ניתוח אמינות בין-שכבתית ואסטרטגיות אופטימיזציה רב-מטרית אדפטיביות לקצה למידול פיזיקלי רשת בניהול CPS חקלאי חכם

Summary

פרוטוקול זה מציג אסטרטגיית מידול ואופטימיזציה חוצת שכבות בתחום הסייבר-פיזיקלי לניהול חממות חכם, המאפשרת הערכה שחזורית של אמינות וביצועים אקולוגיים.

Abstract

הביקוש הגובר למזון ולחצי האקלים מניעים יישום חקלאות חכמה, אך מערכות סייבר-פיזיקליות קיימות (CPS) חסרות אינטגרציה אמינה בין שכבות וגמישות בזמן אמת, מה שמגביל ביצועים בסביבות דינמיות. פרוטוקול זה נועד לספק אסטרטגיית מידול ואופטימיזציה חוצת שכבות בתחום הסייבר-פיזיקלי לחקלאות חממה חכמה. היא מדגימה פוטנציאל ליישומי לשיפור האמינות וההתאמה של מערכות סייבר-פיזיקליות חקלאיות. הגישה משלבת שכבה פיזית עם מודל רצף הקרקע-צמח-אטמוספירה וכיול מסנן קלמן (EnKF) לחיזוי מדויק של לחות הקרקע. הוא כולל שכבת רשת המשתמשת במיזוג רב-פרוטוקולי עם מודל רשת פטרי סטוכסטית להערכת אמינות התקשורת. שכבת בקרה נבנית על מערכת היברידית סטוכסטית לתיאום קבלת החלטות משותפת. האמינות מוערכת גם באמצעות מסגרת אינדיקטור פונקציונלית-טמפורלית-אקולוגית, בעוד שאופטימיזציה משלבת למידה חיזוק רב-מטרית עם מגבלות בטיחות ומטה-למידה בייסיאנית כדי לאפשר התאמה מהירה במהלך החלפת גידולים. פריסה חכמה בקצה מבטיחה שליטה חזקה בזמן הפרעות תקשורת. תוצאות גידול עגבניות בחממה בשוגאנג, סין, מראות ביצועים יציבים וניתנים לשחזור בחיזוי יבול, יעילות שימוש במים ובהשהיה שליטה בתנאים מאתגרים. שיטה זו מספקת זרימת עבודה מעשית וניתנת לשכפול ליישום מערכות סייבר-פיזיקליות חקלאיות אדפטיביות ואמינות.

Introduction

אוכלוסיית העולם גדלה במהירות, וזמינות המשאבים יורדת, מה שמשנה את הדרך שבה החקלאות מתפתחת. המודלים הקונבנציונליים של חקלאות, שבהם הקלט של עבודה וחומרים גבוה, והתלות בתנאים הטבעיים חזקה, אינם יכולים להציע יעילות וקיימות. החקלאות החכמה הפכה, במקרה זה, לגישה המהפכנת. היא מאפשרת השגת תפיסת שדה מלאה, קבלת החלטות מדויקות ושליטה חכמה בשדה באמצעות שילוב של האינטרנט של הדברים, ניתוח נתונים גדולים, בינה מלאכותית ומערכות מידע מרחביות, מה שמגביר את יעילות השימוש במשאבים ותורם לייצור חקלאי בר-קיימא ^1,2.

שוק החקלאות החכמה גדל בקצב אקספוננציאלי ברחבי העולם, וארה"ב צומחת בטכנולוגיות החקלאות המדויקת, ישראל בהשקיה חסכונית במים, ויפן בתחום מערכות החממה החכמות³. בסין,^{תוכנית החומש} ה-14 הלאומית לפיתוח אינפורמטיזציה חקלאית וכפרית הובילה לטרנספורמציה הדיגיטלית של החקלאות, שהובילה להתקדמות בפרויקטים של גידול דיגיטלי, מכונות חכמות ופרויקטים חכמים מבוססי היקף⁴. אינטרנט של הדברים (IoT) מתייחס לרשת של מכשירי הפעלה וחישה מחוברים שאוספים, מחליפים ומעבדים נתונים. עם זאת, גם עם התפתחויות אלו, עדיין קיימות בעיות בכיסוי רשתות ה-IoT, בדיוק ואמינות חיישנים, חילופי מידע בין מערכות, וגישה להבנה בין-תחומית שמגבילה את היישום הנרחב ^5,6.

