改進(jìn)灰狼算法的土壤墑情監(jiān)測(cè)預(yù)測(cè)系統(tǒng)

　　針對(duì)現(xiàn)有的固定端傳感器土壤墑情監(jiān)測(cè)預(yù)測(cè)系統(tǒng)架設(shè)成本高、傳感器易損壞、預(yù)測(cè)精度較低等問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了基于非固定無(wú)線傳感器組網(wǎng)與改進(jìn)灰狼算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的土壤墑情監(jiān)測(cè)預(yù)測(cè)系統(tǒng)。系統(tǒng)使用非固定即插即用式傳感器藍(lán)牙組網(wǎng)收集墑情數(shù)據(jù)，使用高精度多源定位接入融合方法進(jìn)行廣域室外高精度定位。在算法方面，針對(duì)灰狼算法在迭代中后期易陷入局部最優(yōu)等問(wèn)題，提出一種基于末尾探索者策略的改進(jìn)灰狼算法。首先，根據(jù)種群個(gè)體適應(yīng)度值排名，在原有算法個(gè)體類型中增加探索者類型。然后，將種群搜索分為三個(gè)時(shí)期：活躍探索期、周期探索期和種群回歸期。最后，在每個(gè)時(shí)期使用特有的位置更新策略進(jìn)行探索者位置調(diào)整，使得算法在探索初期更具隨機(jī)性，在探索中后期依然保持一定的解空間搜索能力，從而增強(qiáng)算法的局部最優(yōu)回避能力。使用標(biāo)準(zhǔn)函數(shù)進(jìn)行算法性能測(cè)試，并將該算法應(yīng)用于優(yōu)化土壤墑情神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型問(wèn)題，使用某市2號(hào)試驗(yàn)田的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，所提算法與直接神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比，相對(duì)誤差下降約4個(gè)百分點(diǎn)；與傳統(tǒng)灰狼算法、粒子群優(yōu)化（ PSO）算法優(yōu)化模型比較，相對(duì)誤差下降約1至2個(gè)百分點(diǎn)。所提算法擁有更小的誤差，更好的局部最優(yōu)回避匏力，能有效提高墑情的預(yù)測(cè)質(zhì)量。