10.16208/j.issn1000-7024.2017.03.035
基于PSO-RBF神经网络在温室温度预测中的应用
为提高温室温度模型预测的准确率,提出一种基于PSO-RBF神经网络的温室温度预测模型.针对梯度下降法收敛速度慢的问题,利用PSO算法优化RBF神经网络参数;为验证该模型有效性,以农场实测数据建立样本,对温室温度进行预测,验证了其比梯度下降法优化的RBF神经网络模型具有更好的预测效果;为给温室内调控设备的提前控制提供依据,根据1月-5月温度数据,利用时间序列法预测相关温室参数,作为该模型输入,利用其预测6月份温度,预测结果表明该月温度呈上升趋势.
RBF神经网络、PSO算法、温室温度、模型、预测
38
TP183(自动化基础理论)
2017-04-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
744-748