溫室能耗與作物產(chǎn)量預(yù)測研究及Android監(jiān)測系統(tǒng)設(shè)計.pdf

1、溫室環(huán)境調(diào)控是現(xiàn)代溫室中最重要的關(guān)鍵技術(shù)之一，提高溫室環(huán)境控制的能力才能更好的促進(jìn)我國農(nóng)業(yè)現(xiàn)代化的不斷發(fā)展。隨著國內(nèi)溫室大棚的迅速增多，為了提高農(nóng)作物生產(chǎn)效率，增加經(jīng)濟(jì)收入，對溫室的智能監(jiān)控是實現(xiàn)溫室高產(chǎn)、優(yōu)質(zhì)的必然要求。溫室智能監(jiān)控是指通過收集農(nóng)業(yè)知識、技術(shù)以及各種試驗數(shù)據(jù)構(gòu)建專家系統(tǒng)，以建立作物生長的數(shù)學(xué)模型為理論依據(jù)，研究出的一種指導(dǎo)溫室調(diào)控和作物生長的溫室專家控制系統(tǒng)。
　　為了設(shè)計一種指導(dǎo)溫室供熱與預(yù)測作物產(chǎn)量的智能監(jiān)控

2、系統(tǒng)，研究了溫室供熱能耗與作物產(chǎn)量之間的關(guān)系。根據(jù)溫室能量與物質(zhì)平衡原理，建立了以Venlo型溫室為對象的溫室能量流動模型；根據(jù)作物的光合作用，呼吸作用、物質(zhì)分配流動等過程，建立了以番茄為對象的物質(zhì)流動模型。
　　對建立的物質(zhì)能量流動模型采用優(yōu)化算法進(jìn)行參數(shù)辨識，使之符合真實試驗溫室。比較了傳統(tǒng)遺傳算法和粒子群算法的優(yōu)缺點后，提出一種改進(jìn)型粒子群遺傳算法混合算法(改進(jìn)型PSO-GA)來辨識模型的參數(shù)。改進(jìn)型PSO-GA是基于粒子群

3、和遺傳算法相結(jié)合，并引入自適應(yīng)算子提高算法收斂速度和收斂精度，克服了單一粒子群群算法容易陷入局部最優(yōu)的缺陷，相比較于遺傳算法，在收斂速度上有明顯優(yōu)勢。
　　結(jié)合試驗溫室的環(huán)境數(shù)據(jù)和溫室能耗數(shù)據(jù)對溫室能量流動模型分別采用三種算法進(jìn)行辨識，辨識的結(jié)果表明，改進(jìn)型PSO-GA優(yōu)化算法比傳統(tǒng) PSO和 GA算法在辨識參數(shù)的速度上快23％，辨識精度上高1.5%。經(jīng)過辨識的溫室能量流動模型模擬的溫室供熱能耗在整體趨勢上貼合實際溫室能耗，6天的

4、模擬總能耗與實際總能耗存在8.9%的誤差，證明了溫室能量流動模型基本符合實際試驗溫室。利用溫室能量流動模型和作物物質(zhì)流動模型模擬研究了溫室供熱能耗與作物產(chǎn)量之間關(guān)系，模擬試驗溫室2月10日室內(nèi)平均溫度從14.9℃增加25.9℃，模擬的作物產(chǎn)量增加了24.5%，而模擬的溫室供熱能耗增加了109.7%。
　　利用建立的溫室能量流動模型和作物物質(zhì)流動模型來指導(dǎo)溫室智能監(jiān)控，設(shè)計了基于 Android平臺溫室遠(yuǎn)程監(jiān)控系統(tǒng)。系統(tǒng)主要由基于C