本文關(guān)鍵詞：機(jī)器學(xué)習(xí)在農(nóng)業(yè)物聯(lián)網(wǎng)決策系統(tǒng)中的研究與應(yīng)用

  更多相關(guān)文章： 農(nóng)業(yè)物聯(lián)網(wǎng) HHT 時(shí)間-空間相關(guān)性 機(jī)器學(xué)習(xí) 降水量預(yù)測(cè)

【摘要】：文本首先采用希爾伯特-黃變換(HHT)對(duì)農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)中基于無(wú)線傳感器網(wǎng)絡(luò)(WSN)所采集的樣本數(shù)據(jù)進(jìn)行了分析。由于無(wú)線傳感器網(wǎng)絡(luò)采集的樣本均具有非線性、非平穩(wěn)的特點(diǎn),而希爾伯特-黃變換(HHT)能夠完全自適應(yīng)地將具有非線性、非平穩(wěn)特點(diǎn)的數(shù)據(jù)分解成多個(gè)本征模態(tài)函數(shù)(IMF)和一個(gè)殘余項(xiàng),從而在時(shí)間和空間變化上為數(shù)據(jù)分析提供了一種全新的視角,該方法在北京延慶農(nóng)田WSN節(jié)點(diǎn)采集的數(shù)據(jù)得到了驗(yàn)證。其次,在決策系統(tǒng)中引入了機(jī)器學(xué)習(xí)方法,對(duì)基于HHT分解得到的多個(gè)本征模態(tài)函數(shù)(IMF)及殘余項(xiàng)進(jìn)行了分析建模,形成了一套系統(tǒng)的數(shù)據(jù)分析、決策方法,該方法在云南地區(qū)降水量樣本數(shù)據(jù)中得到了驗(yàn)證。具體而言,本文的主要貢獻(xiàn)如下:(1)深入學(xué)習(xí)了HHT、線性回歸、人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量回歸(SVR)等理論及其應(yīng)用,豐富了數(shù)據(jù)分析子系統(tǒng)的數(shù)據(jù)分析研究方法。(2)在數(shù)據(jù)分析子系統(tǒng)中,將HHT數(shù)據(jù)處理方法應(yīng)用在無(wú)線傳感器網(wǎng)絡(luò)采集數(shù)據(jù)的處理中。分析了北京市延慶區(qū)農(nóng)田玉米地中布置的36套WSN節(jié)點(diǎn)(覆蓋面積接近100 km2)采集的作物生長(zhǎng)環(huán)境數(shù)據(jù)。該數(shù)據(jù)包括土壤濕度、土壤表面溫度、光量子等生態(tài)系統(tǒng)模型的重要變量,共超過(guò)230000條數(shù)據(jù)樣本。針對(duì)該數(shù)據(jù)非線性、非平穩(wěn)的特點(diǎn),用HHT方法將其分解成多個(gè)IMF和一個(gè)殘余項(xiàng),從不同尺度的IMF分量中分析原數(shù)據(jù)內(nèi)在的特征及物理意義,并分析不同類型數(shù)據(jù)的時(shí)間相關(guān)性以及同類型數(shù)據(jù)基于地理空間位置的相關(guān)性,為農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)制定決策做準(zhǔn)備。(3)在智能灌溉決策子系統(tǒng)中,首先用HHT數(shù)據(jù)處理方法對(duì)云南四個(gè)地區(qū)的真實(shí)降水量數(shù)據(jù)樣本進(jìn)行處理(EEMD分解),然后應(yīng)用機(jī)器學(xué)習(xí)方法建立降水量預(yù)測(cè)模型。本文考察了包括人工神經(jīng)網(wǎng)絡(luò)、支持向量回歸模型以及多元線性回歸模型在內(nèi)的多個(gè)模型。實(shí)驗(yàn)結(jié)果顯示,EEMD與機(jī)器學(xué)習(xí)相結(jié)合的方法表現(xiàn)出相當(dāng)準(zhǔn)確的預(yù)測(cè)效果,模型表現(xiàn)十分穩(wěn)定,并提出了創(chuàng)新性的混合模型。綜上所述,本文對(duì)農(nóng)業(yè)物聯(lián)網(wǎng)決策系統(tǒng)中的兩個(gè)子系統(tǒng):數(shù)據(jù)分析子系統(tǒng)和智能決策灌溉子系統(tǒng)進(jìn)行了研究。在數(shù)據(jù)分析子系統(tǒng)中從不同尺度對(duì)基于HHT的農(nóng)田環(huán)境變量數(shù)據(jù)樣本進(jìn)行時(shí)間-空間相關(guān)性分析;在智能灌溉決策子系統(tǒng)中研究了機(jī)器學(xué)習(xí)在決策系統(tǒng)中的應(yīng)用。
【關(guān)鍵詞】：農(nóng)業(yè)物聯(lián)網(wǎng) HHT 時(shí)間-空間相關(guān)性 機(jī)器學(xué)習(xí) 降水量預(yù)測(cè)
