- · 《灌溉排水学报》栏目设[09/30]
- · 《灌溉排水学报》数据库[09/30]
- · 《灌溉排水学报》投稿方[09/30]
- · 《灌溉排水学报》征稿要[09/30]
- · 《灌溉排水学报》刊物宗[09/30]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
园艺论文_基于RF-GRU的温室番茄结果前期蒸腾量
作者:网站采编关键词:
摘要：文章摘要:针对温室番茄无法按需灌溉问题，本文提出了随机森林（Random forest， RF）结合门控循环单元（Gated recurrent unit， GRU）神经网络的温室番茄结果前期蒸腾量预测方法，并开发了
文章摘要:针对温室番茄无法按需灌溉问题，本文提出了随机森林（Random forest， RF）结合门控循环单元（Gated recurrent unit， GRU）神经网络的温室番茄结果前期蒸腾量预测方法，并开发了一套基于番茄蒸腾量的智慧灌溉系统。基于物联网实时获取数据，采用RF算法对影响温室番茄蒸腾量的变量进行特征重要性排序，选取作物相对叶面积指数、温室内空气温度、相对湿度、光照强度、光合有效辐射、基质含水率和基质温度作为模型的输入变量，在此基础上，构建了基于GRU的番茄蒸腾量预测模型。试验结果表明：RF-GRU在番茄蒸腾量预测中具有准确的预测效果，决定系数(R2)、均方根误差（RMSE）、平均绝对误差（MAE）分别为0.9490、10.96g和5.80g。同时，基于此模型进行指导灌溉相比于定时灌溉，在番茄长势基本相同的情况下，灌溉量降低了20%，可为实际生产提供参考。
文章关键词:
项目基金:《灌溉排水学报》 网址: http://www.ggpsxbzz.cn/qikandaodu/2022/0127/1150.html