基于随机森林算法的日光温室内气温预测模型研究

开展日光温室气温预报,为农业生产提供参考,指导农户采取调控措施,为作物生长提供适宜条件,促进品质和产量提升。研究选取温室外气温、日照等气象因子,建立随机森林算法预测模型,就室内最低、最高气温进行拟合预测分析和预测因子重要性评估。结果表明,温室内最低、最高气温拟合值与观察值的拟合度分别达99.69%和99.85%,温室外最低气温是室内最低气温的重要预测因子,室外日照是室内最高气温的重要预测因子。同时建立支持向量机、神经网络、多元回归、逐步回归模型,通过对各个模型中平均绝对误差、均方根误差等3个指标进行比较,得出随机森林模型的预测精度优于其他模型。基于随机森林算法的气温预测模型精确度较高,可推广应用到后期日光温室气温预测中。     

基于BP神经网络的冬季日光温室小气候模拟

为了系统分析日光温室内外气候特征的关系,向日光温室作物环境调控及小气候预报提供支持,根据冬季日光温室内小气候观测试验资料和附近气象站观测资料,利用BP神经网络方法建立3个模型,分别对3种不同天气状况下石家庄地区日光温室冬季小气候特征进行模拟。结果表明,3个模型气温训练值与实测值的均方根误差(RMSE)都在2℃以内,决定系数都在0.95以上;相对湿度训练值的RMSE都在2个百分点以内,决定系数均高于0.95;接受到的太阳辐射的训练值与实测值的RMSE都在16 W/m2以内,决定系数也均超过0.95。利用此模型得到的气温预测值与实测值的RMSE都在2℃以内,决定系数都在0.9以上;相对湿度预测值与实测值的RMSE都在4个百分点以内,晴天和少云-多云状况下决定系数均高于0.9,寡照状况下的决定系数略低,约为0.8;接受到的太阳辐射的预测值与实测值的RMSE都在26 W/m2以内,决定系数均超过0.95。说明所建BP神经网络模型对于不同天气状况下石家庄地区日光温室冬季小气候特征模拟都有较高的精度,可以用于预测。     

黑龙江省三种水稻热量指数预测方法的对比研究

旨在选出一套适合黑龙江不同区域水稻低温冷害预测方法,为相关部门制定粮食生产和调整农作物种植结构提供科学依据。选择黑龙江省11个水稻农气观测站为研究对象,利用1971—2016年的气温资料、74类大气环流资料、水稻发育期数据,将黑龙江省划分为东、西、南3个区域,分别建立逐步回归预测模型、GM(1,1)灰色预测模型和均生函数预测模型,预测黑龙江水稻生育期总热量指数并进行对比分析。结果表明:建立的3种预测模型通过了残差检验,1971—2010年拟合平均准确率均在95%以上,结果差异不大;2011—2016年的试报准确率为85%～99%,其中GM(1,1)灰色预测模型准确率(97%～99%)高于逐步回归预测模型(91%～97%)和均生函数预测模型(85%～95%)。通过3种预测方法对比结果显示,GM(1,1)灰色预测模型模拟效果最好。     

山西日光温室逐日极端气温预测模型研究

利用山西省忻州市日光温室的室内小气候观测数据及气象站资料,用BP神经网络及逐步回归法建立以多种输入变量的不同天气条件下的日光温室内最高温度、最低温度的模型。结果表明,利用BP神经网络及逐步回归法建立的模型R2均在0.96以上,RMSE与AE大部分在2℃之下。利用逐步回归方法在模拟日光温室内晴天最高、最低温度和寡照的最高温度精度较高,利用BP神经网络模型在多云的最高、最低温度与寡照的最低温度模拟的精度较高。选择精度更好的模型对日光温室的极端气温做准确的预测,可为山西省设施农业的管理和调控及小气候预报提供支持。     

人工神经网络在熏煮香肠质构预测中的应用

应用BP神经网络对熏煮香肠质构的感官评定预测进行了改进。数学检验结果表明,建立的BP神经网络模型平方根误差(RMSE)和标准预测误差(%SEP)较低,显著低于多元回归模型,而偏差因子(B)f和准确性因子(A)f都在可接受范围。BP神经网络可以作为较好的预测模型,用于实际肉类工业中肉制品的质构感官评价,实现机械测定全部或部分代替感官评定的快速性、实时性、便捷性检测。     

