CN109387452A - 基于人工神经网络的森林地表死可燃物含水率预测系统 - Google Patents

基于人工神经网络的森林地表死可燃物含水率预测系统 Download PDF

Info

Publication number
CN109387452A
CN109387452A CN201811196432.9A CN201811196432A CN109387452A CN 109387452 A CN109387452 A CN 109387452A CN 201811196432 A CN201811196432 A CN 201811196432A CN 109387452 A CN109387452 A CN 109387452A
Authority
CN
China
Prior art keywords
forest
neural network
land surface
data
artificial neural
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.)
Pending
Application number
CN201811196432.9A
Other languages
English (en)
Inventor
王锦煜
巩银磊
马召
胡昊迪
刘峥言
邢键
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Forestry University
Original Assignee
Northeast Forestry University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Forestry University filed Critical Northeast Forestry University
Priority to CN201811196432.9A priority Critical patent/CN109387452A/zh
Publication of CN109387452A publication Critical patent/CN109387452A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Artificial Intelligence (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Immunology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明是基于人工神经网络的森林地表死可燃物含水率预测系统，属于森林监测与含水率预测领域。死可燃物含水率与森林环境因子(林间温度、湿度、风速和大气压强)都有着错综复杂的关系，其中任一个因素发生改变，对于森林地表可燃物含水率都可能会产生影响。由于森林环境因子与可燃物含水率的关系是非线性，没法用一个确切的公式说明两者的关系。为此建立基于人工神经网络的森林地表死可燃物含水率预测系统，森林环境因子无线传感网络由LORA模块、STM32F103单片机、各种传感器(BMP180 HTU21D风速传感器)构成，在远程服务器上搭建关于森林环境因子和森林地表死可燃物含水率的神经网络，通过分析实测的森林环境因子数据来预测相应的森林地表死可燃物含水率。

