书目详细信息
： 基于机器学习的茶叶采摘期预测模型的建立与应用研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估\呈缴)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于机器学习的茶叶采摘期预测模型的建立与应用研究/.王静著/.王白娟指导 |
| 出版发行项： | 2022.05.19 |
| 载体形态项： | 66页:;+图表:;+30cm |
| 一般附注： | 机电工程学院,学号2019210036 |
| 提要文摘： | 本文研究的对象是云南省西双版纳州勐海县的云南大叶种，云茶产业是云南的特色和支柱产业，是高原特色现代农业的重要组成部分，关乎着云南600万茶农的脱贫致富。本文针对目前茶叶采摘期呈现一定程度上的非周期性动态变化所造成的提前安排采茶工人和茶园管理存在困难的问题，以及云茶产业数据不够规范的问题构建茶叶采摘期预测模型和云茶地理信息系统。 本文利用BP神经网络、Elman神经网络和随机森林对茶叶采摘期进行拟合，构建茶叶采摘期预测模型，在预测模型的基础上结合智慧茶山监测系统采集到的数据，集成气象条件监测、土壤墒情监测等功能，利用WebGIS（网络地理信息系统）技术开发云茶地理信息系统，为茶山管理人员和政府管理人员提供决策分析。本研究主要包括： 1.对茶叶采摘期与各气象因素之间进行Spearman相关性分析，研讨勐海县茶叶采摘期与各气象因素之间的相关性，分析结果表明，茶叶采摘期与2月份的总降水量、月平均气温、月平均相对湿度、总日照时数呈极显著相关。 2.以选取的4个气象特征因子作为输入值，采摘期日序数作为输出值，基于BP神经网络、Elman神经网络和随机森林构建茶叶采摘期预测模型，以评价指标系数（R2）、平均绝对误差（MAE）、均方误差（MSE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE）进行对比评价。结果显示，基于BP神经网络的预测模型预测结果误差最小、最接近于真实值。 3.利用WebGIS结合高德地图JSAPI开发了云茶地理信息系统，系统包括设备管理子系统、智能控制子系统、数据管理子系统和系统管理子系统，实现了地图显示基本功能，数据管理功能，信息查询功能和决策分析功能等，实现了茶山数据可视化和实时的监测分析，并以茶山天气预报为基础为使用者提供鲜叶采摘后的加工工艺决策分析。 |
| 并列题名： | Research on the Establishment and Application of Tea Picking Period Prediction Model Based on Machine Learning eng |
| 题名主题： | 机器学习 采摘期预测 地理信息系统 学位论文 |
| 中图分类： | S24-533 |
| 个人名称等同： | 王静 著 |
| 个人名称次要： | 王白娟 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20230410 |