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S126;TP391.44;TN929.5
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-16
• 1.1 論文的研究背景與意義11-13
• 1.2 國(guó)內(nèi)外研究歷史與現(xiàn)狀13-15
• 1.3 論文結(jié)構(gòu)安排和研究的內(nèi)容15-16
• 第二章 數(shù)據(jù)處理方法的基本理論16-24
• 2.1 希爾伯特-黃變換（HHT）理論16-22
• 2.1.1 經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)基本概念16
• 2.1.2 EMD基本算法16-18
• 2.1.3 EMD算法面臨的問(wèn)題18-19
• 2.1.4 EEMD（Ensemble Empirical Mode Decomposition）算法19-20
• 2.1.5 希爾伯特變換20-22
• 2.2 HHT的優(yōu)勢(shì)22-23
• 2.2.1 HHT能夠處理非線性、非平穩(wěn)信號(hào)22
• 2.2.2 HHT具有自適應(yīng)性22-23
• 2.2.3 HHT不受Heisenberg測(cè)不準(zhǔn)原理的制約23
• 2.2.4 頻率求解方法23
• 2.3 本章小結(jié)23-24
• 第三章 機(jī)器學(xué)習(xí)的基本理論24-34
• 3.1 線性回歸24
• 3.2 人工神經(jīng)網(wǎng)絡(luò)理論24-28
• 3.2.1 人工神經(jīng)元25-26
• 3.2.2 網(wǎng)絡(luò)拓?fù)?/span>26
• 3.2.3 訓(xùn)練方法26-28
• 3.3 支持向量機(jī)理論28-31
• 3.3.1 支持向量機(jī)基本定義28-29
• 3.3.2 支持向量推理過(guò)程29-30
• 3.3.3 松弛變量30-31
• 3.3.4 核函數(shù)31
• 3.4 支持向量回歸機(jī)原理31-32
• 3.5 數(shù)據(jù)預(yù)處理32-33
• 3.5.1 自相關(guān)函數(shù)32-33
• 3.5.2 偏自相關(guān)函數(shù)33
• 3.6 本章小結(jié)33-34
• 第四章 數(shù)據(jù)基于時(shí)間-空間的相關(guān)性分析34-55
• 4.1 基于無(wú)線傳感器網(wǎng)絡(luò)（WSN）的農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)34-35
• 4.2 數(shù)據(jù)基本信息35-46
• 4.2.1 地理信息35-37
• 4.2.2 數(shù)據(jù)的基本特征37-39
• 4.2.3 數(shù)據(jù)的分解及周期分析39-46
• 4.3 不同類型數(shù)據(jù)間的時(shí)間相關(guān)性分析46-52
• 4.3.1 土壤表面溫度與光量子各分量間的時(shí)間相關(guān)性47-48
• 4.3.2 土壤濕度與土壤表面溫度各分量間的時(shí)間相關(guān)性48-50
• 4.3.3 土壤濕度與光量子各分量間的時(shí)間相關(guān)性50-52
• 4.4 同類型數(shù)據(jù)的空間相關(guān)性分析52-54
• 4.5 本章小結(jié)54-55
• 第五章 機(jī)器學(xué)習(xí)在決策系統(tǒng)中的應(yīng)用55-74
• 5.1 數(shù)據(jù)基本信息55-60
• 5.1.2 地理信息56
• 5.1.3 數(shù)據(jù)的基本特征56-57
• 5.1.4 數(shù)據(jù)的分解及周期分析57-59
• 5.1.5 能量頻譜分析59-60
• 5.2 輸入變量選取60-62
• 5.3 模型總體框架62-64
• 5.4 基于EEMD的機(jī)器學(xué)習(xí)模型構(gòu)建64-66
• 5.4.1 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用64-65
• 5.4.2 支持向量回歸機(jī)的應(yīng)用65-66
• 5.5 模型性能評(píng)估66-71
• 5.6 混合新模型71-73
• 5.7 本章小結(jié)73-74
• 第六章 全文總結(jié)與展望74-76
• 6.1 全文總結(jié)74-75
• 6.2 后續(xù)工作展望75-76
• 致謝76-77
• 參考文獻(xiàn)77-81
• 讀研期間獲得的成果81-82

