基于大数据分析的土壤墒情预警系统研究
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状分析 | 第12-17页 |
| 1.2.1 国内研究现状 | 第12-14页 |
| 1.2.2 国外研究现状 | 第14-16页 |
| 1.2.3 土壤墒情监测、诊断与预报的发展趋势 | 第16-17页 |
| 1.3 技术路线 | 第17-21页 |
| 1.3.1 土壤墒情的研究方法及路线 | 第17-19页 |
| 1.3.2 土壤墒情的技术实现及研究可行性 | 第19-21页 |
| 第二章 土壤墒情预测模型的建立 | 第21-27页 |
| 2.1 数据来源 | 第21页 |
| 2.2 建立预测模型 | 第21-26页 |
| 2.2.1 模型原理 | 第21-22页 |
| 2.2.2 LSTM长短期记忆神经网络的建立 | 第22-26页 |
| 2.2.3 结果与分析 | 第26页 |
| 2.3 小结 | 第26-27页 |
| 第三章 墒情预测系统的实现 | 第27-43页 |
| 3.1 土壤墒情预测系统基本原则 | 第27页 |
| 3.2 指标体系建立 | 第27-28页 |
| 3.2.1 资料收集 | 第27页 |
| 3.2.2 田间试验 | 第27页 |
| 3.2.3 建立指标体系 | 第27-28页 |
| 3.3 土壤墒情预测重点工作 | 第28页 |
| 3.3.1 监测点布设 | 第28页 |
| 3.3.2 数据采集 | 第28页 |
| 3.4 系统总体设计 | 第28-42页 |
| 3.4.1 系统硬件、软件构成分析 | 第28-33页 |
| 3.4.1.1 系统构成 | 第28-33页 |
| 3.4.2 网站展示 | 第33-42页 |
| 3.5 小结 | 第42-43页 |
| 第四章 分析讨论 | 第43-48页 |
| 4.1 土壤墒情模块分析 | 第43-44页 |
| 4.1.1 壤墒情数据采集模块 | 第43页 |
| 4.1.2 数据传输模块 | 第43-44页 |
| 4.1.3 人机交互模块 | 第44页 |
| 4.1.4 数据库模块 | 第44页 |
| 4.2 墒情讨论 | 第44-47页 |
| 4.2.1 水浇地和旱地 | 第45页 |
| 4.2.2 田地旱涝类型 | 第45-46页 |
| 4.2.3 信息编写 | 第46页 |
| 4.2.4 成果分析 | 第46-47页 |
| 4.3 小结 | 第47-48页 |
| 第五章 结论与创新点 | 第48-50页 |
| 5.1 主要结论 | 第48页 |
| 5.2 研究创新点 | 第48页 |
| 5.3 总结 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52页 |
