摘要
本发明公开了城市园林灌溉智能监控与管理系统,通过传感器和气象设备采集初始多维度园林数据;利用机器学习算法提取初始多维度园林数据中的关联特征,基于B i‑LSTM神经网络建立B i‑LSTM园林动态需水量预测模型,利用PSO粒子群优化算法优化预测模型的超参数,得到目标B i‑LSTM园林动态需水量预测模型;将多维度关联园林数据输入至目标B i‑LSTM园林动态需水量预测模型中进行训练,通过SVM支持向量机算法优化水肥配比,得到园林分区灌溉策略,基于园林分区灌溉策略对园林进行灌溉。能精准预测园林未来需水量,避免植物因缺水或水分过多影响生长,保障园林植物健康生长。
技术关键词
灌溉智能
支持向量机算法优化
管理系统
LSTM神经网络
数据
子模块
生长监测传感器
叶片湿度传感器
优化预测模型
粒子群优化算法
温湿度传感器
神经网络对图像
气象设备
动态
机器学习算法
光照强度传感器
卡尔曼滤波算法
孤立森林算法
空间分布特征
园林植物
系统为您推荐了相关专利信息
高效预测方法
组合情景
LSTM模型
精度
地下水
量子粒子群优化
能耗
网络生命周期
能量消耗
传感器节点
历史运行数据
风险检测方法
键值
风险检测装置
可读存储介质