基于Android平台的林木阶段性精准施肥系统设计与研究.pdfVIP

摘要 摘 要 在林业生产中，针对不同的林木种类、不同的土壤状况，要求计算出氮、磷、 钾等肥的施肥用量，施肥预测模型作为杉木林精准施肥实施的关键，已经成为林 业科学研究的一个热点。但是采用传统的基理施肥模型，有时往往不能得到令人 满意的精度和稳定性。由于“互联网+”应用成熟广泛，未来利用“互联网+”助力发 展智慧林业是一种不可阻挡的趋势。本文以广东省仁化县国营林场和始兴县刘家 山林场主导林业——杉木林产业为例，运用灰色关联度分析方法确定影响林木施 肥量关键性因素，采用三种神经网络建立林木施肥预测模型，将灰色关联度高的 影响因素作为输入变量,确定以立地指数、林龄、优势木相关养分含量等参数作 为神经网络输入，以实际施肥量作为输出。在验证三种预测模型的有效性之后， 对比三种预测模型，结果表明，GRA-PSO-BP 神经网络施肥模型优于GRA-Elman 神经网络和GRA-LSTM 算法施肥模型，预测施肥量与实际施肥量之间的误差在 5%之内，能有效地指导阶段性精准施肥。因此，选取了预测精度高、稳定性好 的GRA-PSO-BP 神经网络作为林木施肥预测模型，最后完成基于Android 平台 的林木阶段性精准施肥预测系统的设计与研究。以下是本研究主要取得的成果： （1）运用灰色关联度分析方法确定影响林木施肥量关键性因素后，建立了 三种不同的神经网络模型对林木施肥量进行预测，通过对三种预测模型进行对 比，选择出最优的GRA-PSO-BP 神经网络林木施肥预测模型； （2 ）以GRA-PSO-BP 神经网络林木施肥预测模型为基础，建立基于Android 平台的林木施肥系统，对林木施肥预测系统需求进行分析后，根据需求进行系统 的设计与研究。该系统不仅实现了林木施肥预测的功能，还包括相关的扩展功能， 这些功能可以满足林木精准施肥方面的需求； （3 ）本文所研究的基于Android 平台的林木精准施肥预测系统相比于其他 平台的施肥系统更具便携、快捷等优势，在未来的研究中可以进一步优化为林木 智慧施肥专家系统； 关键词：神经网络，预测模型，林木施肥，优化算法，Android I 目录 目录 摘 要I ABSTRACT II 1 绪论 1 1.1 研究的背景及意义1 1.2 研究进展 3 1.2.1 国外林木施肥研究概况 3 1.2.2 国内林木施肥研究概况4 1.3 研究的主要内容及方法6 1.3.1 研究目标 6 1.3.2 研究内容 6 1.3.3 技术路线 7 1.4 论文组织结构 7 2 数据来源与预测方法9 2.1 试验区概况及样地设置9 2.2 杉木器官养分含量的变化规律 11 2.3 影响因素分析 14 2.4 灰色关联度分析 15 2.5 预测方法 16 2.5.1 BP 神经网络 16 2.5.2 GRA-PSO-BP 神经网络19 2.5.3 GRA-Elman 神经网络2 1 2.5.4 RNN 算法24 2.5.5 GRA-LSTM 神经网络26 2.6 本章小结28 3 林木施肥预测实验及结果分析29 3.1 林区环境数据29 3.2 数据预处理 31 3.3 预测模型的分析与建立31 3.3.1 GRA-PSO-BP 神经网络林木施肥预测模型 32 3.3.2 GRA-Elman 神经网络林木施肥预测模型 33 3.3.3 GRA-LSTM 林木施肥预测模型 33 3.4 模型验证与预测结