摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第9-15页 |
1.1 课题研究的背景及意义 | 第9页 |
1.2 土壤墒情监测系统国内外研究现状 | 第9-10页 |
1.2.1 国外研究现状 | 第9-10页 |
1.2.2 国内研究现状 | 第10页 |
1.3 土壤墒情预测系统国内外研究现状 | 第10-12页 |
1.3.1 国外研究现状 | 第10-11页 |
1.3.2 国内研究现状 | 第11-12页 |
1.4 相关技术介绍 | 第12-13页 |
1.4.1 物联网技术 | 第12页 |
1.4.2 Zig Bee技术 | 第12-13页 |
1.4.3 GPRS技术 | 第13页 |
1.5 论文的主要研究内容 | 第13-15页 |
第二章 基于物联网的土壤墒情监测系统 | 第15-20页 |
2.1 土壤墒情监测系统的总体设计 | 第15-16页 |
2.1.1 土壤墒情监测系统的功能目标 | 第15页 |
2.1.2 土壤墒情监测系统的特点 | 第15页 |
2.1.3 土壤墒情监测系统的组成 | 第15-16页 |
2.1.4 土壤墒情监测系统的原理及整体构架 | 第16页 |
2.2 试验硬件设备简介 | 第16-18页 |
2.2.1 土壤水分传感器 | 第16-17页 |
2.2.2 无线Zig Bee-GPRS网关 | 第17-18页 |
2.2.3 多通道无线网络采集器 | 第18页 |
2.2.4 硬件整体安装效果 | 第18页 |
2.3 研究区基本概况 | 第18-19页 |
2.3.1 研究区概况 | 第18-19页 |
2.3.2 作物介绍 | 第19页 |
2.4 本章小结 | 第19-20页 |
第三章 多传感器数据融合在监测系统中的应用 | 第20-29页 |
3.1 多传感器数据融合 | 第20-22页 |
3.1.1 多传感器数据融合概要 | 第20页 |
3.1.2 数据融合的层次 | 第20-22页 |
3.2 基于相关性函数的多传感器自适应加权融合算法 | 第22-25页 |
3.2.1 相关性函数 | 第22-23页 |
3.2.2 多传感器自适应加权融合算法 | 第23-25页 |
3.3 计算分析 | 第25-28页 |
3.3.1 算法流程 | 第25-26页 |
3.3.2 计算结果分析 | 第26-28页 |
3.4 本章小结 | 第28-29页 |
第四章 基于BFOA-SVR的草莓墒情预测模型研究 | 第29-41页 |
4.1 细菌觅食优化算法(BFOA)概述 | 第29-30页 |
4.2 细菌觅食优化算法的原理 | 第30-32页 |
4.2.1 趋药性操作 | 第30页 |
4.2.2 聚集性操作 | 第30-31页 |
4.2.3 繁殖性操作 | 第31页 |
4.2.4 迁徙性操作 | 第31-32页 |
4.3 细菌觅食优化算法的步骤 | 第32-33页 |
4.4 支持向量机概述 | 第33页 |
4.5 支持向量回归机 | 第33-36页 |
4.5.1 ε 不敏感损失函数 | 第33-34页 |
4.5.2 核函数 | 第34-35页 |
4.5.3 支持向量回归机算法原理 | 第35-36页 |
4.6 基于BFOA-SVR的预测模型算法流程 | 第36页 |
4.7 预测模型建模过程分析 | 第36-40页 |
4.7.1 模型的输入输出参数选择 | 第36-38页 |
4.7.2 BFOA-SVR预测模型的参数寻优 | 第38页 |
4.7.3 预测模型的结果分析 | 第38-40页 |
4.8 本章小结 | 第40-41页 |
第五章 基于WEB的网络监测平台的设计与应用 | 第41-50页 |
5.1 网络监测平台介绍 | 第41-43页 |
5.1.1 网络监测平台界面设计的原则 | 第41页 |
5.1.2 网络监测平台功能模块介绍 | 第41-42页 |
5.1.3 网络监测平台的特点 | 第42页 |
5.1.4 网络监测平台的技术路线 | 第42-43页 |
5.2 网络监测平台的操作流程 | 第43-49页 |
5.2.1 注册登录帐号 | 第43页 |
5.2.2 传感器采集数据查询 | 第43-44页 |
5.2.3 专家知识 | 第44-45页 |
5.2.4 数据分析模块 | 第45-49页 |
5.3 本章小结 | 第49-50页 |
第六章 总结与展望 | 第50-51页 |
6.1 总结 | 第50页 |
6.2 研究展望 | 第50-51页 |
参考文献 | 第51-55页 |
攻读硕士期间参与的项目与研究成果 | 第55-56页 |
致谢 | 第56页 |