CN106874523A - 基于时间片段集的温室气候分类与调控规则构造方法 - Google Patents
基于时间片段集的温室气候分类与调控规则构造方法 Download PDFInfo
- Publication number
- CN106874523A CN106874523A CN201710199587.7A CN201710199587A CN106874523A CN 106874523 A CN106874523 A CN 106874523A CN 201710199587 A CN201710199587 A CN 201710199587A CN 106874523 A CN106874523 A CN 106874523A
- Authority
- CN
- China
- Prior art keywords
- greenhouse
- time slice
- hour
- month
- day
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000012634 fragment Substances 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims abstract description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000006978 adaptation Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 241000196324 Embryophyta Species 0.000 description 4
- 241000026010 Dendrobium candidum Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Greenhouses (AREA)
Abstract
本发明涉及一种基于时间片段集的温室气候分类与调控规则构造方法,包括如下步骤:1)生成温室数据时间片段集;2)时间片段迭代合并;3)计算温室传感数据的分类区间;4)建立温室气候分类标签;5)构造温室调控规则。本发明的有益效果是:本发明方法生成的自适应区间要比应用K‑Means算法和手动等分划分区间的分类标签的分类结果更切合实际,这样,温室培育人员在没有培育经验的情况下,通过我们建立的温室气候划分方法,也可以实现对温室环境较精准控制,而且方法具有普适性,可以推广应用到多种作物上。
Description
技术领域
本发明涉及一种温室气候分类与调控规则构造方法,尤其涉及基于时间片段集的温室气候分类与调控规则构造方法。
背景技术
一般在实际温室作物培育过程中,温室控制系统为了区分温室不同时间段的各种气候状态,首先需要将温室的气候传感数据值进行区间划分,然后根据划分结果建立适宜生长的温湿度调控范围。但是目前常用的划分方法主要是根据分布范围直接等分区间,或者根据培育专家的多年培育经验进行划分判断。因此,为了提高分类的精准度和待挖掘的决策规则的合理性,寻找一种新的温室气候分类方法成为必要。
发明内容
本发明的目的在于克服上述不足而提供一种基于时间片段归并的温室气候分类方法,主要解决的是如何将已有的成功培育温室气候传感数据对温室培育的气候条件进行分类。
基于时间片段集的温室气候分类与调控规则构造方法,包括如下步骤:
1)生成温室数据时间片段集;该步骤主要将温室培育中采集的时间序列传感数据转化为按月或者小时划分的时间片段集或
2)时间片段迭代合并;该步骤主要通过时间片段间相似性度量
,
寻找相似性最小的时间片段进行迭代合并,对温室时间片段数据实施无监督聚类;
3)计算温室传感数据的分类区间;该步骤主要通过时间片段中数据的均值和方差以及时间片段直方图交点来确定传感数据的分类数值区间;
4)建立温室气候分类标签;该步骤通过各个传感类型的分类组合,得到温室培育中气候分类结果;
5)构造温室调控规则;该步骤主要依据气候分类标签的温湿度范围,定义温室植物培育周期中某时刻温湿度调控的决策依据,以实施植物培育的精准气候调控。
作为优选:以月份将时序数据划分为一个包含Nmon*24个时间片段的集合 其中Nmon表示作物整个培育周期的月份数,24表示一天24个小时数;monthi表示培育周期中的第i个月份,i={1,2…,Nmon};hourj表示一天中第j小时,j={1,2…,24}。时间片段表示第i个月份里所有天数在第j小时的温度或者湿度数据的集合,定义为
其中,表示第k天第j小时的传感器数值。
作为优选:以小时将时序数据划分24个时间片段集合时间片段表示所有月份所有天数在第j小时的传感数据集合,定义为:
其中,表示第k个月份第j天第i小时的传感器数值。
本发明的有益效果是:本发明方法生成的自适应区间要比应用K-Means算法和手动等分划分区间的分类标签的分类结果更切合实际,这样,温室培育人员在没有培育经验的情况下,通过我们建立的温室气候划分方法,也可以实现对温室环境较精准控制,而且方法具有普适性,可以推广应用到多种作物上。
附图说明
图1是本方法步骤流程图;
图2是本方法中时间片段迭代合并流程图;
图3是自适应区间划分示意图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
一、本发明的整体思想:
我们主要考虑以下两个方面:如何有效地将采集的时间序列数据转化为包含时间尺度的分类训练数据;如何结合温室传感数据在月、日、小时各时间尺度上的分布特性,合理地将时间片段聚类归并。
