基于复数神经网络的智能温室温度预测研究

摘要：

温度趋势有效预测是实现智能温室环境精准调控的重要基础.作为温室最重要的环境参数,温室内温度与其它环境参数耦合度很高.在智能温室内连续8个月采集其环境数据,利用SPSS对其进行分析,掌握其时间序列特征,温室内温度及其它环境参数间相关性,筛选出与温度相关性高的光照度、空气湿度和土壤湿度,建立双隐层的复数神经网络的智能温室温度预测模型.将采集的12 900组样本数据划分为训练组和测试组数据,使得训练组和测试组数据覆盖到整个采集周期,以便能够全面反映数据规律.经过试验结果表明,网络结构为384-16-500-1时预测精度为0.873,相对测试误差最大为0.548.测试数据集预测精度为0.813,利用该模型进行温室温度预测时,阴天均方根误差RMSE较小.基于复数神经网络的温室温度预测模型可以有效预测温度,用于指导智能温室环境控制策略制定.

关键词：智能温室、温度、复数神经网络、预测

所属期刊栏目：40

分类号：S152.7(土壤学)

资助基金：国家重点研发计划项目2017YFD0201501——养分原位检测与水肥一体化施肥技术及其装备

在线出版日期：2019-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：174-178