基于经验模态分解和小波神经网络的温室温湿度预测

郁莹珺 徐达宇 寿国忠

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0.993 4，湿度模型有效性为0.978 1，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

中图分类号： S625.5+1 文献标志码： A 文章编号：1002-1302（2019）01-0211-05

温室作物生产是农业生产发展的一个新阶段，相较于大田作物生产，其生产过程受外界气候变化的影响较小，能够满足人们在不同季节对各种农产品的需求。现代化温室可以有效地调控温度、湿度、光照、二氧化碳浓度以及土壤温湿度等环境因子，营造一个与室外大气候环境相对隔离的小气候环境，减小作物生长对自然环境的依赖性。我国温室发展迅速，但单位面积产量与西方发达国家相比，仍较为落后。温室小气候环境是影响作物生长和产量的主要条件之一，为满足作物对其生长环境的不同要求，须要分析温室小气候的变化。……