农业机械学报

作者：赵全明，宋子涛，李奇峰，郑文刚，刘宇，张钟莉莉

单位：河北工业大学,河北工业大学;北京农业智能装备技术研究中心,北京农业信息技术研究中心,北京农业智能装备技术研究中心,北京市农林科学院,北京农业信息技术研究中心,

关键词：温室出菇房;环境分布;温湿度预测;卷积神经网络;门控循环单元神经网络

基金：农业农村部岗位科学家项目 (CARS-20)、北京市百千万人才工程项目(2018A33)和北京市农林科学院科研创新平台建设项目

有效获取温室出菇房的温湿度空间分布对于优化食用菌环境胁迫、病害预警、出菇房预调控至关重要，但传统的单点预测不能很好地满足菇房整体环境性能评估的需求。针对出菇房内温湿度时序性、非线性、空间分布差异性的特点，提出一种基于卷积神经网络（CNN）与门控循环单元神经网络（GRU）相结合的菇房多点温湿度预测方法。将温室室外历史气象数据、温室室内历史小气候环境数据、多点环境分布特征、通风信息和加湿信息多特征数据按照时间序列构造二维矩阵作为输入，采用CNN挖掘数据中蕴含的有效信息，提取反映温室环境数据相互联系的高维特征，将提取的特征向量构造为时间序列输入GRU网络进行多点温湿度预测。将该预测方法应用于北京市农林科学院的日光温室出菇房内多点温湿度预测，实验结果表明，该预测方法对于出菇房内各点温度RMSE平均值为0.211℃，MAE平均值为0.140℃，误差控制在±0.5℃范围内的平均比例为97.57%；对于出菇房内各点相对湿度RMSE平均值为2.731%，MAE平均值为1.713%，误差控制在±5%范围内的平均比例为92.62%；相比传统的BP神经网络、长短期记忆神经网络（LSTM）和门控循环单元神经网络（GRU），该预测方法具有更高的预测精度。

来源：2020年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第9期