מערכות הסייבר-פיזיקליות (CPS) של החקלאות נמצאות במרכז הנוף הזה בחיבור תפיסת הסביבה לשליטה חכמה⁷. CPS שילב תהליכים חישוביים ופיזיקליים הקשורים לחיישנים, בקרים ורשתות תקשורת. עם זאת, שיטות המידול הקיימות מבוססות בדרך כלל על עצמאות השכבות הפיזיקליות, הרשת והבקרה, מה שמגביל את האינטראקציה בין השכבות ומפחית את יכולת החיזוי במהלך הפרעות דינמיות⁸. הערכות אמינות קיימות מדגישות גם הן ממדים פונקציונליים וזמניים, בעוד שאמינות אקולוגית, כגון יעילות השימוש במים ומגבלות מליחות הקרקע,^{עדיין לא} נחקרה מספיק. יתרה מזאת, אסטרטגיות אופטימיזציה רבות מתבססות על אימון לא מקוון, מה שמוביל לעיכובים בהסקה מבוססת קצה ולקושי בהסתגלות לשינויים מהירים בסביבה או גידולים¹⁰.

ניטור חממות מבוסס חיישנים צובר פופולריות, אך עדיין מתמודד עם מכשולים רבים שמונעים קבלה מוגברת. יכולת הרחבה והאמינות של המערכת מוגבלת על ידי עלויות פריסה גבוהות ואיכות חיישנים לא אחידה. שיטות המידול המשמשות בניטור חממות מבוסס חיישנים מבוססות על הנחה של תנאים סביבתיים יציבים, דפוסי צמיחה עקביים של גידולים והעברת מידע אמינה דרך רשתות תקשורת. עם זאת, הנחות אלו אינן תקפות בתנאים רבים המתרחשים בתוך חממות. מגבלות אלו מצביעות על דרישה לתכנן וליישם מסגרת שתוכל להתמודד עם קריאות רעש לא קבועות מחיישנים, תנודות באספקת כוח החיישנים במהלך השימוש, ותקופות של אובדן תקשורת מבלי לפגוע באיכות הביצועים או ביכולת היישום.

כדי להתמודד עם מגבלות אלו, פרוטוקול זה מציג תהליך מידול ואופטימיזציה חוצה שכבות שניתן לשחזור, שמשלב תהליכים פיזיים, רשתיים ושליטה למסגרת מאוחדת. השכבה הפיזית משתמשת במודל רצף קרקע-צמח-אטמואלה עם כיול מסנן קלמן אנסמבל לחיזוי מדויק של לחות הקרקע¹¹. שכבת הרשת משתמשת במיזוג רב-פרוטוקולי באמצעות מודל רשת פטרי סטוכסטית למדידת אמינות התקשורת. ברמת הבקרה, מערכת היברידית סטוכסטית מאפשרת קבלת החלטות משולבת בין שכבות שונות. מערכת אינדקס פונקציונלית-טמפורלית-אקולוגית משמשת למדידת אמינות, למידת חיזוק עמוקה רב-מטרית משמשת לאופטימיזציה של המערכת, עם מגבלות בטיחות ומטה-למידה בייסיאנית, המשמשת להסתגלות מהירה להחלפת גידולים. פריסה חכמה בקצה מספקת גם עמידות מערכת להפרעות מערכת במהלך התקשורת. בשילוב אלמנטים אלו, הפרוטוקול מציע דרך שיטתית וניתנת לשכפול לשיפור היציבות והגמישות של יישומי CPS בחקלאות חכמה¹².

פרוטוקול זה מתאים לסביבות חממה בקנה מידה בינוני עד גדול (800-1500 מ"ר) עם רשתות חיישנים אלחוטיות מגוונות לניטור קרקע, מיקרו-אקלים ופחמן. כדי לספק שליטה בזמן אמת, מומלץ רזולוציית דגימה מינימלית של 5 דקות, כאשר תקשורת LoRa/NB-IoT נחוצה לפריסה מרובת צמתים (>200 צמתים). תהליך העבודה מודגם לייצור עגבניות בחממה, אך ניתן ליישמו על גידולים כמו מלפפון, פלפל וירקות עליים באמצעות שינוי פרמטרים והעברת מטא-למידה.