二、本发明所述的这种基于时聚类间片段集的温室气候分类方法,如图1所示,其步骤如下:
1.生成温室数据时间片段集。在温室培育中,由传感器采集的温湿度数据格式如下:<#House,DateTime,SensorValue>,其中#House表示温室编号,DateTime表示数据采集时刻,SensorValue表示采集的数据值。按月或者小时将时间序列数据划分时间片段,以月份为例,划分一个包含Nmon*24个时间片段的集合其中Nmon表示作物整个培育周期的月份数,24表示一天24个小时数;monthi表示培育周期中的第i个月份,i={1,2…,Nmon};hourj表示一天中第j小时,j={1,2…,24}。
初始化时,时间片段表示第i个月份里所有天数在第j小时的温度或者湿度数据的集合,定义如公式(1)所示:
其中,表示第k天第j小时的传感器数值。
又以小时划分时间片段集为例,将时序数据划分24个时间片段集合时间片段表示所有月份所有天数在第j小时的传感数据集合,定义如公式(2)所示:
其中,表示第k个月份第j天第i小时的传感器数值。
2.时间片段迭代合并。该步骤主要通过时间片段间相似性度量和最小相似时间片段合并,来完成对温室时间片段数据实施无监督聚类。如图2所示,主要包含以下3个子步骤:
1)计算时间片段集中任意两个时间片段的相似性。根据公式(3)计算时间片段Cp和Cq之间的相似性Dp,q,
其中Cp,Cq∈Ω,并且p≠q,函数count(A)的功能是统计集合A的大小,μ(A)表示集合A所有元素的均值,Cp∪Cq表示集合Cp和Cp的并集。
2)合并相似性最小的两个时间片段。找出集合{Dp,q}中最小的相似量值Ds,t,从集合Ω移除Cs和Ct,并将Cs∪Ct并入集合Ω中,公式表示为:
Ω=(Ω-{Cs,Ct})∪{Cs∪Cu}
3)重复子步骤2)和3),直到集合Ω中元素的个数等于N,N表示温室中该传感数据的分类个数。
3.计算温室传感数据的分类区间。计算Ω中每个时间片段Cl的均值μl,和方差σl,,其中Cl∈Ω,l={1,…N},然后对每个时间片段的区间进行自适应划分。图2示例了自适应区间划分方法。在图2中,每个曲线表示每个时间片段的数据分布直方图,P1表示时间片段1和时间片段2的对应分布曲线的交点,P2表示时间片段2和时间片段3的对应的分布曲线交点,μ和σ分别表示时间片段中数据的均值和方差,最终分布区间划分为:T1=[μ1-1.5σ1,P1],T2=[P1,P2],T3=[P2,μ3+1.5σ3]。
4.建立温室气候分类标签。通过温度和湿度传感类型的分类组合,得到温室培育中气候条件的分类结果。温室培育中气候分类标签可以定义为<Ti,Hj>,例如当温度设置4个区间,湿度设置2个区间时,总共有8个气候分类标签,分别T1H1,T1H2,T2H1,T2H2,T3H1,T3H2,T4H1,T4H2。
5.构造温室调控规则。计算采样温室在第k个月份第j天第i小时的温湿度平均值,并确定平均值所对应气候分类标签。依据气候分类标签的温湿度范围,作为温室植物培育周期中某时刻温湿度调控的决策依据,以实施植物培育的精准气候调控。
三、验证结果和性能说明:
为了验证该方法的效果,采集了10个铁皮石斛温室培育7个月的传感数据。初始化时,在温度和湿度时序数据上分别建立包含168个(24小时×7月)和24个(24小时)时间片段的集合,并将迭代终止条件N分别设为4和2。
表1和表2分别展示了温度和湿度的分类区间划分结果。为了增加实验对比,将本方法与K-Means聚类算法、等分区间比较。结果表明本方法分类区间划分结果更接近经验值。
表1 不同方法区间划分比较-温度
表2 不同方法区间划分比较-湿度
我们将温室气候分8个类,即T1H1,T1H2,T2H1,T2H2,T3H1,T3H2,T4H1,T4H2。
依据气候分类标签的温湿度范围,定义铁皮石斛培育周期中某时刻温湿度调控的决策依据。例如,第1个月份第3天第8小时10个温室所对应温度和湿度平均值为20℃和78%,那么确定该时刻对应的气候分类标签为T2H1。调控规则即为该时刻的温度和湿度应当满足T2H1标签所定义的温湿度范围。
四、实验结论:
由实验结果可以看出本发明方法生成的自适应区间要比应用K-Means算法和手动等分划分区间的分类标签的分类结果更切合实际,这样,温室培育人员在没有培育经验的情况下,通过我们建立的温室气候划分方法,也可以实现对温室环境较精准控制,而且方法具有普适性,可以推广应用到多种作物上。
Claims (3)
1.一种基于时间片段集的温室气候分类与调控规则构造方法,其特征在于:包括如下步骤:
1)生成温室数据时间片段集;该步骤主要将温室培育中采集的时间序列传感数据转化为按月或者小时划分的时间片段集或
2)时间片段迭代合并;该步骤主要通过时间片段间相似性度量
寻找相似性最小的时间片段进行迭代合并,对温室时间片段数据实施无监督聚类;
3)计算温室传感数据的分类区间;该步骤主要通过时间片段中数据的均值和方差以及时间片段直方图交点来确定传感数据的分类数值区间;
4)建立温室气候分类标签;该步骤通过各个传感类型的分类组合,得到温室培育中气候分类结果;
5)构造温室调控规则;该步骤主要依据气候分类标签的温湿度范围,定义温室植物培育周期中某时刻温湿度调控的决策依据,以实施植物培育的精准气候调控。
2.根据权利要求1所述的基于时间片段集的温室气候分类与调控规则构造方法,其特征在于:以月份将时序数据划分为一个包含Nmon*24个时间片段的集合其中Nmon表示作物整个培育周期的月份数,24表示一天24个小时数;monthi表示培育周期中的第i个月份,i={1,2…,Nmom};hourj表示一天中第j小时,j={1,2…,24}。时间片段表示第i个月份里所有天数在第j小时的温度或者湿度数据的集合,定义为
