[发明专利]一种用于日光温室的CO2气肥精细调控方法与装置

权利要求书

1.一种用于日光温室的CO₂气肥精细调控方法，包括实时监测温室环境信息和作物生长信息，确定最优CO₂气肥需求量以及预测光合速率值，从而实现CO₂浓度的精细调控，其特征在于：所述最优CO₂气肥需求量以及预测的光合速率值通过基于BP神经网络的光合速率预测模型来确定。

2.根据权利要求1所述的CO₂气肥精细调控方法，其特征在于：所述光合速率预测模型通过以下步骤建立：

第一步：实验数据的获取：通过物联网监测温室环境信息和作物部分生长信息；通过光合速率仪测量作物在不同光照不同CO₂浓度下的单叶净光合速率；通过手工测量方法定期获取作物部分生长信息；其中，温室环境信息和作物生长信息作为模型的输入参数，单叶净光合速率作为模型的输出参数；

第二步：对模型输入参数进行优化，达到消除冗余数据并降维的目的；

第三步：将优化的模型输入参数数据随机分成神经网络模型训练组和测试组，设置神经网络参数，将训练组数据代入网络进行训练，直到达到网络训练终止条件；

第四步：模型的验证，用预测组数据代入已建立的神经网络模型，比较光合速率预测值与测量值的误差，并计算网络性能评估指标；

第五步：若网络性能评估指标达到要求，则模型建立完成，否则，调整网络参数，重复训练、验证步骤。

3.根据权利要求2所述的CO₂气肥精细调控方法，其特征在于：对模型输入参数的优化通过以下步骤实现：

第一步：使用K-均值聚类法对模型的输入输出数据进行聚类划分，得到离散化的数据，并将输出数据即光合速率值用聚类中心表示；

第二步：离散后的数据可能出现2组或以上相同的对象，视为冗余对象，将其删除，得到初步化简的离散数据，其中，一组观测值称为一个对象；

第三步：计算每个输入参数对输出参数即光合速率的影响值，设共有n个输入参数，x_i为第i个输入参数，依次去掉x_i，剩下n-1个输入参数，可能出现2个或以上输入参数相同而输出参数不同的对象，计算这些对象对应的光合速率差值d_ij，若输入参数相同的对象是2个，则由大的光合速率值减去小的光合速率值，若对象是2个以上，则由最大光合速率值减去最小光合速率值，将去掉x_i后所求的差值进行求和，作为x_i对输出参数的影响值

第四步：计算每个输入参数的权重去掉权重很小的参数，得到优化的模型输入参数。

4.根据权利要求2所述的CO₂气肥精细调控方法，其特征在于，分别建立不同作物在其不同生长阶段的光合速率预测模型。

5.根据权利要求2所述的CO₂气肥精细调控方法，其特征在于，在光合速率预测模型的数据获取阶段，为了扩大数据范围，可采用人工环境改变光照强度和CO₂浓度，分别测量在一定光照强度下不同的CO₂浓度所对应的作物光合速率。

6.根据权利要求2所述的CO₂气肥精细调控方法，其特征在于，光合速率预测模型可确定不同作物在不同生长阶段、不同环境下的CO₂气肥的实际需求量，进而实现CO₂气肥的精细调控。

7.根据权利要求1或2所述的CO₂气肥精细调控方法，其特征在于，实现CO₂的浓度精细调控的步骤为：

第一步：用户选择作物品种和作物生长阶段，作为光合速率预测模型的选择依据；

第二步：将物联网监测的实时数据和部分人工测量数据，代入光合速率预测模型，预测光合速率值并计算最优CO₂浓度，通过与监测的当前CO₂浓度值进行比较，做出控制执行决策，打开或关闭CO₂气肥装置开关。