首页 | 本学科首页   官方微博 | 高级检索  
     

基于1D CNN-GRU的日光温室温度预测模型研究
引用本文:胡瑾,雷文晔,卢有琦,魏子朝,刘行行,高茂盛. 基于1D CNN-GRU的日光温室温度预测模型研究[J]. 农业机械学报, 2023, 54(8): 339-346
作者姓名:胡瑾  雷文晔  卢有琦  魏子朝  刘行行  高茂盛
作者单位:西北农林科技大学机械与电子工程学院,陕西杨凌712100;农业农村部农业物联网重点实验室,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;陕西省农业信息感知与智能服务重点实验室,陕西杨凌712100;杨凌高新农业气象技术联合研示中心,陕西杨凌712100
基金项目:国家重点研发计划项目(2020YFD1100602)和陕西省重点研发计划项目(2021ZDLNY03-02)
摘    要:准确预测日光温室温度是实现温室高效调控的关键,对作物生长发育具有重要意义,但因温度具有时序性、非线性及多耦合性等特征,难以实现连续、精准、长时化预测。提出了一种基于1D CNN-GRU(One dimensional convolutional neural networks-gated recurrent unit)的日光温室温度预测模型,通过温室内外监测平台获取内外环境因子,以斯皮尔曼相关系数获取相关性强特征,构造特征与时间步长的二维矩阵输入网络进行温度预测,模型在测试集上预测1~4 h后的决定系数为0.970~0.994,均方根误差为0.612~1.358℃,平均绝对误差为0.428~0.854℃,绝对值的最大绝对误差为0.856~1.959℃。并在不同清晰度指数KT下进行验证,结果表明,模型在KT≥0.5(晴)时预测效果最好,且在其他KT下模型相对误差在10%以内,可以达到温室生产所需的预测精度要求,为日光温室精准高效控温提供了重要依据。

关 键 词:日光温室  温度  预测模型  一维卷积神经网络  门控循环单元
收稿时间:2022-12-08

Solar Greenhouse Temperature Prediction Model Based on 1D CNN-GRU
HU Jin,LEI Wenye,LU Youqi,WEI Zichao,LIU Hangxing,GAO Maosheng. Solar Greenhouse Temperature Prediction Model Based on 1D CNN-GRU[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(8): 339-346
Authors:HU Jin  LEI Wenye  LU Youqi  WEI Zichao  LIU Hangxing  GAO Maosheng
Affiliation:Northwest A&F University
Abstract:
Keywords:solar greenhouse   temperature   prediction model   one-dimensional convolutional neural networks   gated recurrent unit
本文献已被 万方数据 等数据库收录!
点击此处可从《农业机械学报》浏览原始摘要信息
点击此处可从《农业机械学报》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号