הפרוטוקול מבוסס על מחזור עבודה רציף שבו מידול פיזי קובע את לחות הקרקע, שכבת הרשת קובעת את יציבות העברת הנתונים, ושכבות הבקרה + האופטימיזציה מייצרות מדיניות השקיה ודישון שמספקות יציבות אקולוגית ותפעולית. איור 1 מתאר את זרימת העבודה המוצעת בין מערכות סייבר-פיזיות בשכבות רבות.

Protocol

מצוין כי אין ניסויים על בני אדם או בעלי חולייתנים בפרוטוקול זה. במקרה של מחקרים עתידיים שיכללו מעורבות אנושית או דגימות ביולוגיות, יש לאשר זאת על ידי ועדת הביקורת המוסדית הרלוונטית, ומספר האישור חייב להירשם לפני היישום.

1. הכנת אתר וחומרה

הערה: שלב זה בונה רשת חיישנים סטנדרטית, המספקת מידע מדויק ומסונכרן על הסביבה לשימוש במידול ושליטה פיזיים נוספים.

1. קבע את מיקום החממה על ידי הזנת קואורדינטות ה-GPS בתוכנת הניטור. בחר את מיני הגידולים מתוך ספריית הגידולים שסופקה וקבע את היעדים הסביבתיים (טמפרטורה: 20-28 מעלות צלזיוס, לחות יחסית: 50%-70%).
2. תיעד את מידות החממה, מערכות האוורור ותצורת ההצללה.
3. סנכרן את כל המכשירים לשעון מאוחד באמצעות פרוטוקול זמן הרשת (NTP)¹³.
4. התקן חיישני לחות קרקע, טמפרטורה, לחות, אור_ו-CO2 בהתאם למפרט היצרן.
   1. התקן 60 חיישני לחות וטמפרטורה אלחוטיים לקרקע (דיוק ±2%), 10 חיישני לחות ו-CO2_(± דיוק CO2 של 30 ppm), ו-4 חיישני אור רב-ספקטרליים. השתמש במרווח רשת של 6 מ' על 5 מטר כדי למקם חיישני קרקע בעומקים של 10, 20 ו-30 ס"מ. בהתאם לתפקודם, כל החיישנים משתמשים במשדרים LoRa ובמודולי NB-IoT לתקשורת אלחוטית. סנכרן את השער והחיישנים המטאורולוגיים באמצעות NTP כדי להשיג דיוק חותמת זמן ±1 שניות.
5. התקן את החיישנים הקבועים בעומקים ובמיקומים שנקבעו כדי לוודא שהמדידה נכונה.
6. הגדר את קצב דגימת הנתונים ל-5 מייל לשעה והפעיל את יישור חותמות הזמן בשער.
7. רשמו את כל הצמתים של החיישנים עם מזהים ייחודיים ובדוק את הקישוריות של השער. בצע ריצת בדיקה של 24 שעות להערכת אובדן חבילות וסטיית השעון.
8. שמור את היומן הבסיסי כדי להשתמש בו בעתיד. טבלה 1 מייצגת את הגדרות הקונפיגורציה והפרמטרים של שלבי המידול.

2. מידול שכבה פיזית (רצף קרקע - צמח - אטמוספירה (SPAC) ומסנן קלמן אנסמבל (EnKF))

הערה: שלב זה מקרב את האינטראקציות בין הקרקע, הצמח והאטמוספירה כדי להפיק הערכות נכונות של לחות הקרקע המשמשות לשליטה בהשקיה.