Description

基于人工神经网络的森林地表死可燃物含水率预测系统
技术领域
本发明专利属于森林死可燃物含水率预测技术领域，主要是涉及森林环境因子监测与传输以及森林地表死可燃物含水率的预测，用于提高森林火险预警系统的准确程度。
背景技术
森林环境因子包括，林内温度、湿度、风速、大气压强等变量，它们对整个森林生态系统有着错综复杂的影响。森林环境因子的变化可以反映森林地表可燃物含水率的变化情况，持续变化的环境因子数据可用于预测森林地表死可燃物含水率。
目前，监测森林地表死可燃物含水率常用的方法是称重法，称重法只能定点采样，监测局部含水率，不能实现森林大范围内的可燃物含水率预测。并且成本较高，监测速度慢，不宜于实时监测。
人工神经网络可以处理复杂的综合的非线性系统。
研究森林地表死可燃物含水率有助于研究森林防火。
发明内容
本发明针对现有技术的不足，设计了一种基于人工神经网络的森林地表死可燃物含水率预测系统。旨在解决在森林这种复杂环境下，通过对森林环境因子的数据采集与无线传感器网络的远距离传输，利用神经网络处理数据，预测森林地表死可燃物含水率。
所述的死可燃物含水率预测系统的硬件，它包括供电模块，传感器数据采集与定位模块，数据处理模块，LORA无线传输网络，利用人工神经网络算法的远程服务器，显示终端。所述传感器采集模块与定位模块采集环境因子数据和地理位置信息数据，单片机分析处理数据后，再将数据进行打包传递给LORA数据发射模块，通过无线传输网络汇聚到网关，利用GPRS网络发送给远程服务器，远程服务器利用人工神经网络对采集回来的环境因子的数据进行处理，并合理预测森林地表死可燃物含水率，显示在终端上。
所述的供电模块为太阳能供电供电系统，智能传感器数据采集与定位模块、数据处理模块、LORA无线传输网络均为太阳能蓄电池供电。
所述的智能传感器数据采集与定位模块主要有空气温湿度传感器、气压传感器、风速传感器、GPS定位模块，主要用于环境因子的采集。采集后的数据被传递到STM32F103单片机，单片机对数据进行简单的判断，是否发生错误，如果数据采集没有错误，将数据进行打包，每隔1个小时发送给LORA模块。
所述的数据处理模块为STM32F103单片机。通过对传感器采集的数据进行数据分析与处理，然后将数据传入LORA无线传感网络。
所述的LORA无线传感网络，由LORA模块组成。通过对LORA模块的合理布置，实现对森林的全覆盖，通过使用免授权ISM频段进行数据传输。
所述远程服务器，主要是利用人工神经网络算法对实测的森林环境因子数据进行分析和处理，得出森林地表死可燃物含水率，并将数据传递给显示终端。其主要是同时也可以通过地图模式实时查询某个节点的森林环境因子以及地表死可燃物含水率。
所述显示终端包括地图显示、森林环境因子显示、森林地表死可燃物含水率的显示。
优选的，所述单片机通信采用时分复用技术来实现LORA模块与远程服务器之间的数据传输。
优选的，所述布局信息包括传感器采集与LORA传输模块的安置个数与安置位置。
本发明提供的基于人工神经网络的森林地表死可燃物含水率预测系统，模拟人脑结构以及它的信息处理方式，成功将森林地表死可燃物含水率和森林环境因子联系起来，通过监测森林的环境因子来预测森林地表死可燃物含水率；同时组建的智能无线传感器网络既保证了通信的质量，又大大降低了成本。
附图说明
附图1是本发明的基于人工神经网络的森林地表死可燃物含水率预测系统总体结构关系图
附图2是本发明的太阳能供电电路图
附图3是数据采集与定位模块原理图
附图4是LORA与MCU的管脚连接图
附图5是HTU21D湿度传感器基本原理图
附图6是BMP180温压传感器基本原理图
附图7是GPS定位模块基本原理图
附图8是人工神经网络结构图
具体实施方式
对照附图1，本发明分为森林环境因子数据采集与定位模块，LORA无线传感网络，死可燃物含水率显示模块(数据处理与显示模块)。由太阳能供电系统为智能传感器，单片机以及无线传感器网络供电。图2中的太阳能供电系统电路提供6V电压，LT1073经由13Ω电阻检测充电电流，在镍镉电池中维持16mA的固定充电电流。LT1073内的低电压测定器在太阳能板的输出电压降到4V时，将关断充电电路；而当输出升到5V以上，LT1073正常工作，对电池进行充电。从而提供系统在野外工作电源。
搭建无线传感器网络：每个数据采集与定位模块(无线网络节点)包含智能传感器模块，GPS定位模块，STM32F103单片机数据简单处理，LORA数据发送模块，以及太阳能供电系统。无线网络节点等距分布在森林区域内。LORA传感器网络由LORA节点和LORA 网关构成，LORA模块通过自组网的形式形成无线传感网络。然后，簇首节点将采集到的环境数据传送至网关系统中汇聚节点，经由网关系统中的GPRS通信模块将传感器节点采集的数据经由INTERNET网络和GPRS网络发送至监测中心。远程监测中心对采集到的参量进行分析处理。
数据分析处理及显示模块，主要有远程服务器构成。根据所搭建的关于森林环境因子与死可燃物含水率的人工神经网络，对采集的森林环境因子数据进行处理，预测森林地表死可燃物含水率。
人工神经网络的搭建与训练过程，确定训练网络样本：由森林地表死可燃物的特性可知，地表死可燃物的含水率会受到林间温度、林间湿度、林间风速、林间大气压强这4个森林间环境因子的影响，这4个因子便是网络输入样本，“森林地表死可燃物含水率”便是网络训练的输出样本(见附图8)。通过林间监测获得大量数据，构成训练样本。假设训练样本为300对，其中输入样本为X，数据规模为4×300的矩阵。由于量纲不同，要先对数据进行归一化处理。
确定网络的初始参数：最大训练次数为5000次，隐含层(中间层)神经元数量为3，确定网络学习的速度为0.035，训练的目标误差为0.65×10-3。
初始化网络权值和阈值：确定第一层和第二层的权值wij(t)为3×4的随机数矩阵；第二层的神经元阈值Bij(t)为3×1的矩阵；同理，第二层和第三层之间的权值wjk(t)为1×3的随机数矩阵；同理，第三层阈值Bjk(t)为1×1的矩阵。
计算各层神经元的输入和输出：第一层神经元放置的为线性函数，即为f(x)＝x，所以网络第一层输入和输出等于实际输入样本的值，即I1＝O1＝X，也是一个4×300的矩阵；对于第二层神经元输入：I2＝wij×X+Bij×ones，假设第二层的神经元激励函数为单极S型函数，即为则第二层神经元的输出：第三层输入： I3＝wjk×O2+Bjk×ones，第二层的神经元激励函数为线性函数，即为f(x)＝x，则第三层输出：O3＝I3。
计算能量函数以及各层间的权值和阈值调整值：能量函数E＝∑(Y-O3)2；
第二层到第三层之间权值和阈值调整量：
权值调整量：
阈值调整量：
计算第一层与第二层之间权值和阈值调整量
权值调整量：
阈值调整量：
计算调整之后的权值和阈值：
把t时刻的各层次的权值和阈值加上各自调整量赋予t+1时刻的权值和阈值
网络输出值的还原：在之前训练网络时，输入和输出样本对都经过了归一化处理，所以需要将O3还原为原始数据的量级。
远程服务器将接受到的森林环境因子数据作为上述训练后网络的输入层，利用该神经网络进行数据处理，预测森林地表死可燃物含水率。
作为本发明的一种优选技术方案：所述传感器网络为LORA通讯网络，可以24小时监控对森林的气象数据和地理数据，并进行分析处理，对森林地表死可燃物含水率进行预测，并将预测信息及时发布，节省人力物力。
作为本发明的一种优选技术方案：所述数据分析处理与显示模块中，远程服务器利用人工神经网络的算法对数据进行分析处理，具有较高的数据处理速度和一定的自适应性，能更准确高效地得到森林地表死可燃物含水率。
上面对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，如在农业种植监督方面同样适用。

