农业机械学报

作者：梁正龙，祁少刚，畅青霞，张盘，张国强，牛立群

单位：兰州理工大学,兰州理工大学,兰州交通大学,兰州理工大学,兰州理工大学,兰州理工大学,

关键词：日光温室;长短期记忆网络;支持向量机;环境预测模型

基金：甘肃省重点研发计划项目（24YFWA014）和国家自然科学基金地区科学基金项目（52405594）

准确预测日光温室内环境参数可有效降低温室控制的滞后性，是实现日光温室智能化控制的关键，对于实现日光温室生产过程的精细化智能管理具有重要意义。本文通过设置多层LSTM网络模型并结合SVM设计用于预测温室环境参数的混合模型，在模型预测过程中加入未来一段时期的天气信息辅以修正模型，以提高模型预测结果的准确性，实现在复杂天气条件下温室内环境参数预测。实验结果表明，该模型充分利用了LSTM在序列数据长期依赖关系处理上的特长以及SVM在特征提取和分类上的优势，实现了在复杂变化的室外环境条件对日光温室内关键环境参数的精确预测，预测决定系数R2均不小于0.93。实验验证对比结果表明，提出的加入未来一段时间天气信息修正的LSTM-SVM混合预测模型在复杂天气条件下对日光温室环境参数预测准确性和稳定性明显优于单一模型和其他传统方法。

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