1. הכן נתוני קלט במודל SPAC כי הוא דורש את הדברים הבאים: מרקם הקרקע, קיבולת השדה, התפלגות שורשים, מניעים מטאורולוגיים ומדד שטח עלי הכיסוי.
2. כל מערכי הנתונים הקלט עברו דגימה מחדש לאינדקס זמן אחיד של 5 דקות בפייתון 3.10 באמצעות פונקציית Pandas resample('5min').mean(). ערכים חסרים הוערכו באמצעות CubicSpline של SciPy, בעוד פערים >5 דקות שוחזרו על ידי הפצת תחזיות מודל SPAC דרך שלב החיזוי של EnKF. דגלי אי-הוודאות נשמרו לניתוח אמינות.
   1. מלא ערכים חסרים באמצעות אינטרפולציה קובית של ספליין¹⁴. לשחזר פערים ארוכים יותר (> 5 דקות) באמצעות שלב החיזוי של EnKF בהתבסס על לחות הקרקע ותחזית מטאורולוגית. סמן את כל הערכים המשוחזרים למעקב אי-ודאות.
3. קבע את משוואת ריצ'רדס למידול זרימת מים לא רוויה.
    
   כאשר הוא קצב השינוי של תכולת המים הנפחית θ (m³) ביחס לזמן t, h הוא ראש הלחץ (ס"מ), ו-K(θ) היא מוליכות הידראולית. ∇ האופרטור מציין את הגרדיאנט המרחבי, והביטוי (∇h+1) מייצג את הגרדיאנט ההידראולי הכולל.
4. הערכת פרמטרים הידראוליים של הקרקע באמצעות מודל ואן גנוכטן:
   
   כאשר K_s היא המוליכות ההידראולית הרוויה, S_e (θ-θ_r )/(θ_s -θ_r) היא הרוויה האפקטיבית עם θ_s ו-θ_x תכולת המים הרוויים והשארית. L הוא פרמטר הקישוריות הנקבוביות, m ו-n והם פרמטרי צורה הקשורים על ידי ( עם n>1). מציין את הרוויה האפקטיבית המוגברת לפרמטר הקישוריות נקבוביות L. בהתבסס על רוויה אפקטיבית S_e, מונח פונקציית ההידראוליה של ואן גנוכטן מתאר התנהגות לא-ליניארית של שמירת מים בקרקע ופרמטר צורה m.
5. שילוב משוואת ריצ'רדס עם מודל הפוטוסינתזה של פארקוור. אינטגרציה של מודל הטרנספירציה של פנמן-מונטית' כדי להסביר את השפעות האור, הטמפרטורה ו-CO₂.
6. אתחול פרימטרים וקטורי מצב עבור EnKF.
   הערה: ה-EnKF היא שיטת הטמעת נתונים במונטה קרלו שמעדכנת את הערכות מצב לחות הקרקע על ידי שילוב תחזיות המודל עם תצפיות בזמן אמת מחיישנים והערכה סטטיסטית של שונות שגיאה¹⁵.
7. הרץ מחזורי חיזוי ועדכון EnKF עד ששגיאת השורש-ממוצע-ריבוע (RMSE) של תחזיות לחות הקרקע יורדת מתחת ל-2%, או עד שמגיעים למקסימום 50 איטרציות.
8. ארכוב את כל הפרמטרים המכוילים לניתוח הבא. איור 2 מציג את עקומת ייצוב לחות הקרקע שנוצרה לאחר כיול SPAC-EnKF.
9. בצע את הליך הסימולציה המספרית עבור SPAC-EnKF. השתמש ב-MATLAB R2023b לחישוב SPAC-EnKF. הגדר את שלב הזמן Δt = 300 שניות, גודל האנסמבל N = 100, ומשתני המצב θ, h ו-K(θ) לערכים ההתחלתיים שלהם. השתמשו בפותר המשוואות ריצ'רדס לביצוע שלב התחזית והשתמשו בנתוני לחות הקרקע התצפיתיים לשלב העדכון. עד לסף ההתכנסות של RMSE < 2%, מחזורי חיזוי ועדכון חוזרים.

3. מידול שכבת רשת (רשת הטרוגנית ורשת פטרי סטוכסטית (SPN))

הערה: סעיף זה מעריך את אמינות התקשורת כדי לאפשר אספקת נתונים בזמן ובאופן רציף להחלטות בקרה.

