[发明专利]一种基于机器学习的农田作物蒸散量预测系统

说明书

技术领域

本发明涉及农作物监测领域，具体是一种基于机器学习的农田作物蒸散量预测系统。

背景技术

机器学习理论相关技术已经应用在各个领域，目前比较成熟的就有人脸识别，智能交通，也体现在智能农业，天气预报、生理病变、环境监测研究等众多领域，并且得到了广泛的应用。

对于农田作物生长过程中的灌溉情况，传统方法一般是通过人工在田间实地查看，虽然对于需水情况与否的判断准确率高，但面对农田集中种植面积比较大，需要耗费大量的人力成本，而且没办法实时进行查看，往往只有当小范围内有需要及时灌溉情况发生的时候才会被察觉，严重影响了农业生产活动。

发明内容

本发明要解决的技术问题是提供一种基于机器学习的农田作物蒸散量预测系统，快速有效地预测农田作物的蒸散量情况，预测农田作物蒸散发后导致及时用水灌溉的发生，为农田作物灌溉合理管理适时地提供预警信息，保证农田作物的正常生长。

本发明的技术方案为：

一种基于机器学习的农田作物蒸散量预测系统，包括有采集终端，服务器端和客户端；所述的采集终端实时采集农田各个监测点的气象数据信息并通过通信网络传输给服务器端；所述的服务器端包括有数据接收和存储模块、数据预处理模块、数据模型训练模块和数据可视化模块；所述的数据接收和存储模块将各个监测点获取的气象数据以一定的命名格式标识并存储于数据库中；所述的数据预处理模块对于各个监测点的气象数据分别进行去噪、插值补全和归一化处理后选取预处理后0-1之间的气象数据；所述的数据模型训练模块对于预处理选取后的气象数据，利用机器学习的算法进行模型训练，所述的模型训练即根据不同的作物选择不同的训练模型和调节参数，针对不同作物不同时间段的蒸散量进行预测和波动展示；所述的数据可视化模块将预测的蒸散量结果绘制成蒸发量预测图谱；所述的客户端通过通信网络接收蒸发量预测图谱并进行图谱的显示。

所述的采集终端采集的气象数据信息包括有日平均气温，日照时数，日最高气温，日最低气温，相对湿度和日均风速。

所述的通信网络包括有GPRS无线通信网络、WAN网络和Zigbee网络。

所述的利用机器学习的算法进行模型训练的具体步骤是：首先预测时间序列后调用训练模型并加载，然后从数据库中读取模型参数进行模型初始化，再进行数据预处理，最后数据进行模型训练并保存蒸散量预测结果数据。

所述的蒸发量预测图谱展示不同区域农作物在一段时间的作物蒸散量的波动情况，用于显示农作物需水量的变化。

所述的采集终端按照设定时间段将农田各个监测点的气象数据信息通过通信网络传输给服务器。

所述的客户端包括有电脑和移动显示终端。

本发明的优点：

本发明通过采集终端获取农田各个监测点的农作物气象数据信息，并将该数据信息通过通信网络输给后台服务器端，并写入数据库，再通过后台服务器端对所采集的农田气象数据进行预处理并利用机器学习算法进行数据模型训练，并将数据模型的结果通过通信网络发送给客户端进行预测结果展示，为大面积的农田作物灌溉提供更加科学合理的灌溉指导。

附图说明

图1是本发明的结构示意图。

图2是本发明利用机器学习的算法进行模型训练的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

见图1，一种基于机器学习的农田作物蒸散量预测系统，包括有采集终端，服务器端和客户端；

采集终端实时采集农田各个监测点的气象数据信息（日平均气温，日照时数，日最高气温，日最低气温，相对湿度和日均风速）并按照设定时间段通过通信网络传输给服务器端；