基于SO-BP神经网络的温室环境预测模型研究

doi:10.13733/j.jcam.issn.2095‑5553.2024.08.014

摘要/Abstract

摘要： 由于温室环境中温湿度的调控过程存在滞后响应特性，预测温室环境变化趋势是构建温室精准控制系统中不可或缺的一部分。针对传统神经网络算法在温室预测方面精度不足等问题，提出一种基于蛇优化算法（snake optimizer， SO）优化BP神经网络的温室环境预测方法。试验结果表明，该方法预测15 min内温度的决定系数R2为0.956 4，比BP模型、HHO-BP模型分别提高14.87%、2.19%，平均绝对误差MAE、平均绝对百分比误差MAPE、均方根误差RMSE值分别为0.481 3、2.237 8、0.672 9；预测15 min内湿度的R2为0.982 1，比BP模型、HHO-BP模型分别提高13.12%、2.37%，预测指标MAE、MAPE、RMSE值分别为1.709 0、2.584 2、2.283 8。该模型的预测结果较理想，可用于温室温湿度预测。

关键词: 温室环境, 温湿度预测, 精准控制系统, 蛇优化算法, 神经网络

Abstract: v

Key words: greenhouse environment, temperature and humidity prediction, precise control system, snake optimizer algorithm, BP neural network

中图分类号:

S625
TP18

张万帆, 任力生, 王芳, . 基于SO-BP神经网络的温室环境预测模型研究[J]. 中国农机化学报, 2024, 45(8): 94-99.

v. Research on greenhouse environment prediction model based on SO-BP neural network[J]. Journal of Chinese Agricultural Mechanization, 2024, 45(8): 94-99.

参考文献

[ 1 ] 晋春，毛罕平，马国鑫，等. 基于改进遗传算法的温室环境动态优化控制[J]. 江苏大学学报（自然科学版）， 2022， 43（2）: 169-177.
Jin Chun， Mao Hanping， Ma Guoxin， et al. Dynamic optimal control of greenhouse environment based on improved genetic algorithm [J]. Journal of Jiangsu University （Natural Science Edition）， 2022， 43（2）: 169-177.
[ 2 ] 乔小丹，郑文刚，张馨，等. 基于LSTM-GRU的日光温室环境预测方法研究[J]. 江苏农业科学， 2022， 50（16）: 211-218.
[ 3 ] 李师. 基于改进灰狼算法的温室温湿度预测与控制[D]. 保定：河北农业大学， 2021.
[ 4 ] 张建超，单慧勇，景向阳，等. 基于Elman神经网络的温室环境因子预测方法[J]. 中国农机化学报， 2021， 42（8）: 203-208.
Zhang Jianchao， Shan Huiyong， Jing Xiangyang， et al. Prediction method of greenhouse environmental factors based on Elman neural network [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（8）: 203-208.
[ 5 ] 田东，韦鑫化，王悦，等. 基于MA-ARIMA-GASVR的食用菌温室温度预测[J]. 农业工程学报， 2020， 36（3）: 190-197.
Tian Dong， Wei Xinhua， Wang Yue， et al. Prediction of temperature in edible fungi greenhouse based on MA-ARIMA-GASVR [J]. Transactions of the Chinese Society of Agricultural Engineering， 2020， 36（3）: 190-197.
[ 6 ] 徐宇，冀荣华. 基于复数神经网络的智能温室温度预测研究[J]. 中国农机化学报， 2019， 40（4）: 174-178.
Xu Yu， Ji Ronghua. Research on temperature prediction of intelligent greenhouse based on complex neural network [J]. Journal of Chinese Agricultural Mechanization， 2019， 40（4）: 174-178.
[ 7 ] 任守纲，刘鑫，顾兴健，等. 基于R-BP神经网络的温室小气候多步滚动预测模型[J]. 中国农业气象， 2018， 39（5）: 314-324.
Ren Shougang， Liu Xin， Gu Xingjian， et al. Multi‑Step rolling prediction model of greenhouse microclimate based on R-BP neural network [J]. Chinese Journal of Agrometeorology， 2018， 39（5）: 314-324.
[ 8 ] Rasheed A， Kwak C S， Na W H， et al. Development of a building energy simulation model for control of multi‑span greenhouse microclimate [J]. Agronomy， 2020， 10（9）: 1236.
[ 9 ] 尹庆珍，张天策，郄丽娟，等. 基于广义回归神经网络异质复合墙体日光温室温度场的预测[J]. 中国农业大学学报， 2019， 24（6）: 137-146.
Yin Qingzhen， Zhang Tiance， Qie Lijuan， et al. Temperature field prediction and application of heterogeneous composite wall in solar greenhouse based on general regression neural network [J]. Journal of China Agricultural University， 2019， 24（6）: 137-146.
[10] 柴伟家. 基于神经网络的温室温湿度预测与控制[D]. 泰安：山东农业大学， 2021.
Chai Weijia. Prediction and control of temperature and humidity in greenhouse based on neural network [D]. Tai'an：Shandong Agricultural University， 2021.
[11] Jung D H， Kim H S， Jhin C， et al. Time‑serial analysis of deep neural network models for prediction of climatic conditions inside a greenhouse [J]. Computers and Electronics in Agriculture， 2020， 173: 105402.
[12] 程陈，冯利平，董朝阳，等. 利用Elman神经网络的华北棚型日光温室室内环境要素模拟[J]. 农业工程学报， 2021， 37（13）: 200-208.
Cheng Chen， Feng Liping， Dong Chaoyang， et al. Simulation of inside environmental factors in solar greenhouses using Elman neural network in North China [J]. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（13）: 200-208.
[13] 许童羽，王泷，张晓博，等. RBF神经网络在北方日光温室湿度模拟预测中的应用[J]. 沈阳农业大学学报， 2014， 45（6）: 726-730.
Xu Tongyu， Wang Long， Zhang Xiaobo， et al. Application of RBF neural network in humidity simulation and prediction of northern sunlight greenhouse [J]. Journal of Shenyang Agricultural University， 2014， 45（6）: 726-730.

