CN103323144B

CN103323144B - 一种对果树进行冰冻预警的方法

Info

Publication number: CN103323144B
Application number: CN201310232780.8A
Authority: CN
Inventors: 邵咏妮; 陈纳; 何勇
Original assignee: Zhejiang University ZJU
Current assignee: Zhejiang University ZJU
Priority date: 2013-06-09
Filing date: 2013-06-09
Publication date: 2015-09-16
Anticipated expiration: 2033-06-09
Also published as: CN103323144A

Abstract

本发明公开了一种对果树进行冰冻预警的方法，1）随机选择一棵果树，在该果树上安装若干个温度传感器，采集果树整个生长季节的温度数据；（2）针对每个传感器在整个生长季节内采集的温度数据，首先对每一天的数据进行消除量纲变换得到环比发展速度累加曲线，然后对所有曲线进行曲线分类，再针对每一类曲线建模得到与各个时间点相对应的温度预测模型；（3）在该果树的下一季生长季节内，输入当前时间点以及需预测温度的位置，选择对应的温度模型，利用该温度模型计算得到对应位置的预测温度。本发明解决了传统方法在解决大规模时序曲线的预测建模问题中工作量大、可操作性差等缺点。

Description

一种对果树进行冰冻预警的方法

技术领域

本发明涉及果树冰冻预警的研究领域，具体涉及一种基于曲线分类建模方法对果树进行冰冻预警的方法。

背景技术

冰冻对果树的伤害可能直接影响果实的产量和品质，尽管不同果树对冰冻的耐受性不同，但作为果园管理者采取适当的冰冻预防措施以减少冻害带来的经济损失至关重要。几种果园常见的防冻保护方法包括采用加热风机、喷灌等，例如，公开号为CN101543229A的中国发明专利申请公布了一种果树防冻烟雾剂，由5～8份干锯末、2～4份硝铵、1～2份废柴油、1～3份煤粉、1～2份沥青混合制成。使用该果树防冻烟雾剂能有效避免果树冻花冻果，经田间试验显示，可以提高空气温度2～3.5℃，防冻花保座果效果明显，可以提高座果率65%以上，在霜冻严重的情况下效果更显著。

这些方法的实现都有赖于我们能准确实时的获取果树邻近区域的温度信息，因此建立一个果树温度实时监测系统是构建一个可靠的冰冻预警系统的前提和基础。

通过采集到的温度信息进行冰冻预警模型的建立，传统方法在解决大规模时序曲线的预测建模问题，不足之处在于工作量太大，在实际应用中缺乏可操作性。要降低建模的工作量，必须对模型进行分类以减少建模的数量。

在大规模时序曲线建模问题中，模型种类的多寡主要由两个因素决定：（1）原始时序数据的量纲，表现为绝对值的大小；（2）原始曲线的形态，表现为曲线变化的动态趋势。一般说来，原始数据量纲差距越大，曲线形态变化越丰富，模型的种类也就越多，需要建模的数量相应也就越多。对于不同曲线，只有当原始数据的绝对值以及动态趋势都接近时，这些曲线才能表现为相近或类似。可见，要减少模型种类，进而降低建模数量，则必须要消除原始数据的量纲，从曲线变化的动态趋势上挖掘其相似点，并且使之呈现出良好的规律性，以满足建模的需要。

发明内容

本发明提供了一种对果树进行冰冻预警的方法，解决了传统方法在解决大规模时序曲线的预测建模问题中工作量大、可操作性差等缺点。

一种对果树进行冰冻预警的方法，其特征在于，包括如下步骤：

（1）随机选择一棵果树，在该果树上安装若干个温度传感器，采集果树整个生长季节的温度数据；

（2）针对每个传感器在整个生长季节内采集的温度数据，首先对每一天的数据进行消除量纲变换得到环比发展速度累加曲线，然后对所有曲线进行曲线分类，再针对每一类曲线建模得到与各个时间点相对应的温度预测模型；

（3）在该果树的下一季生长季节内，输入当前时间点以及需预测温度的位置，选择对应的温度模型，利用该温度模型计算得到对应位置的预测温度，将预测温度与设定值比较，当预测温度低于设定值时进行报警。

