[发明专利]一种基于神经网络的灌溉决策方法及系统

权利要求书

1.一种基于神经网络的灌溉决策方法，其特征在于，包括：

获取历史样本数据集，所述历史样本数据集包括多个第一数据对和多个第二数据对，所述第一数据对包括：根系深度、当日无灌溉且降雨量小于设定阈值时的当日土壤含水量、当日气象数据以及前一日土壤含水量，所述第二数据对包括：根系深度、当日有灌溉或降雨量大于所述设定阈值时的当日土壤含水量、当日气象数据、当日灌溉量和降雨量以及前一日土壤含水量；

以所述第一数据对中的根系深度、当日气象数据以及前一日土壤含水量为输入，以所述第一数据对中的当日土壤含水量为输出，对神经网络进行训练，得到第一神经网络模型；

以所述第二数据对中的根系深度、当日气象数据、当日灌溉量和降雨量以及前一日土壤含水量为输入，以所述第二数据对中的当日土壤含水量为输出，对神经网络进行训练，得到第二神经网络模型；

获取待预测日的气象数据以及预测降雨量；

根据所述待预测日的气象数据以及预测降雨量，采用所述第一神经网络模型或所述第二神经网络模型预测所述待预测日的土壤含水量；

判断预测得到的土壤含水量是否小于预设值，如果是，则触发灌溉系统进行灌溉。

2.根据权利要求1所述的基于神经网络的灌溉决策方法，其特征在于，在确定预测得到的土壤含水量小于预设值后，基于田持土壤含水量，确定灌溉量。

3.根据权利要求1所述的基于神经网络的灌溉决策方法，其特征在于，将土壤在竖直方向上划分为多层，所述土壤含水量为土壤各层的含水量。

4.根据权利要求1所述的基于神经网络的灌溉决策方法，其特征在于，所述气象数据包括空气温湿度、净辐射、风速中的一种或多种。

5.根据权利要求1所述的基于神经网络的灌溉决策方法，其特征在于，

所述以所述第一数据对中的根系深度、当日气象数据以及前一日土壤含水量为输入，以所述第一数据对中的当日土壤含水量为输出，对神经网络进行训练，具体包括：以所述第一数据对中的根系深度、当日气象数据以及前一日土壤含水量为输入，以所述第一数据对中的当日土壤含水量为输出，分别对初始权值不同的多个神经网络进行训练，得到多个第一神经网络模型；

所述以所述第二数据对中的根系深度、当日气象数据、当日灌溉量和降雨量以及前一日土壤含水量为输入，以所述第二数据对中的当日土壤含水量为输出，对神经网络进行训练，具体包括：以所述第二数据对中的根系深度、当日气象数据、当日灌溉量和降雨量以及前一日土壤含水量为输入，以所述第二数据对中的当日土壤含水量为输出，对初始权值不同的多个神经网络进行训练，得到多个第二神经网络模型；

所述根据所述待预测日的气象数据以及预测降雨量，采用所述第一神经网络模型或所述第二神经网络模型预测所述待预测日的土壤含水量，具体包括：

当预测降雨量小于所述设定阈值或预测无降雨时，采用各所述第一神经网络模型分别预测所述待预测日的土壤含水量，得到多个第一预测结果；求取多个所述第一预测结果的平均值；

当预测降雨量大于所述设定阈值或有灌溉时，采用各所述第二神经网络模型分别预测所述待预测日的土壤含水量，得到多个第二预测结果；求取多个所述第二预测结果的平均值。

6.根据权利要求1所述的基于神经网络的灌溉决策方法，其特征在于，所述设定阈值为0.5mm。