申请/专利权人：河北省水资源研究与水利技术试验推广中心

申请日：2024-01-22

公开（公告）日：2024-04-16

公开（公告）号：CN117598190B

主分类号：A01G25/16

分类号：A01G25/16;G06N3/0442;G06N3/08;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本申请适用于电数字数据处理技术领域，提供了水库分干渠灌溉控制方法、装置、设备及存储介质，该方法包括：获取目标分干渠的渠道类型和作物种类，获取目标分干渠的历史放水量和所在地的历史天气数据，以及获取目标分干渠所在地在未来灌溉时间段内的降雨量；基于历史天气数据，预测得到目标分干渠在未来灌溉时间段内下游作物的蒸发量；基于目标分干渠下游的作物种类和目标分干渠的历史放水量，预测得到目标分干渠在未来灌溉时间段内的初始的计划放水量；基于初始的计划放水量、降雨量和蒸发量，计算得到实际放水量；基于实际放水量和目标分干渠的渠道类型，控制目标分干渠的开闸时长。本申请能实现对分干渠下游作物的精准灌溉，提高水资源利用率。

主权项：1.一种水库分干渠灌溉控制方法，其特征在于，包括：获取目标分干渠的渠道类型和作物种类，获取所述目标分干渠的历史放水量和所在地的历史天气数据，以及获取所述目标分干渠所在地在未来灌溉时间段内的降雨量；基于所述历史天气数据，预测得到所述目标分干渠在所述未来灌溉时间段内下游作物的蒸发量；基于所述目标分干渠下游的作物种类和所述目标分干渠的历史放水量，预测得到所述目标分干渠在未来灌溉时间段内的初始的计划放水量；基于所述初始的计划放水量、所述降雨量和所述蒸发量，计算得到实际放水量；基于所述实际放水量和所述目标分干渠的渠道类型，控制所述目标分干渠在所述未来灌溉时间段内的开闸时长；所述基于所述历史天气数据，预测得到所述目标分干渠在所述未来灌溉时间段内下游作物的蒸发量，包括：将所述历史天气数据输入天气数据预测模型，预测得到目标天气数据；其中，所述目标天气数据为未来灌溉时间段内的天气数据；所述目标天气数据包括：目标气温、目标平均气压和目标风速；所述天气数据预测模型为长短期记忆神经网络模型；基于所述目标气温、目标平均气压和所述目标风速，计算所述目标分干渠在所述未来灌溉时间段内下游作物的蒸发量；所述天气数据预测模型的训练过程包括：随机生成一组神经元数量、学习率和迭代次数的初始值，并基于随机生成的神经元数量、学习率和迭代次数的初始值，建立当前的天气数据预测模型；基于所述历史天气数据和所述当前的天气数据预测模型，得到当前的天气数据的预测值；获取所述当前的天气数据的预测值在所述历史天气数据中对应的当前的真实值；将所述当前的天气数据的预测值与所述当前的真实值的误差作为粒子群算法的适应度值，并将所述一组神经元数量、学习率和迭代次数的初始值作为粒子群算法中的一个粒子；获取粒子群算法中历史个体最优位置、全局最优位置、粒子的位置向量和速度向量；基于所述历史个体最优位置、所述全局最优位置、粒子的位置向量和速度向量，得到更新后的全局最优位置向量；基于所述更新后的全局最优位置向量，得到更新后的神经元数量、学习率和迭代次数的取值，并基于更新后的神经元数量、学习率和迭代次数的取值，建立更新后的天气数据预测模型；基于所述历史天气数据和所述更新后的天气数据预测模型，得到更新后的天气数据的预测值；获取所述更新后的天气数据的预测值在所述历史天气数据中对应的更新后的真实值；基于所述当前的天气数据的预测值和所述当前的真实值，得到所述当前的天气数据预测模型的适应度值；基于所述更新后的天气数据的预测值和所述更新后的真实值，得到所述更新后的天气数据预测模型的适应度值；判断此时是否达到粒子群算法达到最大迭代次数，若未达到粒子群算法达到最大迭代次数，则从所述当前的天气数据预测模型的适应度值和所述更新后的天气数据预测模型的适应度值中，选取适应度值较小的模型作为下一次迭代过程中的当前的天气数据预测模型；若达到粒子群算法达到最大迭代次数，则从所述当前的天气数据预测模型的适应度值和所述更新后的天气数据预测模型的适应度值中，选取适应度值较小的模型作为所述天气数据预测模型；所述基于所述历史个体最优位置、所述全局最优位置、粒子的位置向量和速度向量，得到更新后的全局最优位置向量，包括：基于所述历史个体最优位置、所述全局最优位置、粒子的位置向量和速度向量，结合第一公式，得到更新后的全局最优位置向量；所述第一公式为： 其中，为迭代次数为次时第个粒子的第个维度的全局最优位置向量，为迭代次数为时第个粒子的第个维度的全局最优位置向量，为迭代次数为时第个粒子的第个维度的速度向量，为迭代次数为时第个粒子的第个维度的速度向量，为个体学习因子，为群体学习因子，和为在[0,1]内取值的均匀分布伪随机数，为惯性权重系数，为个体最优位置，为全局最优位置；所述惯性权重系数的计算公式为： 其中，为惯性权重系数的最大值，为惯性权重系数的最小值，为粒子群算法最大迭代次数，为当前迭代次数。

全文数据：

权利要求：

百度查询： 河北省水资源研究与水利技术试验推广中心 水库分干渠灌溉控制方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD