摘要：为探索地源热泵降温技术在设施农业领域中的应用途径和发展潜力,以及寻求传统蒸发式降温系统存在设施内湿度较高等问题的解决方法,该文作者在北京地区日光温室中进行了地源热泵温室夏季降温试验研究。该研究以COP即性能系数为评价指标对系统降温性能进行分析,并提出适用于该研究的能量传递和系统性能分析模型。2007年8月17～19日连续观测数据和分析结果显示,地源热泵温室降温系统制冷性能系数(COPsyscg)平均值达到3.01。2007年8月17日为连续观测的3天之中室外日均气温最高的一天,监测数据表明:上午10︰00至下午14︰00室内、外平均气温分别为31.3℃和34.1℃,平均温差2.8℃,同期室内平均相对湿度仅为60.7%,地源热泵系统具有明显的降温和除湿效果。测试期间温室外张挂遮阳幕,遮阳率为70%。

摘要：提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1:1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3.1%。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高,可为日光温室的湿度环境调控制提供理论依据和决策支持。