The invention relates to the field of information agriculture, and discloses a method for constructing a greenhouse winter temperature prediction model, which is characterized by the following steps: equal time interval;
【技术实现步骤摘要】
构建温室冬季温度预测模型的方法
本专利技术涉及信息农业领域，特别涉及一种构建温室冬季温度预测模型的方法。
技术介绍
温室可在低温季节提供合适的环境条件以保证园艺作物的正常生长。温度影响着作物的生理生化过程，影响生长发育进程，从而影响作物的产量和品质。夜晚过低的温度更可造成冷害，因此在必要时需加热提高温室的温度，预测夜晚的温度可提前知晓温室是否需要加温，仅在必要时加温，改变了以往操作的盲目性，从而可节省大量能源消耗，使得温室生产的能耗更低，更环保；白天的温度还影响着温室的放风。对温度变化进行预测是设施园艺智慧管理、调控的一项重要内容。目前，对温度预测有多种方法，如回归分析法、BP神经网络法等。回归分析法对大量数据进行分析，确定变量间的相关性，进而构建回归模型。回归模型不具有机理性，且外推使用的准确性无法保证。BP神经网络对人脑进行仿真，具有极强的非线性拟合能力，已在多个领域得到广泛应用。BP神经网络对温度的预测精度高，但神经网络的内部结构是黑盒，利用神经网络构建的模型无机理可言。此外，神经网络模型的性能依赖于学习的数据，且存在过拟合问题，这都影响着利用神经网络构建的...
【技术保护点】
1.一种构建温室冬季温度预测模型的方法，其特征在于，包括以下步骤：S1：以等时间间隔△t采集温室的温度，获取温度的时间序列数据；S2：按照自然日对所述温度的时间序列数据进行分割，从分割后的所述温度的时间序列数据中选取部分数据用于建模，称为数据集RA，剩余数据用于检验模型，称为数据集RB；S3：对所述RA进行平滑处理，随后使用滑动时间窗口从平滑处理后的所述RA中提取数据构建数据集A；使用滑动时间窗口从所述RB中提取数据构建数据集B；在构建所述数据集A和B时，所述滑动时间窗口的宽度设为4，滑动步长设为1，窗口内4个数据的采集时间点分别以t‑2、t‑1、t0和t1表示，t1距现在...
【技术特征摘要】
1.一种构建温室冬季温度预测模型的方法，其特征在于，包括以下步骤：S1：以等时间间隔△t采集温室的温度，获取温度的时间序列数据；S2：按照自然日对所述温度的时间序列数据进行分割，从分割后的所述温度的时间序列数据中选取部分数据用于建模，称为数据集RA，剩余数据用于检验模型，称为数据集RB；S3：对所述RA进行平滑处理，随后使用滑动时间窗口从平滑处理后的所述RA中提取数据构建数据集A；使用滑动时间窗口从所述RB中提取数据构建数据集B；在构建所述数据集A和B时，所述滑动时间窗口的宽度设为4，滑动步长设为1，窗口内4个数据的采集时间点分别以t-2、t-1、t0和t1表示，t1距现在的时间最近，t-2距现在的时间最远，t-2、t-1、t0和t1时刻的温度分别以T-2、T-1、T0和T1表示；S4：根据所述数据集A构建温室冬季温度变化预测模型M1；所述M1为：TP=a+b...
【专利技术属性】
技术研发人员：查学东，李霞，王慧，
申请(专利权)人：淮安市农业信息中心，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。