基于经验模态分解和小波神经网络的温室温湿度预测

摘要：

温室温湿度的准确预测有助于及时调节温室小环境,温湿度预测模型是温室控制的重要基础,提高预测精度有助于提高生产水平.针对温室系统具有非线性、非平稳性等特点,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和小波神经网络(wavelet neural network,简称WNN)的温室温湿度组合预测方法.首先,利用经验模态分解方法将原始时间序列分解成一系列分量;然后对各分量分别构建小波神经网络模型进行预测;最后叠加各子序列得到预测值.结果表明,运用EMD-WNN组合的温度模型有效性为0.9934,湿度模型有效性为0.9781,且优于单独WNN模型和BP神经网络模型的预测结果,可有效提高短期温室温湿度预测的精度.

关键词：经验模态分解、小波神经网络、模型构建、温室、温度、湿度、预测

所属期刊栏目：47

分类号：S625.5+1(设施园艺（保护地栽培）)

资助基金：浙江省自然科学基金LQ17G010003;浙江农林大学人才启动项目2012FR070

在线出版日期：2019-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：211-216