Ghazouani M. A drip irrigation prediction system in a greenhouse based on long short-term memory and connected objects = Система прогнозування крапельного зрошення в теплиці на основі довгострокової пам'яті та пов'язаних об'єктів / M. Ghazouani, M. Azzouazi, M. A. Lamhour // Math. Modeling and Computing. - 2023. - 10, № 2. - С. 524-533. - Бібліогр.: 8 назв. - англ.Розумні теплиці використовують технологію інтернету речей (IoT) для моніторингу та контролю різних факторів, які впливають на ріст рослин, таких як вологість грунту, вологість у приміщенні, температура грунту, датчик дощу, освітлення та температура в приміщенні. Датчики та виконавчі пристрої, підключені до мережі IoT, можуть збирати дані про ці фактори та використовувати їх для автоматизації таких процесів, як полив, опалення та вентиляція. Це може допомогти оптимізувати умови вирощування та підвищити врожайність. Щоб забезпечити вегетативний ріст і розвиток, рослинам необхідно правильна кількість води в потрібний час. Мета роботи - строгий контроль за різними факторами, що впливають на ріст тепличних культур. Тому потрібна нелінійна модель для прогнозування зрошення тепличних культур. Під час роботи система отримує вхідні команди через датчики, а потім прогнозує наступний цикл поливу. Зрошення передбачено за допомогою GRU, LSTM і BLSTM, і проведено порівняння між результатами трьох методів та обрано метод з найкращим результатом.
Шифр НБУВ: Ж43974 Пошук видання у каталогах НБУВ
Повний текст Наукова періодика України
 Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
|