利用线性和非线性耦合方式建立温室温湿度预测模型

摘要：

基于蔬菜种植试验温室内温度、相对湿度和光照强度的实测数据,根据ARIMA模型和RBF神经网络对线性和非线性问题的预测能力差异,构建ARIMA-RBF神经网络权重组合的温湿度预测模型,对温室内温度和湿度的动态变化进行预测,并比较各模型预测精度.结果表明:温室内温湿度分别具有更明显的线性和非线性变化特征,对应预测性能较好的单一模型分别为ARIMA模型和RBF模型.相较单一模型,ARIMA-RBF神经网络权重组合模型的预测精度更高、稳定性更好.最佳温度组合模型的MAE、MAPE和RMSE分别为1.04℃、2.95％和1.21℃;最佳湿度组合模型的MAE、MAPE和RMSE分别为0.35个百分点、0.36％和0.55个百分点.权重组合模型通过适当的加权策略充分发挥了单一模型对数据不同特征的处理能力,能较好地评估温室内温湿度状态,可为建立更具普适性的温室环境因子模型提供参考.

关键词：温室、温度、湿度、模型、ARIMA、RBF

所属期刊栏目：43

分类号：TP311;TP273;O415.5

资助基金：福建省自然科学基金项目;福建省科协项目;福建省农业科学院项目

在线出版日期：2022-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：527-537