本发明采用环比发展速度消除量纲，得到的环比发展速度累加曲线是一条消除量纲且变化趋势相对稳定的递增曲线，减少模型种类，进而降低建模数量，减小大规模时序曲线的预测建模问题中的工作量，增强建模过程的可操作性，降低预警成本。

优选地，步骤（2）中，采用自组织映射神经网络方法进行曲线分类。参照文献（龙文，王惠文.2008,曲线分类建模方法及其在多地区GDP预测中的应用.系统工程理论与实践71-75.）中公开的方法。

为了使检测范围尽可能的覆盖整个果树，增大对冰冻点预警的准确度，优选地，步骤（2）中，所述温度传感器安装数量为40～50个。

进一步优选地，步骤（2）中，所述温度传感器均匀地分散于整棵果树中。

数据的采集得越密集，最终得到的数据可信度越高，但是相应的工作量也会增加，数据采集的量少，相应的工作量会降低，但是数据的可信度也会下降，因此，本发明中权衡数据处理的工作量和数据的可信度，优选地，步骤（1）中所述温度传感器的测量频率设置为6～30秒。即每个温度传感器每隔6～30秒采集一次温度信息，每个传感器每分钟采集2～10个温度数据。

优选地，步骤（2）中对采集的温度信息进行筛选，其中选择日落至次日日出时间（20:09:30PM-05:45:30AM）进行冰冻预警模型的建立。

预测温度跟设定值比较时，根据果树的种类不同，设定值不同，针对樱桃树时，该设定值为0℃。

与传统的方法相比，本发明具有如下技术效果：

本发明采用曲线分类建模方法研究果树冰冻预警模型的建立，实现了樱桃树冰冻点的提前预警，降低了因冰冻对果实产量带来的经济损失，具有极强的适用性、经济性和应用价值。

附图说明

图1为樱桃树上48个温度传感器的安装位置示意图；

图2No.48温度传感器在整个生长期采集到的温度曲线图；

图3No.48温度传感器在生长期内其中一天的环比发展速度累加曲线；

图4No.48温度传感器在4月13日的温度实测值与预测模型的预测值的比较图。

具体实施方式

本实施方式中以樱桃树为例进行说明。

选择果园中位置一定的某一棵樱桃树，在树上安装48个温度传感器，传感器较为均匀地分散于整棵树中，其中温度传感器的安装位置如图1所示，每个温度传感器对应配置一个通道数据记录器，通道数据记录器连接中央处理单元，通过单独通道将每个传感器采集的温度数据存储在数据记录器中（数据记录器采用16位的分辨率），以供中央处理单元调取数据进行数据处理并建模。

实施例1冰冻预警模型的建立

樱桃树生长期（本实施例中为从4月13日至6月5日，共54天）内，48个传感器每隔6～12秒采集一次数据，本实施方式中共每隔10秒采集一次，并将采集的数据储存在对应的数据储存器中。

中央处理单元调取数据存储器中的数据，对这些数据进行分析处理并建模，由于本实施例是对冰冻点的预警，于是只选择了每天日落至次日日出时间（20:09:30PM-05:45:30AM）段内采集的数据进行分析。

首先针对每个传感器，将54天内每天日落至次日日出时间（20:09:30PM-05:45:30AM）段内采集的数据绘制原始温度曲线（共54条曲线），对每一条温度曲线求环比发展速度，将环比发展速度累加得到环比发展速度累加曲线（54条），然后采用自组织映射神经网络方法（龙文，王惠文.2008,曲线分类建模方法及其在多地区GDP预测中的应用.系统工程理论与实践71-75.）对这些累加曲线进行分类，一般分为2～3类，分类后，针对每一类曲线分别建模，得到2～3个冰冻预警模型，即每个传感器的预测模型分为2～3个，不同时间点与相应的模型对应，而不用对每个传感器每天的数据进行建模，减少建模数量。

以No.48传感器的数据为例进行分析，图2为No.48温度传感器在整个生长期采集到的原始温度曲线图，首先对每一条温度曲线求环比发展速度，将环比发展速度累加得到环比发展速度累加曲线，如图3所示，然后采用自组织映射神经网络方法对这54条累加曲线进行分类，针对每一类曲线进行建模。

