[发明专利]一种融合向量机模型的嵌入式设施二氧化碳优化调控方法与系统

说明书

一种融合向量机模型的嵌入式设施二氧化碳优化调控方法与系统，首先获取大量实验数据，在Qt软件中基于Python语言应用支持向量机算法构建光合速率预测模型，对预测模型中每条CO₂响应曲线进行曲率分析获取CO₂调控目标值，基于上述结果应用支持向量机算法构建CO₂优化调控模型，获得可移植于嵌入式系统的调控模型文件。检测节点实时检测的CO₂浓度、光照强度和温度，并通过ZigBee协议传输给主控节点，主控节点通过调用CO₂优化调控模型训练集，进行预测仿真获取CO₂调控目标值，并判断当前环境下的CO₂值和CO₂调控目标值的大小，然后通过ZigBee协议传输控制信号到调控节点，从而达到实时智能调控大棚内的CO₂浓度的目的，本发明可有效提高作物光合速率，获得较好的经济效益。

技术领域

本发明属于智能农业技术领域，特别涉及一种融合向量机模型的嵌入式设施二氧化碳优化调控方法与系统。

背景技术

光合作用是植物制造有机物的主要途径，影响植物光合作用的因素有很多，其中CO₂作为光合作用的原料尤为重要。随着现代化农业的发展，建造了越来越多的温室大棚，温室大棚因其空气流动性较差，造成温室内CO₂亏缺严重。因此，温室大棚内的CO₂施肥技术变的越来越重要。然而，现有的CO₂施肥技术并不完善。传统的温室CO₂施肥技术大都采用阈值控制，阈值范围约在600～900μL/L的施肥浓度。但由于温室内一天中CO₂浓度变化较大，夜间植物进行呼吸作用放出CO₂，不进行光合作用、不消耗CO₂，因此，清晨温室内CO₂浓度最高。日出后随着光照和温度的升高，植物光合速率逐步提升，而此时CO₂浓度慢慢降低，产生CO₂供需差，特别是在正午，当光合能力最强时，CO₂浓度最低，严重不能满足作物光合对CO₂需求。在变化的温室环境条件下，植物对CO₂的需求程度也不一样，固定施肥浓度的CO₂施肥方式不能很好的满足植物对CO₂的需求，会造成CO₂的浪费与补充不足并存现象，因此这种固定阈值CO₂施肥的生态和经济可行性并不高。

近年来的调控技术研究以发现了阈值调控的不足，陆续出现了考虑CO₂饱和点变化的调控系统，但这类系统通常以CO₂饱和点的非线性拟合公式为模型，不仅模型精度差，而且没有考虑到CO₂饱和点附近CO₂浓度对光合速率的影响较小，长期采用CO₂饱和点进行调控经济效益不高。因此，如何发明一种不仅精度高、处理数据能力速度快、可移植的建模方法，而且在节约CO₂能源前提下最大程度的提高作物光合速率的CO₂调控方法，变得十分重要。

通过生理分析作物光合速率的主要影响因素的分析，可以从CO₂响应曲线上发现，CO₂限制点为响应曲线弯曲程度最大的点。因此，如何实现对曲线的曲率进行寻优获取曲率最大点，以此作为CO₂调控目标值点，进而构建连续高精度、可移植的CO₂调控目标值模型成为研究的关键。随着智能算法和嵌入式技术的发展，融合智能算法模型的嵌入式系统由于具有高精度预测的能力已成为一个研究热点。但现有的CO₂调控系统通常采用单片机作核心处理模块，工控屏做人机交互窗口，而相比较于嵌入式系统而言，单片机的处理数据能力较差，数据输出精度有限，进而使得工控屏的反应速度较慢；且由于单片机自身的局限性，智能算法并不能被单片机很好的兼容，因此，单片机已成为限制CO₂精准施肥技术发展的因素之一。