基于SSA-LSTM的日光温室环境预测模型研究

摘要：

构建日光温室环境预测模型,准确预测温室环境变化有助于精准调控作物生长环境,促进果蔬生长.而温室小气候环境数据多参数并存、耦合关系复杂,且具有时序性和非线性,难以建立准确的预测模型.针对以上问题,提出一种基于麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)温室环境预测模型,实现了温室环境数据的精准预测.实验结果表明,采用SSA自动进行参数选优的方式,解决了 LSTM模型参数手动选择的难题,大幅缩短模型训练时间,且最优的网络参数能够发挥模型的最佳性能.对日光温室内空气温湿度、土壤温湿度、CO2浓度和光照强度6种环境参数进行预测,SSA-LSTM平均拟合指数高达97.6％,相比BP、门控循环单元(GRU)、LSTM,其预测拟合指数分别提升8.1、4.1、4.3个百分点,预测精度明显提升.

关键词：日光温室、物联网、麻雀搜索算法、长短期记忆网络、环境预测模型

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：山东省农业重大应用技术创新项目;山东省科技型中小企业创新能力提升工程项目;山东省重大科技创新工程项目

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：351-358