行为对模型进行验证,结果表明,GRNN_PID模型3个过程的调节时间分别为11.6、10.7和7.2 s,PID模型3个过程的调节时间分别为31.7、29.6和16.9 s,GRNN_PID模型大幅减少了系统的调节时间,提高了系统的运行效率;分别计算了2种模型的控制精度,GRNN_PID调节方法和传统PID调节方法的稳态流量和压力误差都在1%以内,最大超调量为8%,控制精度较高但相差不大,表明GRNN是从策略上加速系统调节速度,其本身并没有对PID的参数进行调整,因此对系统的控制精度影响不大。研究可为灌溉系统流量压力快速控制提供参考。     

甘肃省极端降水指数时空变化特征

为了明确甘肃省极端降水事件的时空发生规律和变化特征,根据气候变化监测与指数专家组(ETCCDI)推荐的11个极端降水指数,分析了极端降水指数的时间变化特征,基于GIS技术采用空间地统计方法,研究了极端降水指数空间分布特征。结果表明:在时间分布上,持续干期呈显著减弱,变化速率为-2.129(p<0.05),持续湿期微弱下降,变化速率为-0.005(p<0.05),其余10个极端降水指数呈增强趋势(p<0.05),尤其年降水总量增加显著,变化速率为2.56(p<0.05)。总体来看,极端指数变化存在明显周期性,大致可分为2～3个周期; 突变多发生在20世纪60年代中后期。在空间分布上,全省极端降水指数的空间变化特征较为明显,包括年降水量在内的10个极端指数由河西走廊向东递增,持续干期与之相反。综上,甘肃省极端降水指数变化具有明显的时间和空间差异。     

基于思维进化算法优化BP神经网络的温室甜瓜ET_0预测研究

为实现温室作物参考作物蒸散量(ET_0)的准确计算和预测,利用BP神经网络对获取的数据进行非线性回归,利用思维进化算法自动寻优,进而获取BP神经网络算法中较优的权值和阈值,最终建立了基于思维进化算法优化BP神经网络的参考作物蒸散量预测模型(MEA-BP)。结果表明,优化后的BP神经网络的最大相当误差有原来的13%下降到了7.2%,平均相对误差由原来的6.8%下降到了3.4%。研究了在气象数据缺失情况下模型的预测效果,当模型输入参数为4个时,平均绝对误差约为在0.2 mm(预测值约3～6 mm),模型的有效系数和相关系数基本在0.9以上;当模型输入参数为3个时,平均绝对误差约为0.25 mm,模型的有效系数和相关系数基本在0.8以上。因此,在输入参数保证3个及以上,同时包含有显著影响因子有效光照时长时,该模型的整体计算精度以及整体的实用性较好,能够为作物灌水量的预测提供参考。     

耦合模拟退火优化最小二乘支持向量机的日参照蒸散量模拟计算

针对传统最小二乘支持向量机模型的训练速度慢、不易在线训练、计算量大及参数选择困难等缺陷,提出采用耦合模拟退火优化最小二乘支持向量机算法,建立基于耦合模拟退火优化最小二乘支持向量机的参照作物蒸散量预测模型。选取陕西省的榆林、安康和西安气象站监测的1971-2014年气象资料进行模型训练、测试与验证,研究气象监测获取原始数据作为网络输入,参照蒸散量ET0为输出,构建CSA-LSSVM预测模型,并将CSA-LS-SVM预测结果与LSSVM模型及经典ET0模型模拟计算结果进行比较。结果表明,CSA-LS-SVM模型模拟计算精度和总ET0模拟模型都优于LSSVM模型及其他经典模型模拟结果。该研究CSA-LS-SVM模型为陕西地区气象资料缺乏情况下ET0精确计算提供科学依据,为作物需水量的智能决策提供参考。     

递归神经网络在降雨量预测中的应用研究

递归神经网络(RNN)模型近年来在许多任务上表现出了优良的性能。运用具有长短期记忆(LSTM)单元的递归神经网络构建模型和通过时间反向传播(BPTT)算法更新网络权重解决长期降雨量的预测问题,较好地解决了高维数、非线性和局部极小问题。选取了前馈神经网络模型(FNN)、小波神经网络(WNN)模型和整合移动平均自回归(ARIMA)模型3种模型进行验证比较。仿真结果表明,递归神经网络模型优于其他模型,训练结果与实际值接近,预测精度较高。预测结果为农业用水管理、合理制定灌溉制度提供了重要的科学依据。     

马铃薯播种机漏播检测预警系统设计

马铃薯作为我国四大农作物之一,其种植面积和总产量均居世界第1位,而国内外基于机械液压设计的马铃薯播种机研究较多,但漏播情况较多,其漏播率高达7%。由此,本文研究一套基于STC89C52单片机的实时全局监控马铃薯播种机漏播检测预警系统。通过对系统进行测试,结果表明:系统在人为模拟马铃薯播种机播种情况下,能够自动识别漏播和缺种并进行漏播率的计算,在连续漏播超标情况下能自动报警,系统运行稳定可靠,系统的推广应用可提高生产率和节约劳动力,推动马铃薯精密播种农业的机电一体化发展。     

ET_0预测的卡尔曼滤波修正ANFIS模型研究

实时、准确地对作物需水量的预测是实现智能节水灌溉的关键技术。预测模型的合理选择及精度提高是作物需水决策系统的核心。本文将陕西西安地区的气象数据环境信息引入自适应神经模糊推理(ANFIS)作物参考蒸腾量(ET_0)预测模型,应用卡尔曼滤波器对气象数据经ANFIS建模得到的ET_0预测值进行滤波去噪,以提高模型的预测精度,并通过仿真和实验验证,从理论和实践两个方面来验证模型的精度。仿真结果得到,反映模型预测值与真实值之间拟合程度的均等系数(EC)值校正前为0.93,校正后达到0.98。实验结果得到,ANFIS预测模型的平均绝对误差是28.94%,平均相对误差是26.37%,卡尔曼修正后的ANFIS预测模型的平均绝对误差是7.24%,平均相对误差是6.59%。仿真和实验结果表明,利用卡尔曼滤波对ANFIS预测模型进行修正,可以提高预测的精度,经卡尔曼修正后的ANFIS模型能更佳地反映ET_0的变化趋势。     

宁波市智慧农业发展战略与政策选择探讨

调查宁波市智慧农业建设的基本情况,分析存在的问题,提出加大政府宏观调控、制定智慧农业政策,推进农业信息建设、架构智慧农业系统,扶植智慧农业推广、发展产业链式策略和突破核心关键技术、建设智慧技术体系的发展战略,推进智慧农业建设的对策建议。