基于改进PSO优化RBF神经网络的温室温度预测研究*

王媛媛

(1.淮阴工学院计算机工程学院　淮安　223003)(2.江苏省物联网移动互联技术工程实验室　淮安　223003)



基于改进PSO优化RBF神经网络的温室温度预测研究*

王媛媛1,2

(1.淮阴工学院计算机工程学院淮安223003)(2.江苏省物联网移动互联技术工程实验室淮安223003)

摘要论文以温室内外的气象数据为输入量,以温室内温湿度等气象因子为输出量,使用改进PSO算法优化的RBF神经网络构建温室内环境温湿度的预测模型。通过实验对预测模型进行仿真测试与性能评估,验证该方法的可行性和有效性。该模型数据获取方便、所需参数少、模拟精度高,为温室内极端温度的预测、调控和管理优化提供了科学依据。

关键词RBF神经网络; PSO算法; 预测模型; 温室

Class NumberTP183

1引言

随着农业总体技术水平的提高,人们对农产品高品质、多样化的需求越来越明显。为了减小一些恶劣自然环境对农作物生长的影响,设施农业在农业产品生产中已被广泛应用,例如可以提高农产品的品质、产量以及延长生产季节的智能连栋温室建设逐步向大型化、多样化方向发展。温室内的环境因素,光照强度、空气温度、湿度、地温、风力、二氧化碳浓度、土壤湿度等环境因素对作物生长发育影响较大,尤其对极端天气的适应性较差,例如温度过高引发高温热害,温度过低引发低温冻害。在满足高效、节能和高产的前提下,根据气象部门的各类气象预报的要素值分析大棚内外气候的相关性,模拟和预测温室内温湿度等环境值的变化趋势,建立小气候预测模型,合理调控温室内环境要素,为作物生长提供良好的生长环境并最大限度地减小作物的病害发生率,对可能出现的室内极端温度及时进行早期预警。……