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 孫福振;李艷;李業(yè)剛;;基于機(jī)器學(xué)習(xí)的智能檢測(cè)在農(nóng)業(yè)信息化中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年34期

2 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 王昊;李銀波;紀(jì)志梁;;利用機(jī)器學(xué)習(xí)方法預(yù)測(cè)嚴(yán)重藥物不良反應(yīng)-呼吸困難[A];中國(guó)化學(xué)會(huì)第28屆學(xué)術(shù)年會(huì)第13分會(huì)場(chǎng)摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開(kāi)發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級(jí)結(jié)構(gòu)的初步探討[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機(jī)器學(xué)習(xí)在中醫(yī)計(jì)算機(jī)診斷識(shí)別系統(tǒng)中的應(yīng)用思考[A];第一屆全國(guó)中西醫(yī)結(jié)合診斷學(xué)術(shù)會(huì)議論文選集[C];2006年

7 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語(yǔ)和句子極性分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對(duì)高爐爐況評(píng)價(jià)模型參數(shù)的機(jī)器學(xué)習(xí)——一個(gè)三類線性模式分類器的實(shí)現(xiàn)[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

9 程國(guó)建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機(jī)器學(xué)習(xí)與智能化社會(huì)[N];中國(guó)郵政報(bào);2003年

2 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;機(jī)器學(xué)習(xí)已成為大數(shù)據(jù)基石[N];網(wǎng)絡(luò)世界;2014年

3 本報(bào)記者 房琳琳;合久必分：分布式“機(jī)器學(xué)習(xí)”應(yīng)運(yùn)而生[N];科技日?qǐng)?bào);2014年

4 雨辰;機(jī)器學(xué)習(xí)類圖書為什么火爆[N];中華讀書報(bào);2014年

5 百度公司技術(shù)副總監(jiān) 多媒體部負(fù)責(zé)人 余凱;深度學(xué)習(xí)與多媒體搜索技術(shù)演進(jìn)[N];中國(guó)信息化周報(bào);2013年

6 本報(bào)記者 余建斌;機(jī)器學(xué)習(xí)與互聯(lián)網(wǎng)搜索[N];人民日?qǐng)?bào);2011年

7 本報(bào)記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日?qǐng)?bào);2008年

8 記者　 彭德倩;機(jī)器學(xué)習(xí)精度提升近6個(gè)百分點(diǎn)[N];解放日?qǐng)?bào);2006年

9 本報(bào)記者 閔杰;大數(shù)據(jù)熱 高端人才缺[N];中國(guó)電子報(bào);2013年

10 沈建苗 編譯;如何成為大數(shù)據(jù)科學(xué)家[N];計(jì)算機(jī)世界;2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 董春茹;機(jī)器學(xué)習(xí)中的權(quán)重學(xué)習(xí)與差分演化[D];華南理工大學(xué);2015年

2 姚明臣;機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中的若干問(wèn)題研究[D];大連理工大學(xué);2016年

3 趙玉鵬;機(jī)器學(xué)習(xí)的哲學(xué)探索[D];大連理工大學(xué);2010年

4 胡巍;面向格結(jié)構(gòu)的機(jī)器學(xué)習(xí)[D];上海交通大學(xué);2009年

5 張義榮;基于機(jī)器學(xué)習(xí)的入侵檢測(cè)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

6 錢線;快速精確的結(jié)構(gòu)化機(jī)器學(xué)習(xí)方法研究[D];復(fù)旦大學(xué);2010年

7 梁錫軍;稀疏優(yōu)化在機(jī)器學(xué)習(xí)中的若干應(yīng)用[D];大連理工大學(xué);2013年

8 蔣剛;核機(jī)器學(xué)習(xí)方法若干問(wèn)題研究[D];西南交通大學(xué);2006年

9 陳慧靈;面向智能決策問(wèn)題的機(jī)器學(xué)習(xí)方法研究[D];吉林大學(xué);2012年

10 周偉達(dá);核機(jī)器學(xué)習(xí)方法研究[D];西安電子科技大學(xué);2003年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 毛海斌;基于半監(jiān)督機(jī)器學(xué)習(xí)的情感分類領(lǐng)域適應(yīng)問(wèn)題研究[D];南京理工大學(xué);2015年

2 安軍輝;基于微博數(shù)據(jù)的微博用戶性別判斷研究[D];華中師范大學(xué);2015年

3 陳召陽(yáng);基于機(jī)器學(xué)習(xí)的改性麥槽吸附重金屬構(gòu)效關(guān)系模型研究[D];江西理工大學(xué);2014年

4 王成;基于半監(jiān)督機(jī)器學(xué)習(xí)的文本情感分析技術(shù)[D];南京理工大學(xué);2015年

5 孫科;基于Spark的機(jī)器學(xué)習(xí)應(yīng)用框架研究與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

6 劉江龍;基于機(jī)器學(xué)習(xí)的射頻指紋定位方法研究[D];電子科技大學(xué);2015年

7 張蕾;基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)輿情采集技術(shù)研究與設(shè)計(jì)[D];電子科技大學(xué);2014年

8 施宇;基于數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的木馬檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

9 施應(yīng)敏;基于機(jī)器學(xué)習(xí)的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學(xué);2015年

10 張柯;基于機(jī)器學(xué)習(xí)的錯(cuò)誤定位方法研究[D];南京航空航天大學(xué);2015年

，

本文編號(hào)：877939