基于SVM-ACO算法的光环境优化调控模型

设施光环境优化调控是提高作物产量与品质的关键,而光饱和点决定作物利用光的能力。因此,如何根据温度、CO_2浓度变化实现光饱和点的动态获取是设施光环境调控技术发展的重要问题。针对上述问题,本文提出基于支持向量机—蚁群算法(SVM-ACO)的黄瓜光环境优化调控模型。通过多因子嵌套试验获得不同光光量子通量密度、CO_2浓度、温度组合条件下的光合速率值,利用支持向量机算法建立光合速率模型,设计基于连续蚁群寻优算法获取光饱和点并以其为调控目标,建立全范围温度、CO_2浓度下的光环境优化调控模型。调控模型可实现光饱和点的动态获取,且模型决定系数为0.995,均方根误差为15.73,为设施光环境高效精准调控提供了理论依据。