15、AI在农业产量预测与智能灌溉中的应用

AI在农业产量预测与智能灌溉中的应用

1. 温度和湿度预测

温度和湿度是植物生长繁殖的重要因素，二者存在高度相关性，通常温度升高时湿度增加的可能性较大，但湿度是否增加还取决于该地区的水体面积，因为湿度是由水体蒸发产生的。不同作物对温度和湿度的变化有不同反应，例如红薯和辣椒适合在温度较高的地方生长，而苹果、大麦和小麦等则适应寒冷地区。

随着技术的进步，借助传感器和人工智能系统，我们能够监测并控制这些参数，以满足植物的最佳生长需求。通过全球各地的实验样本数据集，我们可以预测特定植物在不同地理区域生长所需的最佳参数。

• Taki等人的研究 ：对温室内部环境变量进行预测。由于温室内部大气是一个非线性系统，传统预测模型无法解决非线性问题，因此采用人工神经网络和支持向量机来预测和评估温室变量，如土壤、空气和植物温度的相关性和能量交换。同时收集影响温室内外温度的环境因素，如风速、空气温湿度和太阳辐射等数据样本。
• Kim等人的研究 ：开发了一个用于控制温室内温度和湿度的预测模型。采用人工神经网络、循环神经网络和多元回归等机器学习技术对数据集进行评估。结果表明，在选定数据集上，人工神经网络的准确性最高；而在完整数据集上，多元回归模型的准确性最高。
• Jung等人的研究 ：采用非线性自回归外生模型（NARX）、长短期记忆循环神经网络（RNN - LSTM）和人工神经网络（ANN）来预测温室环境变化及其对植物生长的影响。该模型有助于确定植物生长的最佳温度、湿度和二氧化碳含量，并制定管理策略。其中，RNN - LSTM的准确率高达96