基于XGBoost的温室环境预测与卷膜决策方法研究

为了实现温室大棚环境由人工管理到自动控制，将农民经验管理模式模型化、参数化，对温室大棚环境进行控制，在陕西杨凌选择管理优质的温室作为研究对象，利用机器学习的极端梯度提升算法（extreme gradient boosting,XGBoost）建立室外环境（温度、湿度和不同高度温度）、室内环境（温度、湿度）、控制（卷膜） 3者之间的关系，分别对4个不同生育期（新梢生长期、开花坐果期、果实膨大期、着色成熟期）葡萄温室的温、湿度进行模拟，并建立温室环境控制卷膜决策模型，将该模型应用于杨凌地区“锦田农庄”3号葡萄温室，实现了直接通过温室外界环境对温室卷膜进行远程控制。结果表明：与实际情况相比，模型决策准确率为95%，根据结果进行卷膜远程控制，昼间卷膜开启后，温度、湿度变化趋势缓慢，均处于目标区间，说明所建立的卷膜决策模型可以有效调控温室内的温度和湿度，能够减少温室内传感器的使用，具有较强的应用价值和推广意义。