19、机器学习在作物产量、土壤湿度预测及无线传感器网络中的应用

机器学习在作物产量、土壤湿度预测及无线传感器网络中的应用

机器学习在作物产量与土壤湿度预测中的应用

背景与目标

在农业领域，精准预测作物产量和土壤湿度对于合理灌溉、提高水资源利用效率以及保障作物生长至关重要。为了实现这一目标，研究人员采用了多种机器学习算法进行预测。

数据收集与处理

1. 数据集收集 ：从特定网站收集了包含温度、湿度、土壤pH值、降雨量、氮（N）、磷（P）和钾（K）含量等信息的作物数据，这些数据涵盖了印度所有邦，且按年度收集。
2. 数据划分 ：将整个数据集划分为训练集（75%）和测试集（25%）。对于土壤湿度监测，首先使用基于物联网的传感器收集数据，然后用不同算法测试，观察实际值与预测值，最终选择预测效果最佳的决策树算法进行最终输出预测。
3. Arduino传感器板数据收集 ：传感器板包含多种传感器、继电器、LED和声音蜂鸣器，本项目使用土壤湿度、湿度和温度传感器收集数据。通过添加Wi-Fi模块扩展传感器板，该模块由微型USB 2.0电缆供电，用于连接数据收集REST API接口。

预测算法

1. 线性回归 ：一种简单的预测技术，用于估计连续变量，展示一个或多个自变量与因变量之间的线性关系，可评估因变量值随自变量值的变化情况。
2. 随机森林 ：用于分类和回归问题，通过多个样本构建决策树，分类时取平均值，回归时采用多数表