Claims (2)

1.基于人工神经网络的森林地表死可燃物含水率预测系统，本发明专利其特征在于，包括：森林环境因子监测无线传感器网络，利用深度学习的远程服务器，显示终端；由森林环境因子采集模块，基于无线传输技术的自组网模块，通过无线传输网络将数据发送给服务器，服务器利用所搭建的人工神经网络对数据进行处理并将死可燃物含水率结果显示在终端模块，实现远程监测大范围的森林地表死可燃物含水率。
2.根据权利要求1所述的深度学习算法的远程服务器，包括：利用人工神经网络算法的后台服务器。用于对采集回来的环境因子数据进行处理，通过人工神经网络算法对森林地表死可燃物含水率进行预测，并可以通过数据库记录森林大量数据，有助于神经网络训练加深过程。
CN201811196432.9A 2018-10-15 2018-10-15 基于人工神经网络的森林地表死可燃物含水率预测系统 Pending CN109387452A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811196432.9A CN109387452A (zh) 2018-10-15 2018-10-15 基于人工神经网络的森林地表死可燃物含水率预测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811196432.9A CN109387452A (zh) 2018-10-15 2018-10-15 基于人工神经网络的森林地表死可燃物含水率预测系统

Publications (1)

Publication Number Publication Date
CN109387452A true CN109387452A (zh) 2019-02-26

Family

ID=65427480

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811196432.9A Pending CN109387452A (zh) 2018-10-15 2018-10-15 基于人工神经网络的森林地表死可燃物含水率预测系统

Country Status (1)

