北京植物园大型热带植物温室模型的风洞实验

介绍北京植物园园址的风特性模拟和新建大型热带植物温室表面风压分布的风洞实验结果。证明园址受樱桃沟谷底下洗气流影响产生局部强风区的机制，给出在不同风向下，大型温室顶部的平均风压和脉动风压均方根值分布的变化规律。

温室微气候模拟与温室作物生长模型研究进展

现代的温室是一个复杂的环境系统,其中土壤、作物和微气候三个子系统间各种生物和非生物现象时常发生。农业数学模型可以用来模拟和预测温室内微气候和植物生长的变化,从而推荐最优化的生产管理策略。本文对国内外温室气候模型和温室作物生长模型进行了综述,温室气候动态模型可以预测关键气候因子,分为机械模型和黑箱模型。机械模型基于物理方程构建,它描述了基于过程的知识模拟的系统;黑箱模型属于经验模型,更多地用于温室系统控制、优化和设计的应用。作物生长模型是基于科学原理和数学关系的一种定量化工具,可以评估温室内土壤、微气候、水分和管理因素对作物生长发育的影响程度,预测作物生长状况。作物生长模型主要包括两类:描述性模型和解释性模型。温室作物模型是基于露地作物建立的最早的作物生长模型,并在几十年发展过程中对原来各功能模块进行修正、扩展和升级而来。功能-结构植物模型(functional–structural plant modeling,FSPM)是基于植物建筑学并结合气候和作物模块而形成,可以模拟单个植物的生长、形态以及它们与其生长环境的相互作用。最后指出未来趋势是利用数字技术、人工智能结合FSP模型,利用云数据储存计算分析。

基于KNN-SVM算法的温室番茄生长预测模型研究

随着我国农业温室大棚技术的发展,番茄成为大棚蔬菜中典型的农作物之一,我国番茄种植生产量以及规模已位于世界第一。就目前数据显示,我国番茄大棚种植管理数据可视化程度较低,在番茄生产种植作业中,对其生长所需的参数难以精确调控,严重影响大棚作物产业的进一步发展。为确保大棚番茄生产作业的科学化、精准化,文章提出了基于KNN-SVM算法的温室番茄生长预测模型,通过模型,结合信息化设备以及人工方式采集的大棚番茄全周期生长信息,生成大棚番茄各阶段生长预测模型。在项目部署过程中,从算法的改进、数据采集、数据分析、数据可视化等方面入手,使得其适应环境的能力更强,数据的准确性更高,为大棚番茄规范化种植提供了参考。

温室作物模型与环境控制管理研究

阐述了国内外作物模型研究现状 ,温室园艺作物模型研究进展以及温室作物模型在现代化农业环境控制管理中的重要作用 。

基于温室预测模型的水源热泵控制系统设计

介绍了水源热泵作为一种节能环保技术在温室大棚温度调节中的应用,并根据机理法建立的温室模型,设计了控制系统,通过有效的控制策略和措施把温室温度调节到最适宜植物生长。同时,详细阐述了温室预测模型及控制系统的硬件、软件实现方法。经试验温室中调试使用,系统操作简单、经济实用,控制精度达到农业生产要求。

温室作物模型研究基本理论与技术方法的探讨

对国内外作物模型的研究成果进行了综述 ,并在此基础上对目前园艺作物模型研究的现状和发展前景进行了系统分析和展望。主要从以下 3个方面进行了阐述 :作物模型研究的基本理论和技术方法 ;模型研究过程中面临的关键性问题 ;描述作物生长发育的数学方法和计算机模拟系统的实现。

温室园艺作物生长发育模型研究现状与发展趋势

在总结国内外研究成果的基础上,系统地阐述了温室园艺作物生长发育模型在 科学研究、生产应用等方面所具有的重要意义和潜在应用前景;对温室作物模型研究的现状、 发展趋势、存在的局限性进行了深入分析和系统评述。

