农田土壤墒情预测系统设计与研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 土壤墒情监测方法研究现状 | 第12-14页 |
| 1.2.2 土壤墒情预告技术研究现状 | 第14-15页 |
| 1.3 研究方法 | 第15页 |
| 1.4 主要研究内容 | 第15-17页 |
| 2 土壤水分数据采集设计 | 第17-25页 |
| 2.1 研究区概况 | 第17页 |
| 2.2 GPRS技术介绍 | 第17-18页 |
| 2.3 土壤水分数据的采集终端 | 第18-21页 |
| 2.3.1 温湿度传感器 | 第19页 |
| 2.3.2 3S通讯模块 | 第19-20页 |
| 2.3.3 采集终端的软件设计 | 第20-21页 |
| 2.3.4 ASW-4特点 | 第21页 |
| 2.4 ASW-4测值的校正 | 第21-23页 |
| 2.4.1 函数式标定 | 第21页 |
| 2.4.2 实地二次校正 | 第21-23页 |
| 2.5 土壤墒情监测点设置 | 第23-25页 |
| 2.5.1 确定土壤墒情监测点位置 | 第23-24页 |
| 2.5.2 土壤墒情监测点垂向布设 | 第24-25页 |
| 3 农田土壤墒情信息系统构建 | 第25-33页 |
| 3.1 系统组织结构 | 第25页 |
| 3.2 软件系统开发 | 第25-28页 |
| 3.2.1 系统开发模式 | 第25-26页 |
| 3.2.2 系统开发语言 | 第26-27页 |
| 3.2.3 WebGIS技术 | 第27-28页 |
| 3.3 系统目标及功能设计 | 第28-29页 |
| 3.4 系统数据库设计 | 第29-33页 |
| 4 农田土壤墒情预告模型构建 | 第33-45页 |
| 4.1 人工神经网络模型介绍 | 第33-35页 |
| 4.1.1 生物神经细胞模型 | 第33页 |
| 4.1.2 人工神经细胞模型 | 第33-34页 |
| 4.1.3 BP人工神经网络原理 | 第34-35页 |
| 4.2 BP神经网络设计 | 第35-38页 |
| 4.2.1 输入变量与输出变量的确定 | 第35-36页 |
| 4.2.2 学习样本预处理 | 第36-37页 |
| 4.2.3 隐藏层数量及节点数量的确定 | 第37页 |
| 4.2.4 训练网络模型 | 第37-38页 |
| 4.3 预告结果分析 | 第38-40页 |
| 4.4 基于遗传算法优化BP神经网络 | 第40-45页 |
| 5 结论与展望 | 第45-47页 |
| 5.1 结论 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间取得的研究成果 | 第51页 |
