【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种菇房温度预测模型的训练方法、菇房温度预测方法及装置。
技术介绍
1、在食用菌的种植过程中，菇房温度对食用菌养菌和出菇过程非常重要。食用菌的生命活动依赖于一系列功能蛋白，而蛋白活性与温度的变化密切相关。当菇房内温度超过食用菌适宜上限温度时，菌丝长势弱，容易遭受病虫害的侵袭，一旦超过其耐受极限，菌丝体受伤后将不可逆转；当菇房内温度低于适宜下限温度则生长缓慢或停止生长。因此，菇房温度精准控制是食用菌种植过程中必不可少的一环。
2、目前的菇房温度精准控制方法一般是以各种人工智能算法作为初始算法构建菇房温度预测模型，并利用历史菇房温度数据对菇房温度预测模型进行训练，最后将训练完成的菇房温度预测模型用于实际的菇房温度预测，从而对菇房温度进行精准控制。
3、在菇房温度预测模型的过程中，如果不对历史菇房温度数据进行一定处理，而仅仅只是重复地将历史菇房温度数据输入至模型中进行训练，那么想训练得到一个具有更好效果的菇房温度预测模型，往往就需要采集更多的历史菇房温度数据。并且其中一些具有明显特征的历...
【技术保护点】
1.一种菇房温度预测模型的训练方法，其特征在于，所述菇房温度预测模型是由第一预测子模型和第二预测子模型并联构成的，所述训练方法包括：
2.根据权利要求1所述的菇房温度预测模型的训练方法，其特征在于，针对任一所述模态分量，所述复杂度的计算包括以下步骤：
3.根据权利要求2所述的菇房温度预测模型的训练方法，其特征在于，所述计算所述二进制序列的复杂度，包括：
4.根据权利要求1所述的菇房温度预测模型的训练方法，其特征在于，所述根据所述复杂度，将所有所述模态分量进行高低频分类，包括：
5.根据权利要求1所述的菇房温度预测模型的训...
【技术特征摘要】
1.一种菇房温度预测模型的训练方法，其特征在于，所述菇房温度预测模型是由第一预测子模型和第二预测子模型并联构成的，所述训练方法包括：
2.根据权利要求1所述的菇房温度预测模型的训练方法，其特征在于，针对任一所述模态分量，所述复杂度的计算包括以下步骤：
3.根据权利要求2所述的菇房温度预测模型的训练方法，其特征在于，所述计算所述二进制序列的复杂度，包括：
4.根据权利要求1所述的菇房温度预测模型的训练方法，其特征在于，所述根据所述复杂度，将所有所述模态分量进行高低频分类，包括：
5.根据权利要求1所述的菇房温度预测模型的训练方法，其特征在于，将所述菇房温度标签分解为若干个模态分量之前，还包括：
6.根据权利要求1所述的菇房温度预测模型的训练方法，其特征在于，所述菇房温度预测模型的损失函数是基于平均绝对误差和热平衡物理模型的损失函数确定的；
7...
【专利技术属性】
技术研发人员：王明飞，张馨，单飞飞，郑文刚，陈晓丽，孙维拓，赵九霄，王德群，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
类型：发明
国别省市：
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。