5、土壤湿度预测与无刷直流电机模糊PID控制研究

土壤湿度预测与无刷直流电机模糊PID控制研究

1. 土壤湿度预测模型

1.1 SARIMA模型季节性预测

SARIMA模型中的季节性项效果显著，能够较好地预测时间序列中的季节性。这表明在具有季节性变化的土壤湿度时间序列预测中，SARIMA模型可以发挥重要作用。

1.2 土壤湿度预测模型对比

在土壤湿度预测模型中，将土壤蒸发和降水等影响因素作为输入。通过多个因变量预测自变量，并结合影响待预测变量的因素来预测未来数据变化。以下是不同模型在不同土壤层的拟合效果对比：
| 指标 | 10 cm土壤湿度 | | | 40 cm土壤湿度 | | | 100 cm土壤湿度 | | | 200 cm土壤湿度 | | |
| — | — | — | — | — | — | — | — | — | — | — | — | — |
| | RMSE | MAE | R² | RMSE | MAE | R² | RMSE | MAE | R² | RMSE | MAE | R² |
| MLP | 0.796 | 0.513 | 0.902 | 2.196 | 1.591 | 0.707 | 1.857 | 6.910 | -0.972 | 8.332 | 1.813 | -9.497 |
| LSTM | 0.389 | 0.339 | 0.971 | 0.638 | 0.527 | 0.963 | 0.078 | 1.886 | 0.856 | 2.251 | 0.064 | 0.913 |
| SSA - LSTM | 0.056 | 0.045 | 0.986 | 0.062 | 0.056 | 0.976