Country Link
CN (1) CN109387452A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110234090A (zh) * 2019-07-23 2019-09-13 克拉玛依油城数据有限公司 一种基于LoRa的数据管理云平台
CN110267201A (zh) * 2019-07-23 2019-09-20 克拉玛依油城数据有限公司 具有定位功能的太阳能供电LoRa油井仪表
CN110568793A (zh) * 2019-09-16 2019-12-13 江苏大学 一种基于时分复用组网与故障树的母猪舍物联网系统及其控制方法
CN110824987A (zh) * 2019-11-04 2020-02-21 东北林业大学 基于LoRa无线自组网络的森林地表含水率监测系统
CN112040007A (zh) * 2020-09-11 2020-12-04 中国林业科学研究院森林生态环境与保护研究所 一种可扩展球式矩阵地下火险监测方法和装置
CN112213230A (zh) * 2020-10-16 2021-01-12 西南林业大学 一种云南松地表可燃物含水率确定方法及系统
CN112462028A (zh) * 2020-12-15 2021-03-09 电子科技大学 一种估测森林地表10-h死可燃物含水率的方法
CN112543426A (zh) * 2020-11-30 2021-03-23 超越科技股份有限公司 一种环境可燃物含水率实时监控方法、设备及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140148341A1 (en) * 2012-11-28 2014-05-29 Elwha Llc Methods for modulating photosynthetic activity
CN204515968U (zh) * 2015-04-20 2015-07-29 国家林业局哈尔滨林业机械研究所 一种森林火险预警系统
CN105978941A (zh) * 2016-04-25 2016-09-28 阜阳师范学院 一种基于农田墒情监测的无线传感器网络节点节能监测方法
CN106951992A (zh) * 2017-03-20 2017-07-14 上海事凡物联网科技有限公司 一种地表可燃物含水率的预测方法及系统、服务器
CN107135465A (zh) * 2017-04-19 2017-09-05 上海事凡物联网科技有限公司 测量可燃物含水率的网络系统
CN107748245A (zh) * 2017-09-30 2018-03-02 陈勇 基于多传感器技术的油罐车卸车含水率计量装置和方法
CN108449732A (zh) * 2018-03-03 2018-08-24 深圳智达机械技术有限公司 一种基于大数据和wsn技术的森林生态环境实时监测系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140148341A1 (en) * 2012-11-28 2014-05-29 Elwha Llc Methods for modulating photosynthetic activity
CN204515968U (zh) * 2015-04-20 2015-07-29 国家林业局哈尔滨林业机械研究所 一种森林火险预警系统
CN105978941A (zh) * 2016-04-25 2016-09-28 阜阳师范学院 一种基于农田墒情监测的无线传感器网络节点节能监测方法
CN106951992A (zh) * 2017-03-20 2017-07-14 上海事凡物联网科技有限公司 一种地表可燃物含水率的预测方法及系统、服务器
CN107135465A (zh) * 2017-04-19 2017-09-05 上海事凡物联网科技有限公司 测量可燃物含水率的网络系统
CN107748245A (zh) * 2017-09-30 2018-03-02 陈勇 基于多传感器技术的油罐车卸车含水率计量装置和方法
CN108449732A (zh) * 2018-03-03 2018-08-24 深圳智达机械技术有限公司 一种基于大数据和wsn技术的森林生态环境实时监测系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110234090A (zh) * 2019-07-23 2019-09-13 克拉玛依油城数据有限公司 一种基于LoRa的数据管理云平台
CN110267201A (zh) * 2019-07-23 2019-09-20 克拉玛依油城数据有限公司 具有定位功能的太阳能供电LoRa油井仪表
CN110568793A (zh) * 2019-09-16 2019-12-13 江苏大学 一种基于时分复用组网与故障树的母猪舍物联网系统及其控制方法
CN110824987A (zh) * 2019-11-04 2020-02-21 东北林业大学 基于LoRa无线自组网络的森林地表含水率监测系统
CN112040007A (zh) * 2020-09-11 2020-12-04 中国林业科学研究院森林生态环境与保护研究所 一种可扩展球式矩阵地下火险监测方法和装置
CN112040007B (zh) * 2020-09-11 2023-08-25 中国林业科学研究院森林生态环境与保护研究所 一种可扩展球式矩阵地下火险监测方法和装置
CN112213230A (zh) * 2020-10-16 2021-01-12 西南林业大学 一种云南松地表可燃物含水率确定方法及系统
CN112543426A (zh) * 2020-11-30 2021-03-23 超越科技股份有限公司 一种环境可燃物含水率实时监控方法、设备及系统
CN112462028A (zh) * 2020-12-15 2021-03-09 电子科技大学 一种估测森林地表10-h死可燃物含水率的方法
CN112462028B (zh) * 2020-12-15 2021-07-06 电子科技大学 一种估测森林地表10-h死可燃物含水率的方法

Similar Documents

Publication Publication Date Title
CN109387452A (zh) 基于人工神经网络的森林地表死可燃物含水率预测系统
Gogolak et al. Indoor fingerprint localization in WSN environment based on neural network
CN109934423A (zh) 基于并网逆变器运行数据的光伏电站功率预测方法及系统
CN109902874A (zh) 一种基于深度学习的微电网光伏发电短期预测方法
CN106777984A (zh) 一种基于密度聚类算法实现光伏阵列工作状态分析与故障诊断的方法
CN103616734B (zh) 大范围同步实时气象数据测量及风速风向预测系统与方法
CN105606499B (zh) 悬浮颗粒物质量浓度实时检测装置及测量方法
CN112649002B (zh) 一种基于边缘计算的野保无人机监测系统
CN111753893A (zh) 一种基于聚类和深度学习的风电机组功率集群预测方法
CN109376801A (zh) 基于集成深度神经网络的风力发电机叶片结冰诊断方法
CN110083096A (zh) 一种粮仓智能监测方法
CN113415203A (zh) 一种基于物联网的智能充电桩管理系统
Guhathakurta et al. Long range forecasting Indian summer monsoon rainfallby a hybrid principal component neural network model
CN110824987A (zh) 基于LoRa无线自组网络的森林地表含水率监测系统
CN107516168A (zh) 一种生态环境质量综合评价方法
CN205049997U (zh) 大田环境信息监控系统
Praynlin et al. Solar radiation forecasting using artificial neural network
CN115313355A (zh) 一种智能电网大数据在短期负荷预测中的自动预测方法及系统
CN205827677U (zh) 一种基于物联网的新型车辆检测装置
Kumar et al. Energy-saving sensors for precision agriculture in Wireless Sensor Network: A review
CN106124699A (zh) 一种智能空气质量实时评价装置及其控制方法
CN116147712B (zh) 免时空限制的立体式施工环境监测装置及预测方法
Zhan et al. Daily rainfall data construction and application to weather prediction
Zhao et al. Study on photovoltaic power forecasting model based on peak sunshine hours and sunshine duration
CN107396292A (zh) 一种用于精准农业的土壤湿度信息获取系统

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190226