發(fā)布時(shí)間：2018-07-17 03:55

【摘要】：隨著無線傳感網(wǎng)技術(shù)的發(fā)展和數(shù)據(jù)挖掘技術(shù)的興起,基于數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)農(nóng)業(yè)已經(jīng)成為一種新的發(fā)展趨勢(shì)。在溫室培育領(lǐng)域中,數(shù)據(jù)挖掘的任務(wù)就是將領(lǐng)域?qū)＜叶嗄甑某晒ε嘤?jīng)驗(yàn)轉(zhuǎn)化成可用于調(diào)控溫室小氣候、預(yù)測(cè)產(chǎn)量等的決策規(guī)則和經(jīng)驗(yàn)知識(shí)庫。本文針對(duì)現(xiàn)有溫室調(diào)控系統(tǒng)大多只是簡單地采集環(huán)境參數(shù),其決策規(guī)則的實(shí)現(xiàn)方式也只是通過設(shè)置簡單的閾值,并且缺乏長期評(píng)估和有效反饋機(jī)制的問題,提出了一種學(xué)習(xí)算法來生成細(xì)粒度的溫室作物培育規(guī)則。相比較于利用專家的培育經(jīng)驗(yàn)來調(diào)控溫室氣候的方式,本文的細(xì)粒度決策規(guī)則可以在時(shí)間維度上對(duì)作物的生長氣候做到較精準(zhǔn)的控制。首先,將諸如空氣溫度和空氣濕度的空間信息連同時(shí)間信息相結(jié)合進(jìn)行分析,這樣可以在保證作物品質(zhì)的同時(shí)縮短培育周期。然后,為了能生成上述的自適應(yīng)決策規(guī)則,我們將一個(gè)無監(jiān)督的合并聚類算法應(yīng)用到溫室傳感數(shù)據(jù)上,從而創(chuàng)建帶有最佳時(shí)空特性標(biāo)簽的數(shù)據(jù)樣本用于分類。接著,通過決策樹模型的訓(xùn)練和測(cè)試,生成相應(yīng)的作物培育規(guī)則。實(shí)驗(yàn)結(jié)果表明,我們的細(xì)粒度決策規(guī)則有著近80%的分類準(zhǔn)確率。我們方法的優(yōu)勢(shì)在于,溫室培育人員在沒有培育經(jīng)驗(yàn)的情況下,也可以實(shí)現(xiàn)對(duì)溫室環(huán)境的較精準(zhǔn)控制,而且方法具有普適性,可以推廣應(yīng)用到多種溫室作物上。最后在對(duì)上述方法理論研究的基礎(chǔ)上,開發(fā)了一個(gè)綜合傳感、決策、執(zhí)行反饋的溫室花卉自適應(yīng)調(diào)控系統(tǒng)。
[Abstract]:With the development of wireless sensor network technology and the rise of data mining technology, precision agriculture based on data drive has become a new development trend. In the field of greenhouse cultivation, the task of data mining is to transform the successful cultivation experience of field experts into decision-making rules and empirical knowledge base which can be used to regulate greenhouse microclimate and predict yield. In view of the fact that most of the existing greenhouse control systems simply collect environmental parameters, their decision rules are implemented only by setting simple thresholds, and lack of long-term evaluation and effective feedback mechanism. A learning algorithm is proposed to generate fine-grained rules for greenhouse crop cultivation. Compared with the way of using the experience of experts to control the greenhouse climate, the fine-grained decision rules in this paper can accurately control the growing climate of crops in time dimension. Firstly, spatial information such as air temperature and air humidity is combined with time information to ensure the quality of crops and shorten the breeding period. Then, in order to generate the adaptive decision rules mentioned above, we apply an unsupervised merging clustering algorithm to greenhouse sensor data, and create data samples with the best spatio-temporal characteristics tag for classification. Then, through the training and testing of decision tree model, the corresponding crop cultivation rules are generated. The experimental results show that our fine-grained decision rules have nearly 80% classification accuracy. The advantage of our method is that the greenhouse cultivator can also achieve more accurate control of greenhouse environment without training experience, and the method is universal and can be applied to many kinds of greenhouse crops. Finally, based on the theoretical research of the above methods, an adaptive control system for greenhouse flowers is developed, which integrates sensing, decision making and execution feedback.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S625;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 ;深入推進(jìn)農(nóng)業(yè)依法行政[J];農(nóng)民致富之友;2011年16期

