农业机械学报

作者：冀荣华，王文轩，安冬，齐劭天，刘金存

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,

关键词：日光温室;环境参数;时间序列;多步预测

基金：北京市现代农业产业技术体系项目（BAIC01-2024-19）

准确预测日光温室的环境参数对实现精准环境调控至关重要。在日光温室中，温度、相对湿度和光照强度是关键环境参数。利用监测平台采集了日光温室内1年环境数据，包括温度、相对湿度和光照强度，以及同时段的室外温度、室外湿度和室外光照强度等气象数据。通过深入分析，研究了这些参数的特征及相互关系。分析表明，日光温室环境参数具有时序性、非线性和周期性特征，且存在复杂耦合关系，且在不同季节存在着显著性差异。 本研究提出日光温室多参数多步预测模型（MPMS-SGH），用于精确预测3种关键温室环境参数，且具有一定季节适应性。MPMS-SGH包括输入层、预处理层、特征提取层和预测层。输入层用于生成包含室内温度、室内湿度、室内光照强度以及室外温度和室外光照强度的原始序列矩阵；预处理层对原始序列矩阵进行归一化、分解和位置编码；特征提取层分别使用时序注意力机制和频域注意力机制从趋势分量和季节分量中提取特征；预测层利用多层感知机对室内环境参数（温度、相对湿度和光照强度）进行多步预测。参数选择实验评估了在不同输入输出序列长度下MPMS-SGH的预测性能。结果表明：当输出序列长度固定时，MPMS-SGH预测精度随输入序列长度增加呈先升后降趋势，输入序列长度为100时预测精度最高，此时温度、相对湿度和光照强度RMSE分别为0.22℃、0.28%和250lx；当输入序列长度固定时，随着输出序列长度增加，模型对3种环境参数的预测精度持续下降，输出序列长度超过45时MPMS-SGH预测精度显著降低。综合考虑模型的规模与性能，将MPMS-SGH的输入序列长度设为100，输出序列长度设为35。通过与SVR、STL-SVR、LSTM和STL-LSTM 4种预测模型对比实验表明，MPMS-SGH性能最优，其温度、相对湿度和光照强度RMSE分别达到0.15℃、0.38%和260lx，且序列分解有助于提升预测性能。进一步测试MPMS-SGH在不同季节的预测精度发现：该模型对室内温度预测精度最高，对相对湿度预测精度最低，且预测精度随季节波动。其中，春季晴天温室温度预测精度最高（R2=0.91），冬季晴天相对湿度预测精度最高（R2=0.83），秋季阴天光照强度预测精度最高（R2=0.89）；夏季晴天3种环境参数预测精度均为最低。

来源：2025年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第7期