1.智能水分调节与环境参数物联网大数据系统，其特征在于：系统由环境与水分参数监控平台和环境参数检测与水分调节子系统两部分组成，环境与水分参数监控平台实现对环境与水分参数检测，环境参数检测与水分调节子系统实现对环境与水分参数处理和水分调节；

环境参数检测与水分调节子系统由LSTM神经网络模型、参数检测模块、控制模块、PI控制器、AANN自联想神经网络模型和水分调节装置组成；

多组温度、湿度、光照度和风速传感器输出作为对应的参数检测模块输入，参数检测模块输出、AANN自联想神经网络模型输出和水分设定值作为LSTM神经网络模型输入，LSTM神经网络模型输出与AANN自联想神经网络模型输出水分等级误差和误差变化率作为控制模块输入，每个区域水分传感器输出的时间序列值作为对应的参数检测模块的输入，多个参数检测模块输出作为AANN自联想神经网络模型的对应输入，控制模块输出与多个对应参数检测模块输出的误差和误差变化率作为对应的PI控制器输入，多个PI控制器输出作为对应的水分调节装置的控制量，每个区域对应的参数检测模块和水分调节装置实现该区域水分进行检测与调节，LSTM神经网络模型、控制模块和AANN自联想神经网络模型实现对整个区域的水分进行精确与均衡调节，环境参数检测与水分调节子系统对每个区域水分进行单独检测与调节和整个区域进行精确与均衡调节相结合；

所述参数检测模块由NARX神经网络模型、Adaline神经网络模型、K‑means聚类分类器、CNN卷积‑LSTM神经网络模型、Vague集的模糊小波神经网络模型和按拍延迟线TDL组成；

参数传感器感知被检测环境的时间序列参数值分别作为对应的NARX神经网络模型和Adaline神经网络模型的输入，NARX神经网络模型与Adaline神经网络模型输出的差作为被检测环境的参数波动值，多个时间序列参数波动值和多个Adaline神经网络模型输出分别作为对应的K‑means聚类分类器的输入，2个K‑means聚类分类器输出的多个类型的时间序列参数波动值和Adaline神经网络模型输出分别作为对应的CNN‑递归模糊神经网络的输入，多个CNN卷积‑LSTM神经网络模型输出作为Vague集的模糊小波神经网络模型的对应输入，Vague集的模糊小波神经网络模型输出的三个参数分别为x、t和1‑f，x为被检测参数的实数值，t为可信度，f为不可信度，1‑f为可信度和不确定度和，1‑f‑t为不确定度，x、t和1‑f构成被检测参数Vague集的数值为[x，(t，1‑f)]，Vague集的模糊小波神经网络模型输出作为按拍延迟线TDL输入，按拍延迟线TDL输出作为参数检测模块的输出；

控制模块由PID控制器、PI控制器、参数自调整因子模糊控制器和模糊小波神经网络模型组成；

被控制量误差和误差变化率分别作为控制模块的PID控制器、PI控制器和参数自调整因子模糊控制器的输入，PID控制器输出作为NARX神经网络模型输入，NARX神经网络模型、参数自调整因子模糊控制器和PI控制器的输出作为模糊小波神经网络模型的对应输入，模糊小波神经网络模型输出作为控制模块输出。

2.根据权利要求1所述的智能水分调节与环境参数物联网大数据系统，其特征在于：环境与水分参数监控平台包括检测环境与水分的多个检测节点、控制节点、网关节点、现场监控端、云平台和移动端App组成，检测节点、控制节点和网关节点以自组织方式构建成无线测控网络来实现检测节点、控制节点和网关节点之间的无线通信。

3.根据权利要求2所述的智能水分调节与环境参数物联网大数据系统，其特征在于：所述检测节点将检测的环境与水分参数通过网关节点的RS232接口发送给现场监控端，现场监控端对环境与水分参数进行处理；控制节点控制水分调节装置并接收网关节点发送的控制信息，网关节点通过NB‑IoT模块与云平台之间和云平台通过5G网络与移动端App之间实现环境与水分参数的双向传输。