农业机械学报

作者：胡瑾，雷文晔，卢有琦，魏子朝，刘行行，高茂盛

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：solar greenhouse; temperature; prediction model; one-dimensional convolutional neural networks; gated recurrent unit

基金：国家重点研发计划项目（2020YFD1100602）和陕西省重点研发计划项目（2021ZDLNY03-02）

准确预测日光温室温度是实现温室高效调控的关键，对作物生长发育具有重要意义，但因温度具有时序性、非线性及多耦合性等特征，难以实现连续、精准、长时化预测。提出了一种基于1D CNN-GRU（One dimensional convolutional neural networks-gated recurrent unit）的日光温室温度预测模型，通过温室内外监测平台获取内外环境因子，以斯皮尔曼相关系数获取相关性强特征，构造特征与时间步长的二维矩阵输入网络进行温度预测，模型在测试集上预测1~4h后的决定系数为0.970~0.994，均方根误差为0.612~1.358℃，平均绝对误差为0.428~0.854℃，绝对值的最大绝对误差为0.856~1.959℃。并在不同清晰度指数KT下进行验证，结果表明，模型在KT≥0.5（晴）时预测效果最好，且在其他KT下模型相对误差在10%以内，可以达到温室生产所需的预测精度要求，为日光温室精准高效控温提供了重要依据。

来源：2023年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第8期