本实施例中54条曲线被分为三类，将其中一类的环比发展速度累加曲线（16条）求平均得到环比发展速度累加曲线均线，对均线进行线性拟合，以其拟合值作为累加发展速度的拟合值，将相邻时刻的环比发展速度累加值相减，得到环比发展速度；最后将环比发展速度代入预测模型通过逆运算程序求得原始数据在下一时刻的预测值，其中No.48温度传感器的均线拟合曲线为y=0.9993x-0.0154。

其中x为某时间点对应的顺序值，如20:09:30PM对应顺序值1，20:10:30PM对应顺序值2，y则是环比发展速度累加值。然后将相邻时刻的环比发展速度累加值相减，得到环比发展速度；最后将环比发展速度代入预测模型通过逆运算程序求得原始数据在下一时刻的预测值。于是可以得到任意一天的任意时刻No.48传感器的温度预测结果。同时通过温度传感器检测到下一时刻的真实值，将预测值与真实值比较检测预测模型的精度。表1提供了一部分时间点对应的温度真实值与预测值

温度真实值	预测值
		11.8366665	11.8200335
11.8290732	11.8295645
		11.9298151	11.8219757
11.9203695	11.9226572
		11.9209226	11.9132172
12.3112996	11.91377
		12.0554627	12.3039129
11.8901825	12.0482295
		11.6187032	11.8830484
11.7890739	11.611732
		12.5062052	11.7820005
12.4756474	12.4987015
		12.2535176	12.468162
12.9408349	12.2461655
		12.8043514	12.9330704
12.9340723	12.7966688
		13.16352	12.9263118
12.9920366	13.1556219
		13.3273146	12.9842414
12.7873166	13.3193182

图4为No.48温度传感器在4月13日的温度实测值与预测值间的相关模型为y=0.916x+1.045，其相关系数达到0.91。

以上是从时间的角度建立的单个传感器在樱桃树整个生长期的温度预测模型。通过上述的方法可以获得48个传感器每一天对应的温度预测模型，最终可以得到时间和空间角度的樱桃树冰冻预警模型。

实施例2冰冻预警

在樱桃树的下一个生长期内，输入当前时间点（即哪一天）以及需预测温度的位置（即哪一传感器），选择对应的温度模型，利用该温度模型计算得到对应位置的预测温度，如温度低于0℃，则进行报警。对于温度的预警其实质就是找到该时刻所对应的温度模型。

以No.48传感器某一天的温度值为例进行分析，采用该天采集到的实时温度信息如（20:09:30PM-21:00:00PM）时刻对应的温度信息，对这些温度值求其环比发展速度，并将环比发展速度累加得到环比发展速度累加曲线，然后采用自组织映射神经网络方法判断该时间段温度曲线所对应的温度模型是属于哪一个（之前已建立3个预测模型），调用该温度模型就可以得到21:01:00PM-05:45:30AM的温度预测值，即用21:00:00PM的值预测得到21:01:00PM的温度，21:01:00PM得到21:02:00PM的温度，逐一类推，于是可以对温度低于0℃的时刻进行报警，及时采取加温保护。

Claims

1.一种对果树进行冰冻预警的方法，其特征在于，包括如下步骤：

(1)随机选择一棵果树，在该果树上安装若干个温度传感器，采集果树整个生长季节的温度数据；所述温度传感器安装数量为40～50个；所述温度传感器均匀地分散于整棵果树中；所述温度传感器的测量频率设置为6～30秒；采集果树生长季节内每天20:09:30PM-05:45:30AM的温度数据；

(2)针对每个传感器在整个生长季节内采集的温度数据，首先对每一天的数据进行消除量纲变换得到环比发展速度累加曲线，然后对所有曲线进行曲线分类，再针对每一类曲线建模得到与各个时间点相对应的温度预测模型；

(3)在该果树的下一季生长季节内，输入当前时间点以及需预测温度的位置，选择对应的温度预测模型，利用该温度预测模型计算得到对应位置的预测温度，将预测温度与设定值比较，当预测温度低于设定值时进行报警。

2.根据权利要求1所述对果树进行冰冻预警的方法，其特征在于，步骤(2)中，采用自组织映射神经网络方法进行曲线分类。