典型文献
利用线性和非线性耦合方式建立温室温湿度预测模型
文献摘要：
基于蔬菜种植试验温室内温度、相对湿度和光照强度的实测数据,根据ARIMA模型和RBF神经网络对线性和非线性问题的预测能力差异,构建ARIMA-RBF神经网络权重组合的温湿度预测模型,对温室内温度和湿度的动态变化进行预测,并比较各模型预测精度.结果表明:温室内温湿度分别具有更明显的线性和非线性变化特征,对应预测性能较好的单一模型分别为ARIMA模型和RBF模型.相较单一模型,ARIMA-RBF神经网络权重组合模型的预测精度更高、稳定性更好.最佳温度组合模型的MAE、MAPE和RMSE分别为1.04℃、2.95％和1.21℃;最佳湿度组合模型的MAE、MAPE和RMSE分别为0.35个百分点、0.36％和0.55个百分点.权重组合模型通过适当的加权策略充分发挥了单一模型对数据不同特征的处理能力,能较好地评估温室内温湿度状态,可为建立更具普适性的温室环境因子模型提供参考.
文献关键词：
温室;温度;湿度;模型;ARIMA;RBF
中图分类号：
作者姓名：
蔡淑芳;林营志;吴宝意;郑东海;雷锦桂
作者机构：
福建省农业科学院数字农业研究所,福州 350003
文献出处：
引用格式：
[1]蔡淑芳;林营志;吴宝意;郑东海;雷锦桂-.利用线性和非线性耦合方式建立温室温湿度预测模型)[J].中国农业气象,2022(07):527-537
A类：
温湿度预测
B类：
非线性耦合,耦合方式,蔬菜种植,种植试验,室内温度,相对湿度,光照强度,ARIMA,RBF,非线性问题,预测能力,能力差异,权重组合,室内温湿度,别具,非线性变化,预测性能,组合模型,MAE,MAPE,RMSE,百分点,处理能力,湿度状态,温室环境,环境因子,因子模型
AB值：
0.295534
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