[1]	樊宇航, 宋卫东, 王教领, 王明友, 丁天航, 周德欢. 人工神经网络在果蔬干燥领域应用进展[J]. 中国农机化学报, 2024, 45(8): 112-119.
[2]	张倩, 王明, 于峰, 陶震宇, 张辉, 李刚. 基于CNN的作物分类识别图像获取平台研究进展[J]. 中国农机化学报, 2024, 45(8): 170-179.
[3]	刘艺梦, 潘守江, 丁小明, 王会强, 杜亚尊, 冯佐龙. 基于GA-BP的NFT水培奶油生菜根区温度预测[J]. 中国农机化学报, 2024, 45(8): 189-195.
[4]	黄亦其, 鹿林飞, 沈豪, 王福宽, 乔曦, . 基于卷积神经网络的入侵昆虫识别研究[J]. 中国农机化学报, 2024, 45(7): 222-227.
[5]	张延军, 赵建鑫, . 基于多路神经网络的黄花菜关节点检测算法研究[J]. 中国农机化学报, 2024, 45(7): 228-234.
[6]	王宏轩, 于珍珍, 李海亮, 汪春, 严晓丽, 邹华芬. 基于GA-BP神经网络的鲜食玉米产量预测[J]. 中国农机化学报, 2024, 45(6): 156-162.
[7]	窦文豪, 孙三民, 徐鹏翔. 基于Stacking集成学习的枣树智能灌溉系统设计与试验[J]. 中国农机化学报, 2024, 45(6): 270-276.
[8]	毛恩荣, 王皓洁, 杜岳峰, 朱忠祥, 翟志强, 张丽榕. 大功率拖拉机多工况换挡自适应控制策略[J]. 中国农机化学报, 2024, 45(5): 122-127.
[9]	薛霞, 刘鹏, 周文. 基于改进YOLOv8算法的实时细粒度植物病害检测[J]. 中国农机化学报, 2024, 45(5): 188-194.
[10]	郭宏杰, 马睿, 王佳, 赵威, 马德新. 基于卷积神经网络的苹果叶部病害图像识别研究[J]. 中国农机化学报, 2024, 45(5): 239-245.
[11]	林燕翔, 沈印, 李光林. 基于改进InceptionV3算法的小麦杂质识别研究[J]. 中国农机化学报, 2024, 45(4): 108-116.
[12]	张慧蒙, 何超, 徐嘉雯, 罗鑫, 荣剑, 刘学渊. 基于SCGYOLOv5n的收获期澳洲坚果检测算法[J]. 中国农机化学报, 2024, 45(4): 214-221.
[13]	纪元浩, 许金普, 严蓓蓓, 薛俊龙. 基于改进ResNet50模型的咖啡生豆质量和缺陷检测方法[J]. 中国农机化学报, 2024, 45(4): 237-243.
[14]	田丁伊, , 石洪康, , 祝诗平, , 陈肖, 张剑飞. 基于改进残差神经网络的家蚕日龄识别模型[J]. 中国农机化学报, 2024, 45(2): 259-266.
[15]	梁万杰, 曹静, 孙传亮, 曹宏鑫, 张文宇, . 基于深度学习的农作物病害识别系统研发[J]. 中国农机化学报, 2023, 44(9): 169-175.