学位论文 > 优秀研究生学位论文题录展示

E形传感器机理及浅表地层含水率预测

作　者: 黄操军
导　师: 段玉波
学　校: 东北石油大学
专　业: 油气信息与控制工程
关键词: E形传感器浅表地层含水率神经网络遗传算法预测模型
分类号: S152.7
类　型: 博士论文
年　份: 2011年
下　载: 60次
引　用: 0次
阅　读: 论文下载

内容摘要

水是人类的命脉,水资源状况和利用水平已成为评价一个国家一个地区经济能否持续发展的重要指标。我国是一个水资源相对贫乏的国家,人均占有水量仅2300M3,只相当于世界人均水平的四分之一,是世界上人均占有水资源最贫乏的13个国家之一；耕地水资源占有量28500M3/hm2,不足世界平均数的80%。从全国对水资源量总的需求来看,在中等干旱年景下,全国总需水量为5500亿M3左右,全国实际缺水量在300～400亿M3之间。2010年春季我国云南的大旱造成全省660多万人饮水困难、64条中小河流断流、934座小型水库和山塘干涸,已为我们敲响了警钟。在全国总用水量中仅农业用水就占73%,且有效性很差,水资源浪费极为严重。例如,渠灌区水的有效利用率只有40%左右,井灌区也只有60%左右,与发达国家相比还存在着很大的差距。因此,采取一切必要的措施实施节水已成为我们每个人的责任和义务,特别是作为科技工作者更应担负起这份责任,但与此同时,也让我们看到了在中国发展节水农业的巨大潜力和广阔前景。本文从国内外学者对土壤水分检测和土壤水分预测的研究现状出发,分析了土壤水分检测与预测在农业生产中的研究现状和应用前景。在此基础上,本文主要从两方面展开了研究工作,为充分利用水资源,科学合理地进行农田灌溉提供了科学依据和实现手段：一是土壤水分检测方面。针对现有土壤水分传感器存在测量精度低、实时性差、造价高等因素提出了基于容性阻抗原理的E形土壤水分监测方法,并将该系统成功用于土壤水分测量。实践结果表明,基于该原理的土壤水分传感器具有测试精度较高、实时性强、造价低廉等特点。二是土壤含水量预测方面。基于E形土壤水分传感器获得的土壤水分数据和作物根系在不同阶段需水状况,提出了分阶段进行两种土壤水分预测应用对比研究的构想,建立了三个阶段的关联温度、相对湿度、日照时数、降雨量和蒸发量等因素的土壤水分预测模型,为科学指导农田灌溉提供了理论依据。本文的主要研究内容如下：1.提出了基于容性阻抗原理的E形土壤水分传感器模型,阐述了E形土壤水分传感器的设计原理和电学模型。对传感器的电学模型进行了分析和说明,提出了一种新型的基于阻抗原理的土壤含水率检测装置的基本原理。在理论模型的基础上,分析了土壤的组成对传感器电抗部分的影响,阐明了将非电量的土壤介电系数转化成计算机所能够识别的电量的转换过程,并利用该结果进行进一步的设计。同时在Top等人提出的介电系数与土壤体积含水率之间的关系基础上,提出了适合本设计的关系表达式。2.基于E形土壤水分传感器设计了监测系统。通过在黑龙江省红星农场试验表明,该系统具有结构简单、测量精度高并可用于实时测量等特点,与目前市场上同类精度的土壤水分传感器相比,成本降低了50-60%,具有极好的推广价值和应用前景。3.在土壤水分预报中引入了神经网络预测模型。详细阐述了神经网络应用于土壤含水量预测过程中的设计原则、设计方法和实现过程。重点论述了用于土壤含水量预报的神经网络的输入/输出层、隐含层节点数的确定方法。4.根据对不同时期农作物根系的生长状况与水分需求状况的分析,提出了农作物在不同生长时段采用不同神经网络预测模型的构想,建立了不同生长时段与不同土壤含水量监测层的三种水分预测模型(模型Ⅱ、模型Ⅱ和模型Ⅲ)。经过分段后的模型预测精度较单一模型的预测精度大为提高。5.为进一步提高土壤含水量预报精度,提出了结合遗传算法的神经网络预测方法并详细阐述了该方法的基本原理及其实现过程。根据已有利用E型土壤水分传感器测得的数据建立的遗传神经网络土壤水分预测模型来对田间土壤水分进行预测。实际应用表明,遗传神经网络土壤水分预测模型相比于神经网络土壤水分预测模型具有更高预测精度,更加准确的反映了试验区内土壤水分的变化规律。

全文目录

摘要  4-6
Abstract  6-8
创新点摘要  8-9
目录  9-10
第一章引言  10-20
  1.1 课题研究的背景和意义  10-11
  1.2 土壤含水量预测的国内外研究现状  11-14
  1.3 课题研究关键技术  14-15
  1.4 土壤水分预报模型研究  15-19
  1.5 本章小结  19-20
第二章 E形土壤水分传感器测量机理研究  20-49
  2.1 E形土壤水分传感器模型研究  20-26
  2.2 E形土壤含水量传感器标定  26-48
  2.3 本章小结  48-49
第三章 E形土壤水分传感测量系统设计  49-64
  3.1 E形土壤水分检测传感器的外观设计  49
  3.2 探针及盒体设计  49-63
  3.3 本章小结  63-64
第四章土壤水分含量检测及人工神经网络  64-74
  4.1 土壤水分含量检测技术概述  64-65
  4.2 E形土壤水分检测传感器的优点  65-66
  4.3 BP神经网络  66-73
  4.4 本章小结  73-74
第五章基于神经网络的浅表地层水分预测及遗传算法实现  74-92
  5.1 BP神经网络结构及算法实现  74-81
  5.2 基于神经网络的浅表地层水分预测  81-83
  5.3 遗传神经网络结构及算法实现  83-91
  5.4 本章小结  91-92
第六章基于E型传感器的GA-BP网络浅表地层水分预测实现  92-101
  6.1 作物根系分布对土壤水分吸收情况研究  92-94
  6.2 数据选取  94
  6.3 遗传神经网络预测模型的网络结构和参数的确定  94-95
  6.4 遗传神经网络土壤水分预测实现  95-100
  6.5 本章小结  100-101
结论  101-104
参考文献  104-110
发表文章目录  110-111
致谢  111-112
详细摘要  112-119

E形传感器机理及浅表地层含水率预测

内容摘要

全文目录

相似论文