基于蜣螂算法优化BP的冬夏生菜根区温度预测模型

作     者：刘艺梦 丁小明 王会强 李恺 张观山 尹义蕾 潘守江 LIU Yimeng;DING Xiaoming;WANG Huiqiang;LI Kai;ZHANG Guanshan;YIN Yilei;PAN Shoujiang

作者机构：农业农村部规划设计研究院北京100125 河北农业大学机电工程学院保定071001 山东农业大学机械与电子工程学院泰安271018 

基　　金：河北省重点研发计划项目(21326904D) 农业农村部规划设计研究院自主研发计划项目(QD202106) 设施园艺智能装备创新团队项目(CXTD-2021-05) 农规英才项目(QNYC-2021-02) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2024年第40卷第5期

页      码：231-238页

摘      要：为解决生菜应用营养液膜技术(nutrient film technique,NFT)在冬夏季根区温度控制的问题,该研究基于机器学习方法,结合温室内外历史环境数据,构建BP神经网络根区温度预测模型。为提高模型精度,采用蜣螂算法(dung beetle optimizer, DBO)优化BP神经网络模型的输入权重和阈值,构建了冬夏两个季节的基于DBO-BP神经网络的栽培槽内根区温度预测模型,并与GA-BP、BP神经网络模型进行对比。结果表明,根区温度预测值与真实值变化趋势较为一致,DBO-BP模型温度预测最大误差为2.21°C,决定系数为0.943,而GA-BP与BP模型决定系数分别为0.928、0.892;DBO-BP模型评价指标的均方根误差、平均绝对误差分别为0.707、0.549°C,均小于其他模型评价指标。DBO-BP神经网络可满足在NFT栽培中根区温度预测精度的需求,能够为生菜栽培根区快速控温提供有效方法。

主 题 词：温室 温度 营养液膜技术 蜣螂优化算法 BP神经网络 根区温度预测 

学科分类：082803[082803] 08[工学] 0828[工学-建筑类] 

核心收录：

D　O　I：10.11975/j.issn.1002-6819.202312071

馆 藏 号：203127511...