其中,表示第k天第j小时的传感器数值。
3.根据权利要求1所述的基于时间片段集的温室气候分类与调控规则构造方法,其特征在于:以小时将时序数据划分24个时间片段集合时间片段表示所有月份所有天数在第j小时的传感数据集合,定义为:
其中,表示第k个月份第j天第i小时的传感器数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710199587.7A CN106874523B (zh) | 2017-03-30 | 2017-03-30 | 基于时间片段集的温室气候分类与调控规则构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710199587.7A CN106874523B (zh) | 2017-03-30 | 2017-03-30 | 基于时间片段集的温室气候分类与调控规则构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106874523A true CN106874523A (zh) | 2017-06-20 |
CN106874523B CN106874523B (zh) | 2020-04-14 |
Family
ID=59159347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710199587.7A Active CN106874523B (zh) | 2017-03-30 | 2017-03-30 | 基于时间片段集的温室气候分类与调控规则构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106874523B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109857178A (zh) * | 2019-03-19 | 2019-06-07 | 温岭卓致智能科技有限公司 | 基于大数据的温室智能管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102906745A (zh) * | 2010-05-25 | 2013-01-30 | 伊斯曼柯达公司 | 使用选择准则确定关键视频片段以形成视频概要 |
CN104516914A (zh) * | 2013-09-30 | 2015-04-15 | 日电(中国)有限公司 | 识别时间序列模式的方法和装置 |
US20160110478A1 (en) * | 2014-10-17 | 2016-04-21 | General Electric Company | System and methods for quantization and featurization of time-series data |
-
2017
- 2017-03-30 CN CN201710199587.7A patent/CN106874523B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102906745A (zh) * | 2010-05-25 | 2013-01-30 | 伊斯曼柯达公司 | 使用选择准则确定关键视频片段以形成视频概要 |
CN104516914A (zh) * | 2013-09-30 | 2015-04-15 | 日电(中国)有限公司 | 识别时间序列模式的方法和装置 |
US20160110478A1 (en) * | 2014-10-17 | 2016-04-21 | General Electric Company | System and methods for quantization and featurization of time-series data |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109857178A (zh) * | 2019-03-19 | 2019-06-07 | 温岭卓致智能科技有限公司 | 基于大数据的温室智能管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106874523B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zadoks | Methodology of epidemiological research | |
Reddy et al. | Survey on weather prediction using big data analystics | |
CN104899786B (zh) | 玉米品种种植适宜性精细区划方法与系统 | |
Charoen-Ung et al. | Sugarcane yield grade prediction using random forest with forward feature selection and hyper-parameter tuning | |
Wang et al. | Increased uncertainty in simulated maize phenology with more frequent supra-optimal temperature under climate warming | |
