典型文献
基于LSTM-GRU的日光温室环境预测方法研究
文献摘要：
提前准确获取日光温室中温湿度变化对作物提质增产至关重要,传统方法预测能力有限.针对日光温室环境具有非线性、时滞性、强耦合性等特点,提出了基于长短期记忆神经网络和门控循环单元神经网络相结合(LSTM-GRU)的温湿度预测模型.试验首先利用温室采集系统获取室内外环境及卷膜开度的历史数据,再将数据通过线性插值法进行缺失填充、卡尔曼滤波去噪、归一化处理后,以时间序列输入预测模型中训练和测试.试验结果表明,该预测方法对温度的预测指标均方根误差(RSME)、平均绝对误差(MAE)分别达到0.431、0.352℃,在±0.5℃内的预测误差占总误差比为93.9％;相对湿度的预测指标RMSE、MAE分别达到4.794％、3.579％,在±5％内的预测误差占总误差比为92.0％,提高了温室温湿度预测精度,为温室环境控制系统提供高时效的决策依据.
文献关键词：
日光温室;LSTM-GRU模型;非线性;温湿度预测
中图分类号：
作者姓名：
乔小丹;郑文刚;张馨;单飞飞;王明飞;梁栋
作者机构：
北京市农林科学院智能装备技术研究中心,北京100097;北京市农林科学院,北京100097;安徽大学电子信息工程学院,安徽合肥230601
文献出处：
引用格式：
[1]乔小丹;郑文刚;张馨;单飞飞;王明飞;梁栋-.基于LSTM-GRU的日光温室环境预测方法研究)[J].江苏农业科学,2022(16):211-218
A类：
温湿度预测
B类：
GRU,日光温室,温室环境,环境预测,提质增产,预测能力,时滞性,强耦合,耦合性,长短期记忆神经网络,门控循环单元神经网络,采集系统,室内外,内外环境,开度,历史数据,数据通,线性插值法,卡尔曼滤波,滤波去噪,归一化处理,预测指标,RSME,平均绝对误差,MAE,预测误差,相对湿度,RMSE,环境控制系统,决策依据
AB值：
0.298244
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。