1. פרוס מודולי תקשורת הטרוגניים, כולל LoRa לנתוני מטאורולוגיה לטווח ארוך, NB-IoT לחיישני קרקע, ו-5G למצלמות פנוטיפינג בתדר גבוה.
   1. הקצה נתוני מטאורולוגיה לטווח ארוך ברוחב פס נמוך (רוח, קרינה, גשם) למודולי LoRa. הפעל מודולי NB-IoT לצמתים של חיישני קרקע הדורשים רוחב פס בינוני ותפעול באנרגיה נמוכה. אפשר פנוטיפינג תדר גבוה של נתוני מצלמה באמצעות מודולי NR של 5G להעברת וידאו מהירה. צרכו שער קצה מבוסס Raspberry Pi התומך בניהול רב-פרוטוקולי לכל צומת תקשורת.
2. הגדר את המערכת לתמוך ביותר מ-200 צמתים בכל שער עם תדירות דגימה של 5 דקות.
3. הקלטה רציפה של מד עוצמת האות שהתקבל (RSSI), יחס אות לרעש (SNR) ומצב הסוללה. חשב את קצב קבלת החבילות במרווחי זמן של 5 דקות.
4. אם מתגלה קליטה חריגה, בדוק את יישור האנטנה ובדק מקורות הפרעה פוטנציאליים. הגדר ופתרון מודל אמינות התקשורת של רשת פטרי סטוכסטית (SPN)
   1. מימוש SPN באמצעות Mobius 2.0. הגדר שלושה מקומות: נורמלי (>95% קליטה), עיכוב (80-95%), והפרעה (<80%). הגדר קצבי מעבר λ_nd, λ_di, ו-λ_{כפונקציות} של SNR ואנרגיית הסוללה שנותרה:
      
   2. מחשב את התפלגות המצב היציב באמצעות משוואת האיזון הליניארית πQ = 0 כדי לקבל את הסתברות הפרעת התקשורת P_int = π_interrupt.
5. הגדר מודל SPN עם שלושה מצבי תקשורת: N נורמלי (>95% קליטה), עיכוב D (80-95%), והפרעה I (<80%). Q מציין את מטריצת היוצרים של שרשרת מרקוב בזמן רציף.
   
   מעברי המצבים נשלטים על ידי פרמטרי קצב λ_X→Y, כאשר X,Y∈ {N,D,I}. כדי להבטיח שכל שורה של Q תסכום לאפס, כל איבר אלכסוני הוא הסכום השלילי של קצבי המעבר היוצאים מהמצב הזה.
6. הערכת קצבי מעבר בהתבסס על SNR ומדדי אנרגיה שנותרו בשימוש.
   
   כאשר E הוא האנרגיה השיורית המנורמלת (0-1), ו-SNR הוא יחס האות לרעש הנצפה בדציבלים. k_XY הוא קבוע קנה מידה עבור קצב המעבר בין מצב X למצב Y, בעוד ש-k_s מווסת את תלילות התגובה התלויה ב-SNR. סף ה-SNR למעבר X→Y הוא SNR_XY. רמות סוללה נמוכות מגבירות את האפשרות למעבר, כפי שמתעד על ידי c_XY  ו-p_XY.  ∈_XY הוא שיעור בסיס קטן שמבטיח סבירות לא אפסית למעברים. הפונקציה הלוגיסטית המווסתת את רגישות ה-SNR היא
   
   כאשר σ(u) מציין את פונקציית הסיגמואיד הלוגיסטית, והמונח האקספוננציאלי ^e-u שולט בקצב המעבר של הפונקציה בין 0 ל-1.
7. פותר את התפלגות המצב היציב כדי לקבל את הסתברות ההפרעה. הגדר α = λ_N→D, β = λ_N→I, γ = λ_D→N, δ = λ_D→I, ε = λ_I→N, ζ = λ_I→D. הסתברות ההפרעה במצב יציב היא:
   
   כאשר π_I מראה את ההסתברות ארוכת הטווח (במצב יציב) שהמערכת תישאר במצב המופרע. ששת שיעורי המעבר בין שלוש המדינות מיוצגים על ידי הפרמטרים α, β, γ, δ, ε ו-ζ. המכנה מציג את איזון הזרימה הכולל בכל המעברים, בעוד שמונה קומפל את כל מסלולי המעבר היעילים המובילים למצב ההפרעה. הסיכוי הסטציוני להפסקת תקשורת תחת מבנה הקצב המוגדר מסופק על ידי הערך המתקבל. טבלה 2 מציגה את מעברי זרימת הנתונים הפרוצדורליים בין שכבות המידול ב-CPS המוצע.