2 田紅;基于粗糙集的決策規(guī)則提取[J];甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào);2004年05期

相關(guān)會(huì)議論文 前6條

1 王東鍇;梁j;;含沖突的決策表中的決策規(guī)則發(fā)現(xiàn)[A];2001年中國管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2001年

2 席酉民;馮耕中;;應(yīng)用于DSS設(shè)計(jì)并支持決策分析的決策環(huán)境模型[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

3 秦志林;施聲久;;廣義Borda數(shù)群體決策規(guī)則[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

4 肖人彬;費(fèi)奇;;DSS中的決策支持研究[A];全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第2卷）[C];1993年

5 趙越嶺;王英麗;;基于粗糙集感應(yīng)電動(dòng)機(jī)故障診斷決策規(guī)則分析[A];第二十七屆中國控制會(huì)議論文集[C];2008年

6 席酉民;馮耕中;汪應(yīng)洛;;三峽工程決策支持總體設(shè)想[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會(huì)第六次年會(huì)論文集[C];1990年

相關(guān)重要報(bào)紙文章 前10條

1 通訊員 尹燦 董曉軍;孝昌實(shí)施鄉(xiāng)局級(jí)領(lǐng)導(dǎo)班子議事與決策規(guī)則[N];孝感日?qǐng)?bào);2007年

2 記者　江山;加強(qiáng)班子自身建設(shè) 提高議事決策水平[N];無錫日?qǐng)?bào);2006年

3 記者　 蔡韜;省政府重大決策規(guī)則出臺(tái)[N];黑龍江日?qǐng)?bào);2006年

4 記者 劉嬌;我市出臺(tái)政府重大行政決策規(guī)則[N];攀枝花日?qǐng)?bào);2014年

5 屈春梅;杭錦旗出臺(tái)《重大事項(xiàng)決策暫行規(guī)定》[N];鄂爾多斯日?qǐng)?bào);2009年

6 記者 賈瑩;重大決策失誤要追究領(lǐng)導(dǎo)責(zé)任[N];蘭州日?qǐng)?bào);2005年

7 王學(xué)軍 中共山東省委黨校管理學(xué)部副教授;提升決策水平 促進(jìn)科學(xué)發(fā)展[N];中國社會(huì)報(bào);2009年

8 阮成發(fā);讓權(quán)力“陽光運(yùn)行”[N];湖北日?qǐng)?bào);2004年

9 左廣兵;在多數(shù)與少數(shù)之間[N];學(xué)習(xí)時(shí)報(bào);2002年

10 記者 王風(fēng)秋 通訊員 賈偉;加強(qiáng)班子建設(shè)推進(jìn)科學(xué)發(fā)展[N];中國紀(jì)檢監(jiān)察報(bào);2006年

相關(guān)博士學(xué)位論文 前2條

1 黃順亮;粗決策規(guī)律與粗規(guī)律挖掘[D];山東大學(xué);2009年

2 郭慶;基于粗糙集理論的不確定信息系統(tǒng)及其決策研究[D];合肥工業(yè)大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 唐遷;基于局部感知的決策規(guī)則提取及其應(yīng)用研究[D];電子科技大學(xué);2014年

2 吳惠寧;反事實(shí)思維所導(dǎo)致的決策偏差以及情緒與不確定性在其中的作用[D];華東師范大學(xué);2016年

3 胡凌超;基于增量聚類器的三支聚類集成方法研究[D];重慶郵電大學(xué);2016年

4 吳昊;基于多維度的事件日志決策規(guī)則挖掘優(yōu)化研究[D];武漢科技大學(xué);2016年

5 徐英文;決策信息表的一類決策規(guī)則及其嵌套結(jié)構(gòu)[D];鄭州大學(xué);2009年

6 牛海峰;動(dòng)態(tài)信息系統(tǒng)決策規(guī)則挖掘模型與應(yīng)用[D];浙江師范大學(xué);2009年

7 張倚弛;概念格中決策規(guī)則的獲取方法研究[D];山西大學(xué);2008年

8 佟澤華;基于改進(jìn)的混合Agent的IDSS應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2005年

9 李曉旭;基于泛系觀的粗糙集約簡和決策規(guī)則的研究[D];蘭州大學(xué);2009年

10 桑妍麗;基于粗糙集的近似分布約簡與決策規(guī)則獲取[D];山西大學(xué);2005年

，

本文編號(hào)：2128899