基于LSTM神经网络的智能灌溉系统设计与试验

作者：孙博瑞; 孙三民^*; 蒋敏; 薛山

来源：中国农机化学报, 2022, 43(04): 116-123.

DOI：10.13733/j.jcam.issn.2095-5553.2022.04.017

• 神经网络
• 需水量
• 物联网
• 智能灌溉系统
• 灰色关联分析

针对我国现阶段农业生产效率低，农业用水浪费严重现象，设计一套基于LSTM神经网络的智能灌溉系统。系统以树莓派为下位机控制器，阿里云服务器为上位机。利用灰色关联分析法确定平均气温、太阳辐射、日照时数、平均风速、相对湿度、气压与作物需水量间的关联度系数分别为0.636 52、0.510 42、0.444 56、0.440 29、0.343 50、0.287 87,从中选取关联系数较大的气象因素作为LSTM预测模型的特征输入向量，作物需水量为输出向量，构建LSTM神经网络预测模型，并为系统开发了相应的物联网平台与移动端平台，实现数据可视化及开关远程控制功能。结果表明预测模型拟合系数R2等于0.987 2,且残差相对稳定，预测精度较高。在实际灌溉试验中模型预测平均绝对误差为3.02%,系统运行稳定，智能化程度较高，为农业现代化发展提供一定参考。

• 单位
  建筑工程学院; 塔里木大学