摘要： 温度趋势有效预测是实现智能温室环境精准调控的重要基础。作为温室最重要的环境参数,温室内温度与其它环境参数耦合度很高。在智能温室内连续8个月采集其环境数据,利用SPSS对其进行分析,掌握其时间序列特征,温室内温度及其它环境参数间相关性,筛选出与温度相关性高的光照度、空气湿度和土壤湿度,建立双隐层的复数神经网络的智能温室温度预测模型。将采集的12 900组样本数据划分为训练组和测试组数据,使得训练组和测试组数据覆盖到整个采集周期,以便能够全面反映数据规律。经过试验结果表明,网络结构为384-16-500-1时预测精度为0.873,相对测试误差最大为0.548。测试数据集预测精度为0.813,利用该模型进行温室温度预测时,阴天均方根误差RMSE较小。基于复数神经网络的温室温度预测模型可以有效预测温度,用于指导智能温室环境控制策略制定。

关键词: 智能温室, 温度, 复数神经网络, 预测

中图分类号: 

• TP183

• S625