温室环境与叶类蔬菜生长态势模型研究

温室种植环境模型的研究对温室植物种植提供理论支持。利用自动化检测技术设计了智能植物种植箱,种植箱集成了温湿度传感器、二氧化碳传感器、光照传感器、LED补光灯、土壤培养盒、数据采集电路等设备。在种植箱内部开展了多组不同环境条件下的蔬菜种植试验,实时记录温湿度和光照强度等环境数据,利用描形称质量法采集蔬菜叶面积,利用BP神经网络构建了植物生长的环境数据与植物长势特征叶面积的模型。最后,利用种植试验获得的数据对神经网络进行训练试验。结果表明:利用试验数据通过BP神经网络构建的温室种植模型,可根据温室环境条件预测蔬菜生长,该研究可为温室植物的种植提供参考依据。

基于遗传算法优化模糊神经网络的温室温度预测模型

在农业生产发展当中,影响温室农作物产量的因素有很多,温度是最重要的环境参数之一,与其他各环境因素具有很高的耦合度,存在非线性问题。针对上述问题本文提出了一种基于遗传算法优化模糊神经网络(GA-FNN)的温室温度预测模型。在温室内选取湿度、CO_(2)、大气压和光照强度数据作为模型输入,温度数据作为模型唯一输出。试验结果表明,获得最佳隐含层节点数为4、隶属度函数参数(C_(ji),b_(i))参数分别为2.9203和2.2588,RMSE,MAE,MAPE分别提升了51.3%、54.2%、17.1%。

Arrhenius 1896年温室效应模型的历史回顾

Arrhenius 1896年的大气CO_2对地表温度影响的模型起源于斯德哥尔摩物理学会对冰期形成原因的争论。他通过使用Samuel P.Langley的月球光谱热辐射测量资料,使得CO_2和H_2O吸收系数的计算成为可能,而这些系数是模型建立的关键。该模型使得Arrhenius能够在给定的5种不同CO_2水平时显示北纬70°到南纬60°间平均温度的四季变化。该模型当时对Arrhenius试图要回答的问题,即冰期形成的原因,有重要意义。自本世纪7O年代以来,由于化石燃料的燃烧导致全球变暖,Arrhenius的工作再次受到了人们的广泛关注。

北京地区日光温室光环境模拟及分析

针对北京地区典型日光温室,在2003—2004年试验观测的基础上,从室内直接辐射、散射辐射及作物生长对辐射影响3个方面,进行了模拟和分析,并对地面辐射的模拟结果与实测值进行了比较验证。结果表明:绝对误差为9.41W/m2,相关系数达到0.92,与实测值、文献资料相比,模拟结果的准确性和趋势有较好的一致性,对优化温室环境控制方案具有一定的参考价值。

温室作物生长对地面辐射的影响

针对北京地区常见日光温室,在建立辐射和作物生长模拟模型的基础上,分析叶面积指数变化对地面辐射的影响,并对模拟结果与实测值进行了比较验证。结果显示:叶面积指数达到3.5以上时,约90%辐射量被作物层吸收或反射;模拟值与实际值的平均绝对误差为22.17W.m-2,相关系数约为0.92;基于辐射模型和作物模型对地面辐射量动态变化进行模拟,具有较好的可行性。

一种遗传模拟退火算法在温室系统上的应用

在通风速率设定条件下,常规的温室环境小气候动态系统可看成一个只由加热设备控制的二阶时滞温室模型。根据这个模型,提出一种基于遗传模拟退火算法的PID参数优化整定方法。该方法继承了遗传算法和模拟退火算法这两者的优点,与采用常规遗传算法的PID参数整定方法相比较,这种方法在克服解早熟、增强局部寻优能力和提高计算效率等方面都有明显的改进。这些在最后都通过仿真结果得到了验证,由此可见,该方法是一种有效的整定方法,具有一定的应用前景。

节能型智能温室环境控制系统设计

设计了以节能控制算法为核心的温室环境控制上位机软件。在保证温室稳定有效运行的前提下,引入节能的思想,使温室生产达到高产、低耗的目标,从而为解决温室高能耗的问题提供了一条有效途径。

