Research on greenhouse environment prediction model based on SO-BP neural network

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

Abstract

Abstract: v

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

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

CLC Number:

S625
TP18

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

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.

References

[ 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.