标题：基于RF-SVR-XGBoost集成模型的树木灌溉系统设计
作者：刘天一1，2 郑一力1，2；宁玉栋3；胡跃阳1
作者单位：1 北京林业大学工学院，北京 100083；2 林木资源高效生产全国重点实验室，北京 100083；3 西安黄河工程建设咨询有限公司，陕西 西安 710000
关键字：灌溉系统；蒸腾量预测；Stacking集成算法；模糊控制
摘要： 为解决苗木培育过程中信息化程度不足与灌溉决策滞后等问题，结合树木的生长环境及其在各生育时期的需水特征，提出并设计了一种灌溉系统。该系统可实时采集并传输灌区气象数据，采用基于Qt框架开发的客户端程序与基于Vue3构建的Web平台，实现远程人机交互功能。通过构建融合随机森林（Random Forest）、支持向量回归（Support Vector Regression）与极限梯度提升（Extreme Gradient Boosting）模型的Stacking集成算法，预测树木蒸腾量，并将该集成模型与各单一模型进行对比分析。将预测结果结合土壤湿度偏差输入到模糊控制系统中，得到灌溉时长，从而实现动态灌溉决策。实验结果表明，系统通过灌溉设备与云端服务器协同工作，实现了树木生长环境的实时可视化。采用基于Stacking集成算法构建的RF-SVR-XGBoost蒸腾量预测模型，在验证集上的决定系数达到0.9435，均方根误差为 0.3320。与最优单一模型RF相比，均方根误差降低了8.1%，决定系数提升了0.86%。整体模型在灌溉时间判断方面的平均误差率为5.9%，显著优于10%的标准阈值，验证了系统在精准灌溉决策方面的有效性。系统通过融合高精度蒸腾量预测与模糊控制策略，具备较强的灌溉时长判别能力，能够有效支持精准灌溉决策。