基于广义回归神经网络异质复合墙体日光温室温度场的预测

作者：尹庆珍; 张天策; 郄丽娟; 韩建会

来源：中国农业大学学报, 2019, (06): 137-146.

• 日光温室
• 广义回归神经网络
• 留一优化法
• 温度场预测 solar greenhouse
• general regression neural network
• leave-one-out method
• temperature field prediction

为深入分析新型异质复合墙体日光温室的保温特性与应用前景,利用广义回归神经网络算法训练样本数据,通过三次样条插值法对训练结果拟合,建立冬季温室温度场预测模型。提出确定最优光滑因子的分组数目的留一优化法。选取河北省农科院经作所设计建造的新型异质复合墙体日光温室的2017年数据进行试验验证。结果表明:该模型预测效果良好,分组数目约为样本数目的1/16时训练效果最佳,预测温度与实际温度平均误差0.276 5℃,相关系数大于0.99,具有较好的精度与稳定性。本模型预测温室温度场效果良好,可用于预测冬季温室最低温度确定作物最优定植时间。

• 单位
  华北电力大学; 河北省农林科学院