4. מידול שכבת בקרה (MPC בתוך SHS)

הערה: תהליך זה ממקסם את האלטרנטיבה של השקיה ודישון, וכן מתחשב בנושאי תקשורת.

1. לבנות מערכת מודל לבקרת חיזוי (MPC), במטרה למקסם את תפוקת הגידולים בסוף 24 שעות. ביצוע תזמון השקיה מבוסס בקרה חיזוי מודלית (MPC). לממש MPC בספריית Python 3.10 / CasADi. הגדר אופק חיזוי Hp = 24 צעדים, אופק בקרה Hc = 6, וקלט בקרה u(t) (זרם השקיה). אופטימיזציה של פונקציית עלות:
   J = Σ (θ_target − θ(t))² + λu(t)²,
   באמצעות פותר IPOPT עם גבולות אילוצים 0 ≤ u(t) ≤ 6 מ"מ/שעה.
2. הגדר את משתני ההחלטה בנוגע לתהליכי ההשקיה והדישון.
3. השתמש במגבלות על טווח הלחות של הקרקע, מוליכות אזור השורשים, ושליטה בהשהייה.
4. הוסף הסתברויות להפסקת רשת לפותר ה-MPC כאשר הזמן אינו ודאי.
5. השתמש באילוץ הרך בפונקציית העלות באמצעות משקלים. Q (קלט)= 0.5-1.0; Q (פלט)= 0.3-0.7. משקלי הכוונון בהתאם למבחנים הראשוניים בכיוון כדי להבטיח את היציבות החזויה של MPC.
6. כאשר מתרחשת אובדן חבילות, יש לחזות לחות קרקע של שעה אחת באמצעות מודל SPAC ולחשב השקיה בפיצוי.
7. סנכרן את מצב הבקרה מיד לאחר שחזור התקשורת כדי למנוע פעולות כפולות.
8. משלבים מערכת פיזית רציפה, מערכת רשת בדידה ופעולות בקרה למודל מעבר של מערכת היברידית סטוכסטית (SHS).

5. כימות אמינות

הערה: כדי להעריך את עמידות המערכות בתגובה להפרעות, חלק זה מעריך הן את האמינות הפונקציונלית, הזמנית והן האקולוגית.

1. נעשה שימוש בשלושה מדדי אמינות: (1) אמינות פונקציונלית שנמדדה על ידי שגיאת חיזוי תפוקה (E_γ, %) והערכת קרקע-לחות RMSE; (2) אמינות זמנית הנמדדת על ידי השהיית בקרה מקצה לקצה (L_e₋_e, s); ו-(3) אמינות אקולוגית שהוערכה באמצעות יעילות שימוש במים (WUE, g·kg⁻¹) ושיעור המוליכות החשמלית באזור השורש של הזמן חרג מסף הבטיחות (T_ec>2.5dS/m, %).
2. בנה מודל משחק סטוכסטי, שבו מעורבים שלושה סוכנים: חיישן (ממזער את הסיכוי לכישלון), תוקף (שממקסם את הסיכוי לכישלון), וסביבה (הוספת הפרעות אקראיות) למודל.
3. הגדר פונקציות תשלום ופתרון שיווי משקל נאש כדי לזהות גבולות אמינות. בצע ניתוח רגישות גלובלי באמצעות מדדי Sobol לדירוג תרומות פרמטרים¹⁶.
4. תרומת הפרמטרים נמדדה באמצעות ממוצע ההשפעות האלמנטריות המוחלטות (EE, מדד הרגישות של מוריס), שחושבה ממסלולי דגימה מופרעים, והוערכה במשותף עם השונות של EE כדי ללכוד את עוצמת האינטראקציה והלא-ליניאריות; פרמטרים עם הממוצע הגבוה ביותר|EE| ושונות EE מוגברת זוהו כתורמים דומיננטיים ונבחרו לאופטימיזציה נוספת.

6. אסטרטגיית אופטימיזציה

הערה: חלק זה ממקסם החלטות שליטה להשגת פרודוקטיביות מיטבית, עלות ויציבות אקולוגית, ועדיין להסתגלות מהירה בעת שינוי גידולים.

