[发明专利]温室大棚土壤参数测量方法

权利要求书

1.一种温室大棚土壤参数测量方法，其特征在于，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)。

2.如权利要求1所述的温室大棚土壤参数测量方法，其特征在于，所述粒 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：

v(t)＝ω·v(t-1)+c₁·(lbest-x(t))+c₂·(gbest-x(t))

x(t+1)＝x(t)+c₃·v(t)

其中ω取为i为粒子群算法的本次迭代次数，c₁,c₂,c₃为常数， lbest为每个粒子搜索过的个体最优解，gbest为所有粒子搜索过的全局最优解；

3)计算本次迭代的粒子适应度，更新个体最优解与全局最优解：即对每个 粒子，将本次迭代产生的适应度，与当前个体最优解相比，取适应度较小的为 个体最优解，与所有粒子搜索过的全局最优解相比，取适应度较小的为全局最 优解；

4)判断是否达到迭代NG次，若是，则输出全局最优解，若否，则返回步 骤2)。

3.如权利要求2所述的温室大棚土壤参数测量方法，其特征在于，所述粒 子群算法步骤2)的c₁,c₂取值为3，c₃取值为0.4。