基于MEA-LM-BP神经网络的棚室温度预测模型研究

作者：李欢; 田芳明^*; 谭峰; 朱培培

来源：农机化研究, 2021, 43(06): 189-193.

DOI：10.13427/j.cnki.njyi.2021.06.035

• 棚室温度
• 预测模型
• 思维进化算法
• LM-BP

对棚内温度进行精确预测是实现棚室精准调控的前提,是实现棚内作物高品质栽培的保障。因棚室具有大惯性、强耦合、非线性等特点,通过机理分析法难以建立其准确的数学模型,人工神经网络方法在棚室温度预测方面应用广泛,但其存在的收敛速度慢、容易陷入局部最小等缺点使测量精度受到影响。为进一步提高基于神经网络算法的棚室温度预测模型精度,运用思维进化算法(Mind Evolutionary Algorithm,MEA)优化LM-BP神经网络模型的输入权重和阈值,并与遗传算法优化LM-BP网络模型和LM-BP模型进行对比。试验结果表明:MEA-LM-BP与LM-BP和GA-LM-BP方法相比,RMSE分别降低了0.32和0.16,平均相对误差降低了1.08%和0.58%。该方法提高了基于神经网络算法的棚室温度预测模型精确度,并提供了新的优化路径。

• 单位
  黑龙江八一农垦大学