基于数值预报产品的地表温度预报方法研究

为了开展地表温度预报业务,提高逐日地表温度预报准确率,利用2007—2012年的ECMWF和T213数值预报产品资料及抚顺市的逐日地表温度资料,采用逐步回归分析方法和BP神经网络模型分别构建抚顺市地表温度预报模型,并对模型的精度进行检验。结果表明,地表温度与ECMWF的高度场、海平面气压场、温度场和T213的散度场、高度场、海平面气压场、地面气压场、海平面K指数、水汽通量、相对湿度、温度场、地面气温和场涡度场均呈显著相关。对预报模型进行精度检验显示,地表平均温度和地表最低温度的预报效果较好,≤3℃预报准确率均达到79%以上。2种模型对比显示,BP神经网络预报模型总体上优于逐步回归预报模型;逐步回归预报模型较BP神经网络预报模型稳定。     

上海春季蟠桃大棚温室内气温变化特征及低温预报

为提高上海市金山区设施农业气象服务水平,减轻春季低温冻害对温室内‘玉露’蟠桃授粉的影响,利用2015—2017年春季蟠桃温室内外气象观测资料对春季棚内气温影响特征进行分析研究,采用多元线性回归和逐步回归的分析方法建立3种典型天气类型下蟠桃温室内最低气温预报模型。结果表明,晴天和多云天气下温室内气温呈现明显日变化特征,阴雨天温室内的平均气温偏低、湿度偏大,严重影响蟠桃的春季授粉率。蟠桃温室内的最低气温与温室内前一天的小气候因子有较好的相关性,提取前一天温室内最低、最高气温和棚外最低气温3个主要气象因子,尝试采用2015—2016年气象数据建立春季温室内不同天气状况下的最低气温预报模型,并利用2017年的春季气象资料对3种天气下预报模型进行验证,整个春季蟠桃温室内最低气温预报平均绝对误差在1.56℃,平均相对误差18%,均方根误差4.97℃,其中对阴雨天的最低气温预报效果最好。该研究结果可为设施农业环境调控及小气候预报提供支持。     

赤峰市松山区山坡地日光温室气温变化规律

为了解山坡地日光温室气温变化特征,提高设施农业气象服务水平,本研究对温室内外小气候因子进行了观测。采用相关分析和逐步回归的方法,对夏冬2季温室内外气温、湿度、地温和太阳辐射变化特征及室内温度预测模型进行了研究。结果表明：（1）夏冬2季室内温度、地温具有明显的日变化规律,冬季温室增温效果大于夏季,山坡地日光温室具有良好的保温效果;（2）5 cm、10 cm、20 cm地温变化幅度随土层深度的增加而减小,峰值出现随土层深度的增加而相应的滞后1 h左右;（3）日光温室室内温度与室内外小气候因子相关性较好。试验建立的夏冬2季室内温度预报模型,夏冬2季室内温度预报值绝对误差小于1℃,相对误差小于10%。     

上海春季蟠桃温室内气温变化特征及低温预报

为提高上海市金山区设施农业气象服务水平,减轻春季低温冻害对温室内‘玉露’蟠桃授粉的影响,利用2015—2017年春季蟠桃温室内外气象观测资料对春季棚内气温影响特征进行分析研究,采用多元线性回归和逐步回归分析方法建立3种典型天气类型下蟠桃温室内日最低气温预报模型。结果表明,晴天和多云天气下温室内气温有明显日变化特征,阴雨天温室内的平均气温偏低、湿度偏大,严重影响蟠桃的春季授粉率。蟠桃温室内的最低气温与温室内前一天的小气候因子有较好的相关性,提取前一天温室内最低、最高气温和棚外最低气温3个主要气象因子,尝试采用2015—2016年气象数据建立春季温室内不同天气状况下的日最低气温预报模型,并利用2017年的春季气象资料对三种天气下预报模型进行验证,整个春季蟠桃温室内日最低气温预报平均绝对误差在1.56℃,平均相对误差18%,均方根误差4.97℃,其中对阴雨天的日最低气温预报效果最好。该研究结果可为设施农业环境调控及小气候预报提供支持。     