1. ציין את מרחב המצב, הכולל את מדד שטח העלה, לחות הקרקע מוערכת ב-SPAC–EnKF, והשהיית בקרה שנרשמה בבקר הקצה.
2. הקמת מרחב הפעולה על ידי הגדרת כמות ההשקיה, קצב הדישון ותדירות דגימת החיישנים כפעולות בקרה בדידות ומוגבלות המיושמות בבקר הקצה.
3. בנה פונקציה מתגמלת רב-מטרתית על ידי שילוב אמינות, עלות כלכלית וביצועים סביבתיים באמצעות אופטימיזציה משוקללת.
4. התבוננו במדיניות פרטו-אופטימלית באמצעות אלגוריתם NSGA-III (טבלה 3).
5. לספק מגבלות בטיחות באמצעות פונקציות מחסום בקרה (CBFs) על ידי אכיפת גבולות תחתונים על לחות הקרקע באזור השורשים ועל גבולות עליונים על מליחות הקרקע כדי למנוע בצורת ועמסי מלח.
6. לספק תנאי יציבות ליאפונוב על ידי הגדרת פונקציית ליאפונוב חיובית ודהיטיבית על וקטור מצב הצמיחה וכפיית נגזרת הזמן שלה כשלילית ודדפטית בתוך גבולות ההפעלה הבטוחים.
7. השתמשו בלמידת המטא-בייסיאנית כדי לאפשר עדכון מהיר של הפרמטרים במקרה של החלפת יבולים.
   הערה: לאחר שלב זה, ניתן להשהות את תהליך העבודה כדי לאמת עדכוני מודל במצב לא מקוון. המשך על ידי טעינת נקודת הביקורת האחרונה.
8. הסתגל ל-7 הימים האחרונים וקבע זמן אימון מחדש של פחות מ-5 דקות. אימן מודל חיזוק דחוס על ידי יישום גיזום וכימות לאחר האימון, ואז כוונן אותו על מכשיר הקצה באמצעות נתוני אינטראקציה שנאספו מקומית.
9. השתמש במנגנון ההורדה בכל פעם שיש תקלות תקשורת כדי להבטיח שהשהיית הבקרה תישאר מתחת ל-30 שניות. סנכרן את ענני קורות החיים עם שחזור תקשורת.

Results

לחות הקרקע ו-SNR הם בעלי ההשפעה החיובית הגדולה ביותר של SHapley Additive exPlanations (SHAP) על החלטות ההשקיה, לפי תרשים הסיכום של SHAP (איור 3). השהייה גבוהה מניעה את המדיניות לאפשרויות גיבוי שמרניות, ומדגימה התאמה לארכיטקטורת הבקרה המודעת לאמינות. טבלה 4 מציגה הוראות תפעוליות ופרטי תצורה למודולים חישוביים

סידור ניסיוני

כדי לאשר את יעילות מבנה המודלים הפיזיקליים של רשת CPS החקלאית המוצעת ומדיניות אופטי...

Discussion

הראיות הניסיוניות מראות שמסגרת CPS המוצעת ואסטרטגיות האופטימיזציה מצטיינות בשלושת הממדים של אמינות, בטיחות ויעילות חישובית. מידול קישור חוצה שכבות מצליח להתגבר על ההפרדה ההיסטורית בין ייצוגים פיזיים לרשת. על ידי שילוב SPAC ו-SPN במסגרת SHS מאוחדת, המערכת הפחיתה את שגיאת תחזית התפוקה ב-32.7% וקיצרה עיכובים ב-45% בטמפרטורות גבוהות קיצוניות. מגבלות בטיחות הבטיחו שהביצועים האקולוגיים לא ייפגעו, כאשר WUE השתפר ב-19% בעוד שחריגת אזור השורשים EC נשארה רק 2.1%. הכנסת המטא-למידת בייסיאנית והפחתת ...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
מצלמה רב-ספקטרלית	MicaSense	RedEdge-MX	לוכד החזרת חופה להערכת LAI
NVIDIA ג'טסון ננו	NVIDIA	945-13450-0000-100	מכשיר קצה להסקת בינה מלאכותית מקומית
חיישן לחות קרקע	דקאגון דיווייז	EC-5	מודד את תכולת המים הנפחית בקרקע
תחנת מזג אוויר	קמפבל סיינטיפיק	CR300	רשומות טמפרטורה, לחות וגשמים