当前位置: 首页 > 文章 > 基于深度学习人工神经网络的青椒调亏灌溉水量预测 干旱地区农业研究 2021 (6) 105-112,170
Position: Home > Articles > 基于深度学习人工神经网络的青椒调亏灌溉水量预测 Agricultural Research in the Arid Areas 2021 (6) 105-112,170

基于深度学习人工神经网络的青椒调亏灌溉水量预测

作  者:
刘婧然;武海霞;刘心;刘真;王鹏宇;张有强;李玉琼
单  位:
河北工程大学水利水电学院;河北工程大学信息与电气工程学院
关键词:
调亏灌溉;滴灌;人工神经网络;深度学习;青椒;预测;
摘  要:
在2014—2018年,采用垄沟集雨覆盖种植滴灌技术与调亏灌溉技术相结合(MFR-RDI)对青椒进行试验研究,选取灌溉水利用效率最高的试验处理(即青椒结果后期重度亏水)进行灌水量预测。根据试验期间搜集的各项资料,在MFR-RDI种植方式下,以作物需水量、青椒生育期天数、作物生育期内的降水量、土壤含水率、前一天的灌水量作为模型输入因子,构建青椒作物灌水量的深度学习人工神经网络(DNN)预测模型。通过模型试验得到最佳DNN预测模型,该模型的隐含层包括4层,各隐含层神经元个数分别为:32、16、8、4。模型的激活函数采用"ReLU",优化函数为"adam",迭代次数为300。模型使用2018年的数据进行了测试。测试结果表明DNN模型的RMSE为0.898 mm,MAE为0.257 mm,NS为0.758,R2为0.7635,说明该预测模型具有较高的精度性能。通过预测结果可以得到此种植方式下青椒的灌溉制度,为实现高效智能节水灌溉提供参考。

相似文章

计量
文章访问数: 11
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