基于Android的温室移动端检测监控系统设计

基于Android系统在移动端开发设备检测与监控的应用程序,移动控制端引,设备检测算法,能及时定位故障传感器。控制模块针对不同性能的手机性能引入了多因子协调算法和多目标优化遗传算法,有效地降低温室生产的成本,缩短了算法运行时间。

1990–2015年中国草原和荒漠草原的时空变化及其对温室气体的封存潜力

针对中国草原、荒漠草原生态系统承载的温室气体量在区域大尺度上无法有效量化的问题,本研究通过生态系统温室气体值(green-house gas value,GHGV)模型,利用国内1990–2015年共6期的草原、荒漠草原的土地利用数据,开展草原时空变化分析,结合全球和中国本地化后的两套模拟参数分别模拟分析中国草原、荒漠草原近25年来对3类主要温室气体(CO2、CH4、N2O)的封存潜力。结果显示,研究时段内,草原、荒漠草原的面积呈下降趋势,对温室气体的封存潜力有所减弱,封存的温室气体减少了1.93 Pg·CO2-eq–1。通过对比参数本地化和模型自带参数的模拟结果发现,本地化参数后草原、荒漠草原生态系统的温室气体模拟值均大于使用全球参数的模拟值。本研究同时发现,从草原面积到草地的碳储量,当前研究均面临量值差异的挑战,亟待开展更多深入的研究。

基于多目标优化算法的温室远程监控系统设计

当前大多数温室远程监控系统的控制模块仅凭用户经验,缺乏科学性、系统性的指导,没有实现真正意义上的远程控制。针对这一问题,该文在控制模块中引入多目标优化遗传算法,旨在找到一组最优控制指令,把温室内温湿度调节到适宜作物生长的区间;同时,有效地降低温室生产的能耗,增强了温室远程监控系统的控制功能。

基于模糊规则的温室微喷控制系统研究

针对温室微喷系统控制算法不稳定、适应能力差等问题,利用模糊规则设计了一种平滑切换控制算法;利用阶跃建模方法搭建微喷量与空气湿度的数学模型,简化了温室空气湿度模型;最后将WiFi和ZigBee传输技术结合来搭建温室远程控制系统。Matlab/Simulink仿真实验结果表明,模糊切换控制策略比传统模糊PID控制拥有更小的超调量、较高的稳定性,能够达到较好的控制效果。同时,实际运行结果表明,温室微喷控制系统丢包率小于15%,温室空气湿度能控制在89%左右,运行稳定且符合温室空气湿度控制要求,实现了温室空气湿度的精确控制,为发展设施化农业精细化控制提供一种解决思路。

基于在线序贯极限学习机的温室温度预测方法及其自适应控制系统设计

针对现有的温室控制方法难以对温室系统做出精准预测和有效控制等问题,提出一种基于在线序贯极限学习机(online sequential extreme learning machine,简称OS-ELM)神经网络的温室温度预测及其自适应控制方法。该方法采用OS-ELM神经网络构建温室系统的温度预测模型,并用于温室温度预测;将预测模型的输出作为模糊神经网络控制器(fuzzy neural network controller,简称FNNC)的理想输出参考量,结合FNNC的实际输出量,将FNNC输出误差作为遗传算法(genetic algorithm,简称GA)优化FNNC参数的目标函数,构成在线预测的模糊控制策略。在温室温度预测模型采用物理建模、Elman神经网络建模和OS-ELM神经网络建模方法下对温室温度控制进行试验,结果表明,基于OS-ELM的温室温度预测方法及其自适应控制系统具有较好的性能优势,可有效提高温室的预测和控制精度。

基于VB环境下生产成本和温室气体排放评估研究

环境和资源的压力一直在推动制造业以可持续的方式实现增长,在未来的市场中,这种企业模式将是创造竞争基础。重点介绍了计算机辅助设计的特点和过程如何影响产品的成本和温室气体排放,并探索开发了一种基于VB环境下的软件工具,使企业能够在可持续制造方面做出更好的决策。