[发明专利]温室大棚土壤参数测量方法

说明书

技术领域

本发明涉及一种土壤参数测量方法，尤其涉及一种温室大棚土壤参数测量 方法，属于检测技术领域。

背景技术

农业生产具有季节性的特点，温室大棚可以帮助克服农业生产的季节性， 提高农业生产效率。大棚内影响农作物生长的环境因素有温度、湿度、光照和 空气流通情况，尤其是土壤作为农作物生长的基地，土壤的温度、湿度、酸碱 度、含水量、二氧化碳含量、通气状况、氮、磷、钾、钙等养分的含量等对农 作物的生长都具有直接影响。为了达到农业生产的效率化、优质化，对上述各 种土壤环境参数的量化测量与控制很重要。目前的温室大棚环境控制仅能对空 气环境的参数进行自动实时测量控制，但对土壤的系列参数由于技术、设备限 制，对这一系列土壤物理量的测量往往采用的方法是人工间隔一定时段采样一 次，再使用仪器做离线分析得出。由于土壤的上述参数涉及气、固、液三相， 难以采用传感器直接进行测量，很难实时的获知土壤物理量的准确值，因而无 法准确、实时自动调节上述土壤物理量，满足不了农业生产测量控制信息化、 网络化的要求。

采用软测量技术，建立容易实时测量的辅助变量和难以测量的目标主导变 量之间的数学模型关系，为准确测量控制土壤参数提供了一条新途径。

发明内容

本发明的目的在于提供一种温室大棚土壤参数测量方法，解决现有技术对 温室大棚农作物生长的土壤环境参数难以用传感器直接进行测量，而采用人工 间隔时段测量采样，再使用仪器做离线分析，造成无法实时的获知土壤物理量 准确值的技术问题。本发明以软测量技术实时测量调节土壤物理量，以满足农 业生产测量控制信息化、网络化的要求。

本发明的目的通过以下技术方案予以实现：

一种温室大棚土壤参数测量方法，包括以下步骤：

1)根据对温室大棚的空气和土壤数据的记录，统计出空气温度、湿度、二 氧化碳含量、空气流量，对应时刻的土壤温度、含水量、二氧化碳含量的数据； 将空气温度、湿度、二氧化碳含量、空气流量作为输入参量，将土壤温度、含 水量、二氧化碳含量作为输出参量，建立神经网络，根据已有的历史监测数据， 使用BP神经网络，附加动量学习规则，训练神经网络；

2)根据农作物生长所需的土壤的温度、含水量、二氧化碳含量的理想值， 由粒子群算法，求解神经网络的最优输入参量，即空气温度、湿度、二氧化碳 含量、空气流量；

3)根据上一循环神经网络估计误差判断是否需要人工采样，如需要，通过 人工采样然后离线分析，对比得出实测的土壤温度、含水量、二氧化碳含量与 神经网络估计出的土壤温度、含水量、二氧化碳含量的误差，然后将这组实测 土壤温度、含水量、二氧化碳含量数据，以及神经网络估计与实测的土壤温度、 含水量、二氧化碳含量误差数据一起，使用附加动量学习规则，更新训练神经 网络；如不需要人工采样，则返回步骤2)。

本发明的目的还可以通过以下技术措施来进一步实现：

前述温室大棚土壤参数测量方法，其中粒子群算法，步骤如下：

1)初始化粒子群：确定粒子群大小NP，粒子群算法迭代次数NG，初始 化粒子位置，计算每个粒子的适应度并初始化全局最优解与个体最优解；

计算粒子适应度的函数为：

Fitness=Σi(Oi-Oi′)2]]>

其中，O_i表示神经网络输出向量的第i个元素，O′_i为理论期望的输出向量 的第i个元素；

2)更新粒子群：粒子群的运动方程如下：