机构名称：
¥ 1.0
摘要 - 灌溉调度的任务涉及在整个生长季节的整个过程中依次建立要向现场施用的灌溉的时间和数量。此任务可以概念化为马尔可夫决策过程。强化学习（RL）是一种机器学习方法，利用与环境互动获得的奖励来指导行为，并逐步制定了一种最大化累积奖励的策略，非常适合管理诸如灌溉计划之类的顺序决策过程。深度RL是RL与深度学习技术的结合，有可能为复杂的国家提供复杂的认知决策挑战提供新颖的解决方案。在这项研究中，将提出一种基于RL的灌溉计划方法，以增强灌溉应用中经济回报的优化。此方法涉及计算每个步骤的灌溉量，同时服用蒸散量（ET），土壤水分，未来的沉淀概率以及当前的作物生长阶段。模拟结果显示，经济回报率有显着改善，潮湿季节和旱季分别为5.7％和17.3％，而节水效应类似于传统的基于阈值的方法。
增强学习
主要关键词
相关文件推荐