Akshatha et al. | Implementation of machine learning algorithms for crop recommendation using precision agriculture | |
Yan et al. | A quantitative knowledge-based model for designing suitable growth dynamics in rice | |
Priya et al. | NSGA-2 optimized fuzzy inference system for crop plantation correctness index identification | |
González-Gómez et al. | Use of different temporal scales to monitor phenology and its relationship with temporal evolution of normalized difference vegetation index in wheat | |
CN106709811A (zh) | 一种蔬菜生长管理方法及系统 | |
Gorjizad et al. | Large scale assessment of the production process and rice yield gap analysis by comparative performance analysis and boundary-line analysis methods | |
CN112364710B (zh) | 一种基于深度学习算法的植物电信号分类识别方法 | |
CN106874523A (zh) | 基于时间片段集的温室气候分类与调控规则构造方法 | |
Wei et al. | Application of remote sensing technology in crop estimation | |
Arkin et al. | Forecasting grain sorghum yields using probability functions | |
Sumembayev et al. | The comparative morphometric analysis of seeds representatives of the genus Paeonia L.(Paeoniaceae Rudolphi) of the Kazakh Altai’s flora, introduced in the Altai Botanical Garden | |
Griffin et al. | Scheduling inputs with production functions: optimal nitrogen programs for rice | |
Constantinescu et al. | Analysis of some deficiencies in crops of wheat and barley based on terrestrial and aerial images. | |
Driesen | Quantified land evaluation (QLE) procedures, a new tool for land-use planning. | |
Zha | Design of rice regional test information collection system based on cloud computing. | |
Reddy et al. | Modeling and validating cotton leaf area development and stem elongation | |
Namba et al. | Optimal pattern Discovery to Reveal the High Yield Inhibition Factor of Soybeans | |
Eroshenko et al. | Use of remote sensing Earth data for regional assessment of winter wheat grain quality | |
CN109033539A (zh) | 基于作物生长机理模型分离关键因子对作物物候影响的计算方法 | |
CN103345588B (zh) | 一种野生中药资源蕴藏量的计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information |
Inventor after: Zheng Zengwei Inventor after: Zhu Jianfeng Inventor after: Sun Lin Inventor after: Cai Jianping Inventor before: Zheng Zengwei Inventor before: Zhu Jianfeng Inventor before: Sun Lin Inventor before: Cai Jianping |
|
CB03 | Change of inventor or designer information |