首页--农业科学论文--农业基础科学论文--土壤学论文--土壤物理学论文--土壤水分论文

基于物联网的土壤墒情监测及预测系统研究

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

论文共56页,点击 下载论文
上一篇:人体手部动作肌电信号的处理与识别研究
下一篇:一种基于ROS的新型家庭服务机器人设计与实现