【技术实现步骤摘要】
一种基于Transformer模型的智能灌溉预测方法及系统
[0001]本专利技术涉及智能灌溉预测
,尤其涉及一种基于Transformer模型的智能灌溉预测方法及系统。
技术介绍
[0002]灌溉作为植物生长的必需措施,是农业、城市绿化养护等领域的重要手段。而如何实现按需灌溉是当前灌溉面临的最大问题,也是尽可能实现节水问题的核心。随着劳动力成本逐渐提高和淡水资源的日益短缺,智能灌溉技术成为农业、林业和园林园艺等行业的迫切需求。智能灌溉技术利用智能设备进行农田、花园、园林地块、温室大棚等场地的灌溉,不仅可以降低灌溉的工作量,还可大量节约水资源,从整体上降低灌溉成本。高架绿植作为改善城市高架一种措施,成为城市中不可缺少的风景线。由于高架绿植环境不仅所在高度各不相同,而且还存在管道老化和高架沉降引起的漏水问题。因此,实现高架绿植的智能灌溉不仅可以有效实现节水的目标,还可以解决由于漏水带来的系列问题。
[0003]现有技术中,高架绿植灌溉一般采用定时集中灌溉方式实现。一方面,减少灌溉时间,降低管道漏水引起的水资源损耗;另一方面,通过减少高架灌溉时间实现减少漏水时间,从而减少高架滴水可能引起的路人投诉和交通事故等事件的产生。但是随着城市高架日益边长,这种集中灌溉同样带来很大的水资源浪费、高架漏水带来的路人投诉和交通事故。
[0004]由于高架遍布范围大,每个区域由于湿度变化和降雨量各不相同,采用集中统一灌溉存在很大的水资源浪费。城市高架所涉及区域越来越大,采用统一灌溉技术会对刚刚下过暴雨区域内花箱进行灌 ...
【技术保护点】
【技术特征摘要】
1.一种基于Transformer模型的智能灌溉预测方法,包括环境控制终端和服务器,所述环境控制终与所述服务器无线连接,其特征在于,包括以下步骤:所述环境控制终端采集绿植周边的环境数据,并发送至所述服务器;所述服务器接收并预处理所述环境数据;构建灌溉预测模型,所述服务器将预处理后的数据输入至所述灌溉预测模型并训练;检验训练后的灌溉预测模型对预测绿植灌溉的准确度。2.如权利要求1所述的一种基于Transformer模型的智能灌溉预测方法,其特征在于,所述采集绿植周边的环境数据包括影响绿植湿度变化的现场环境数据和天气预报数据。3.如权利要求1所述的一种基于Transformer模型的智能灌溉预测方法,其特征在于,预处理所述环境数据包括:将所述环境数据标准化;提取主要因素;将所述主要因素生成相互独立的三元组,作为每个小时的特征数据。4.如权利要求3所述的一种基于Transformer模型的智能灌溉预测方法,其特征在于,将所述环境数据标准化包括将所述环境数据进行规范化处理,对所述环境数据的每个数据去中心化,得到Y={y1,y2,...,y
n
}={x1‑
v1,x2‑
v2,...,x
n
‑
v
n
},其中X={x1,x2,...,x
n
};5.如权利要求3所述的一种基于Transformer模型的智能灌溉预测方法,其特征在于,提取主要因素包括比较去中心化后的数据在第一主轴μ1方向上分布特征,得到目标函数即所述目标函数就是最大特征值所对应的特征向量的最大数,主因素方向即为最大特征值对应的特征向量方向。6.如权利要求3所述的一种基于Transformer模型的智能灌溉预测方法,其特征在于,所述灌溉预测模型为Transformer模型,训练该模型包括:编码器输入为历史现场环境数据为输入数据;解码器输入为72个元素组成的时间序列;输出为当前灌溉完成后到下次灌溉开始前的下降湿度,得出最优模型。7.如权利要求6所述的一种基于Transformer模型的智能灌溉预测方法,其特征在于,所述最优模型时参数设置为:编码器和解码器的层数为6层;嵌入词向量的维度为512;学习率为1e
‑
4;随机失活的概率为0.15;前馈层的维度为2048;多头注意力机制的头数为8;预热的步数为3500;迭代次数为200K steps。8....
【专利技术属性】
技术研发人员:葛为伟,李文波,袁新球,胡志兵,刘良旭,
申请(专利权)人:宁波市政工程建设集团股份有限公司粟琳人工智能科技上海有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。