基于气象数据的北方试验棚室温度预测模型研究
发布时间：2021-08-21 19:34
棚室温度是影响作物生长速度与品质的关键因素,对棚室温度进行短期预测是实现节能调控的理论基础。试验先构建棚室温度动态模型,确定需要采集的相应环境变量。再引入天气预报的短期预报数据,采用遗传算法（Genetic Algorithm,GA）优化LM-BP神经网络的方法,建立北方试验棚室的温度预测模型。试验结果表明,引入天气预报的GA-LM-BP棚室预测模型相比LM-BP预测模型预测精度更高,RMSE=0.88℃,模型拟合度达到93.93%,可以较准确预测下一时刻棚内温度值。进一步为棚室短期温度预警模型提供理论支持。
【文章来源】：黑龙江八一农垦大学学报. 2020,32(04)
【文章页数】：9 页
【部分图文】：
辨识模型预测值与实测值对比
BP(Back Propagation）神经网络是将信号由输入层传入，通过隐含层到输出层，产生的误差由原路线逐层调整权值，直到模型的输出更接近期望目标[31]。BP神经网络拓扑结构如图2所示，其中X1,X2…Xm为输入值，Wij、Wjk为权值，Y1,Y2…Ym为输出值。为了加快网络的学习速度、解决“局部极值”问题，使用Levenberg-Marquardt(LM）算法优化网络，LM算法可以利用自适应调整网络的权值，提升网络的学习速度和泛化能力。
遗传算法（Genetic Algorithm,GA）是一个将生物进化原理中的“优胜劣汰，适者生存”思想引入的方法[32]。在一定环境模拟生物进化的方式，根据适应度值选择优等个体进化，不断寻找，从而逼近全局最优解[33]。用GA算法优化LM-BP网络，可以增强网络搜寻能力，具体的实现流程如图3所示。GA优化LM-BP网络的具体实施步骤如下：
【参考文献】：
期刊论文
[1]基于BP神经网络粒穗连接力的数学模型的建立[J]. 杨立,衣淑娟,朱晓姝,孙政波,杨立庆. 黑龙江八一农垦大学学报. 2019(02)
[2]基于经验模态分解和小波神经网络的温室温湿度预测[J]. 郁莹珺,徐达宇,寿国忠,王佩欣. 江苏农业科学. 2019(01)
[3]温室地上环境因子模型研究综述[J]. 张宁,谭亲跃,张戈风. 中国农学通报. 2019(02)
[4]基于改进深度信念网络的农业温室温度预测方法[J]. 周翔宇,程勇,王军. 计算机应用. 2019(04)
[5]基于PCA-PSO-LSSVM的温室大棚温度预测方法[J]. 杨雷,张宝峰,朱均超,刘娜,赵岩. 传感器与微系统. 2018(07)
[6]温室环境控制方法研究进展分析与展望[J]. 毛罕平,晋春,陈勇. 农业机械学报. 2018(02)
[7]一种液体自动灌装系统的研究[J]. 刘洪波. 长春大学学报. 2017(12)
[8]二次聚类与神经网络结合的日光温室温度二步预测方法[J]. 陈昕,唐湘璐,李想,刘天麒,贾璐,卢韬. 农业机械学报. 2017(S1)
[9]设施农业温室大棚智能控制技术的现状与展望[J]. 邢希君,宋建成,吝伶艳,田慕琴,李德旺. 江苏农业科学. 2017(21)
[10]温室生产系统优化控制方法综述[J]. 杜尚丰,陈俐均,徐丹,何耀枫,梁美惠. 河北工业大学学报. 2017(05)
博士论文
[1]北方干寒地区日光温室小气候环境预测模型与数字化研究[D]. 毕玉革.内蒙古农业大学 2010
[2]日光温室的热环境数学模拟及其结构优化[D]. 李小芳.中国农业大学 2005
硕士论文
[1]日光温室温度预测模型与卷帘智能控制方法研究[D]. 裴雪.西北农林科技大学 2018
[2]日光温室冬季能量分配模型建立与能量分析[D]. 张悦.沈阳农业大学 2016
本文编号：3356210
【文章来源】：黑龙江八一农垦大学学报. 2020,32(04)
【文章页数】：9 页
【部分图文】：
辨识模型预测值与实测值对比
BP(Back Propagation）神经网络是将信号由输入层传入，通过隐含层到输出层，产生的误差由原路线逐层调整权值，直到模型的输出更接近期望目标[31]。BP神经网络拓扑结构如图2所示，其中X1,X2…Xm为输入值，Wij、Wjk为权值，Y1,Y2…Ym为输出值。为了加快网络的学习速度、解决“局部极值”问题，使用Levenberg-Marquardt(LM）算法优化网络，LM算法可以利用自适应调整网络的权值，提升网络的学习速度和泛化能力。
遗传算法（Genetic Algorithm,GA）是一个将生物进化原理中的“优胜劣汰，适者生存”思想引入的方法[32]。在一定环境模拟生物进化的方式，根据适应度值选择优等个体进化，不断寻找，从而逼近全局最优解[33]。用GA算法优化LM-BP网络，可以增强网络搜寻能力，具体的实现流程如图3所示。GA优化LM-BP网络的具体实施步骤如下：
【参考文献】：
期刊论文
[1]基于BP神经网络粒穗连接力的数学模型的建立[J]. 杨立,衣淑娟,朱晓姝,孙政波,杨立庆. 黑龙江八一农垦大学学报. 2019(02)
[2]基于经验模态分解和小波神经网络的温室温湿度预测[J]. 郁莹珺,徐达宇,寿国忠,王佩欣. 江苏农业科学. 2019(01)
[3]温室地上环境因子模型研究综述[J]. 张宁,谭亲跃,张戈风. 中国农学通报. 2019(02)
[4]基于改进深度信念网络的农业温室温度预测方法[J]. 周翔宇,程勇,王军. 计算机应用. 2019(04)
[5]基于PCA-PSO-LSSVM的温室大棚温度预测方法[J]. 杨雷,张宝峰,朱均超,刘娜,赵岩. 传感器与微系统. 2018(07)
[6]温室环境控制方法研究进展分析与展望[J]. 毛罕平,晋春,陈勇. 农业机械学报. 2018(02)
[7]一种液体自动灌装系统的研究[J]. 刘洪波. 长春大学学报. 2017(12)
[8]二次聚类与神经网络结合的日光温室温度二步预测方法[J]. 陈昕,唐湘璐,李想,刘天麒,贾璐,卢韬. 农业机械学报. 2017(S1)
[9]设施农业温室大棚智能控制技术的现状与展望[J]. 邢希君,宋建成,吝伶艳,田慕琴,李德旺. 江苏农业科学. 2017(21)
[10]温室生产系统优化控制方法综述[J]. 杜尚丰,陈俐均,徐丹,何耀枫,梁美惠. 河北工业大学学报. 2017(05)
博士论文
[1]北方干寒地区日光温室小气候环境预测模型与数字化研究[D]. 毕玉革.内蒙古农业大学 2010
[2]日光温室的热环境数学模拟及其结构优化[D]. 李小芳.中国农业大学 2005
硕士论文
[1]日光温室温度预测模型与卷帘智能控制方法研究[D]. 裴雪.西北农林科技大学 2018
[2]日光温室冬季能量分配模型建立与能量分析[D]. 张悦.沈阳农业大学 2016
本文编号：3356210
本文链接：https://www.wllwen.com/projectlw/qxxlw/3356210.html
