[发明专利]灌溉控制方法、装置、电子设备及存储介质

权利要求书

1.一种灌溉控制方法，其特征在于，包括：

将灌溉集合数据输入农作物需水量预测模型，得到需水量预测值；其中，所述农作物需水量预测模型为基于土壤数据、农作物数据和天气数据构建的神经网络模型；所述灌溉集合数据包括实时获取的土壤数据、农作物数据和天气数据；

根据所述需水量预测值模拟确定未来设定时间段内土壤湿度预测值；

将所述需水量预测值和所述土壤湿度预测值纳入水平衡管理；

获取作物蒸散量、实时土壤温度和实时土壤湿度，基于决策树算法来确定灌溉方案；其中，所述灌溉方案包括灌溉时间、灌溉需水量和灌溉频率中的一项或多项。

2.根据权利要求1所述的灌溉控制方法，其特征在于，所述基于决策树算法来确定灌溉方案，包括：

将所述土壤湿度预测值内的阈值与所述实时土壤湿度进行比较；

基于比较结果确定灌溉时间、灌溉需水量和灌溉频率中的一项或多项，并生成灌溉方案。

3.根据权利要求1所述的灌溉控制方法，其特征在于，所述未来设定时间段为2天～5天。

4.根据权利要求1所述的灌溉控制方法，其特征在于，所述土壤数据包括地面温度；所述农作物数据包括：作物系数和日期时间；所述天气数据包括：风速、空气湿度、大气压、降雨量和太阳辐射数据。

5.根据权利要求1所述的灌溉控制方法，其特征在于，在将数据输入农作物需水量预测模型之前，还包括：

获取历史灌溉集合数据；

对所述历史灌溉集合数据进行归一化处理；

确定时间步长，并基于所述时间步长构建初始神经网络模型；

将归一化处理后历史灌溉集合数据随机划分为测试集和训练集；

根据所述测试集和训练集确定模型损失函数；

对所述模型损失函数进行训练预测；

将训练预测结果与所述测试集和所述训练集进行拟合得出优化后的模型，并将优化后的模型作为农作物需水量预测模型。

6.根据权利要求5所述的灌溉控制方法，其特征在于，还包括：

根据设定间隔周期及所述设定间隔周期内的历史灌溉集合数据构建农作物需水量预测模型，以实现农作物需水量预测模型的动态优化。

7.根据权利要求5所述的灌溉控制方法，其特征在于，所述初始神经网络模型为长短期记忆神经网络算法预测模型、深度卷积网络算法预测模型、递归神经网络算法预测模型或前馈神经网络算法预测模型。

8.一种灌溉控制装置，其特征在于，包括：

预测模块，用于将灌溉集合数据输入农作物需水量预测模型，得到需水量预测值；其中，所述农作物需水量预测模型为基于土壤数据、农作物数据和天气数据构建的神经网络模型；所述灌溉集合数据包括实时获取的土壤数据、农作物数据和天气数据；

模拟模块，用于根据所述需水量预测值模拟确定未来设定时间段内土壤湿度预测值；

管理模块，用于将所述需水量预测值和所述土壤湿度预测值纳入水平衡管理；

决策模块，用于确定作物蒸散量、土壤温度和土壤湿度，基于决策树算法来确定灌溉方案；其中，所述灌溉方案包括灌溉时间、灌溉需水量和灌溉频率中的一项或多项。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。