雄先型核桃雄花疏除的二次回归与BP神经网络模型研究

雄先型核桃雄花疏除（去雄）是提高产量的重要管理措施,为提高核桃去雄的效率,建立二次回归与BP神经网络模型。分别以乙烯利、赤霉素和甲哌鎓为自变量和核桃雄花脱落率为响应指标,进行田间建模试验,建立了二次多项式回归方程和BP神经网络模型,并于翌年进行BP模型田间确认试验。试验数据分为训练集、确认集和试验集,中心组合（二次旋转回归试验设计）田间建模试验得到的20组数据随机划为训练集(17)和确认集(3)数据,试验集为翌年田间确认试验得到的数据,BP神经网络的拓扑结构为3-5-1。（1）BP神经网络对确认集样本的预测值误差分别为1.3550%、0.4291%、0.3538%;（2）BP神经网络的预测值与田间确认试验结果相差为2.04%,回归预测值与田间确认试验结果相差为3.12%;（3）BP神经网络预测比回归预测提高预测精度1.0%以上。将二次多项式逐步回归分析和BP神经网络方法有效的结合使用,既可明确各因子的作用效应亦可得到相对准确的预测结果。     

基于人工神经网络的落叶松毛虫发生量预测模型的研究

运用人工神经网络的原理和算法,根据相关系数法和逐步回归法选取了蒸发量、气温、风速、相对湿度等气象因子作为预报因子,建立了内蒙古东部地区的鄂伦春自治旗落叶松毛虫的发生面积及虫口密度与气象因子之间的BP网络模型。结果表明：所建立的模型具有较高的预测效果。通过逐步回归筛选出的预报因子,与事实吻合,选取合理。误差较小,控制在0.1%~25.0%之间。可以作为病虫害综合防治的依据。     

温室栽培基质耗水量与环境因子相关性的研究

为指导温室精确灌溉,对温室内气温、湿度、光照与不同栽培基质水分蒸发量进行了回归分析,根据纯水日蒸发量回归分析了不同栽培基质的水分日蒸发量,并使用BP神经网络对番茄需水量进行模拟。结果表明回归方程法能够较为准确地模拟日光温室水日蒸发量和基质水分日蒸发量,使用温室水蒸发量对未种植作物的园田土基质蒸发的回归模拟能取得较好的结果,而使用BP人工神经网络能够较好地对种植番茄的园田土水分日消耗量进行模拟。     

大樱桃大棚小气候特征分析及预报

为了研究大樱桃种植大棚内的小气候变化规律,为更好地开展大樱桃特色农业气象服务,笔者于2012—2014年在山东省临朐县开展了大樱桃大棚小气候观测试验,通过与外界气象条件对比,分析了大棚内小气候特征,并建立了大棚内小气候预报方程。结果表明,在观测期内,大棚内日平均气温、最高气温、最低气温、相对湿度均较棚外高;大棚内气温的最高值、相对湿度的最小值均出现在午后时段,大棚内最低气温和最大相对湿度一般都出现在早晨;晴天时,棚内气温、相对湿度的日较差最大,阴天时最小。大棚内小气候与大棚外当天及前一天的诸多气象因子相关关系显著。对大棚内小气候预报方程进行了检验,温度预报误差大部分在2℃以内,最小相对湿度预报误差大部分在10%以内,预报效果较好。     

日光温室小气候要素预报模型研究

了解日光温室小气候要素变化规律,建立小气候要素预报模型,可以对日光温室资源合理开发,为日光温室小气候调控提供依据。应用辽宁省沈阳市东陵区日光温室暖棚内农田小气候观测仪采集的逐小时气温、相对湿度数据,将冬季、春季、秋季和晴天、多云、阴天几种情况进行组合,计算棚内日最高气温、日最低气温、日平均相对湿度,分析其变化规律,并利用自动气象观测站数据,建立基于逐步回归方法的预报模型。分析结果表明,日光温室内日最高气温和日最低气温呈现春季、秋季温度值接近,冬季明显低于春秋两季的特征;而冬季日平均相对湿度高于春秋两季。日最高气温具有显著的从晴天至多云至阴天减少的变化特征,日最低气温特征不如日最高气温明显;日平均相对湿度为从晴天至多云至阴天增加的变化特征。所建立的日光温室小气候要素逐步回归预报模型,均通过了显著性检验,相关系数为0.608~0.933,相对误差范围为0.1%~19.0%,相对误差平均值为2.7%~9.9%。