联系人:王经理
销售电话:13371051536
销售QQ:1401548526
公司地址:山东省潍坊市高新区光电路155号光电产业加速器(一期)
13371051536
PRODUCT CENTER
联系人:王经理
销售电话:13371051536
销售QQ:1401548526
公司地址:山东省潍坊市高新区光电路155号光电产业加速器(一期)
文章来源:土壤墒情监测仪 发布时间:2020-08-27 00:44:19 浏览次数:952次
神经网络就是模拟人类思维的第二种方式。在神经网络模型中,BP网络是应用最为广泛的模型之一。BP网络是一种按照误差逆传播算法训练的多层前馈网络,可以学习和存储许多输入、输出模式的映射关系,在各个领域都得到了广泛的应用。
在传统的土壤墒情预测模型中,如果只提供简单的参数,那么模型则很难得到应用,而且许多墒情预测模型都比较复杂,在实际应用中很不方便,也存在一定的误差。因此,可以采用神经网络方法,通过建立神经网络预测模型,对土壤墒情进行准确的预测工作。
土壤墒情的主要影响因素包括:气候、水分、土壤的特性以及农作物的生长等,当对某一地区的土壤墒情进行预测时,就要充分考虑神经网络方法的应用,需要对影响土壤墒情的因素进行分组或者数值量化表示,对于普遍的结果进行模型的建立来分析土壤墒情。
对于BP网络的算法,由信息的正向传递和误差的反向传播等两部分组成。在信息的正向传递时,信息从输入层到隐含层进行计算,最终传递到输出层,其神经元的状态只对下一层的神经元状态起作用。那么,如果输出的数据不理想,就开始对输出层的误差数值进行计算,接下来进行反向传播,从而利用计算机网络,将误差反向传播回各层的神经元中,最终得到精准的数值。
神经网络模型法在土壤墒情的预测上有重要的应用。神经网络具有自主学习的优势,可以自主的建立输入参数和具有可调层数的BP网络模型,这种自主学习的功能还对预测有重要的意义,因此神经网络方法在土壤墒情的预测中可以广泛的应用。此外,神经网络模型所使用到的参数在目标区域都很容易得到,在一定程度上方便了对土壤墒情的预测。
土壤墒情监测系统更进一步对荒地土壤湿度与土层深度的关系进行拟合表明,不同降水年土壤湿度与土层深度的关系具有较强的相关性,其关系方程均为三次抛物线型,与本区刺槐多数年份
土壤墒情自动监测站在怎样进行在线监测的,监测方式如下:1.可以通过GPRS上传,所测量数据可通过一键发送或设置数据发送间隔,实时发送到至服务器上,网页查看数据,无论在任何地方只要能上网,均可查看下载数据。2.带手机APP,支持安卓系统,无论身在何处只要能上网,均可查看实时数据。3.低功耗设计,增加系统监控和保
土壤墒情监测仪FT-LORA帮助用户了解土壤墒情的变化情况,其集土壤墒情实时监测、信息管理、查询服务、预测分析为一体,帮助农业种植者掌握作物的需水情况,更好地应对可能到来的
4g版土壤温湿度计依托4G通信技术,达成数据传输与远程监控双重功能,可对土壤温湿度开展精准测量。