-
题名基于LSTM-GRU的日光温室环境预测方法研究
被引量：7
- 1
-
-
作者
乔小丹
郑文刚
张馨
单飞飞
王明飞
梁栋
-
机构
北京市农林科学院智能装备技术研究中心
北京市农林科学院
安徽大学电子信息工程学院
-
出处
《江苏农业科学》
北大核心
2022年第16期211-218,共8页
-
基金
财政部和农业农村部:国家现代农业产业技术体系项目(编号:CARS-20)
北京市科技计划(编号:Z201100008020013)
农业物联网技术北京市工程实验室建设项目(编号:PT2021-28)。
-
文摘
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。
-
关键词
日光温室
LSTM-GRU模型
非线性
温湿度预测
-
分类号
S126
[农业科学—农业基础科学]
S625.5
[农业科学—园艺学]
-
-
题名红外CO_(2)传感器温湿度补偿方法研究
被引量：3
- 2
-
-
作者
乔小丹
郑文刚
张馨
王明飞
梁栋
-
机构
安徽大学电子信息工程学院
北京市农林科学院智能装备技术研究中心
北京农林科学院
-
出处
《传感器与微系统》
CSCD
北大核心
2023年第8期46-49,共4页
-
基金
北京市科技计划资助项目(Z201100008020013)
2021年度农业物联网技术国家地方联合工程实验室建设项目(PT2021—06)
国家现代农业产业技术体系资助项目(CARS—20)。
-
文摘
为提高非色散红外(NDIR)CO_(2)传感器测量精度,基于原理分析了温度、湿度对测量精度的影响;进行了实验对比与验证,提出了基于贝叶斯优化的XGBoost(Bayesian-XGBoost)补偿模型。实验结果表明:在测试样本中,模型补偿后的均方根误差(RMSE)为20.98×10^(-6),平均绝对误差(MAE)为13.29×10^(-6),绝对误差小于±60×10^(-6);与反向传播神经网络(BPNN)、传统XGBoost模型相比,所提的模型精度更高。将算法模型嵌入传感器中并进行测试,补偿后传感器输出值绝对误差小于±110×10^(-6),测量精度得到了较好提升。
-
关键词
CO_(2)传感器
XGBoost模型
贝叶斯优化
温湿度补偿
-
Keywords
CO_(2)sensor
XGBoost model
Bayesian optimization
temperature and humidity compensation
-
分类号
TP212
[自动化与计算机技术—检测技术与自动化装置]
TP217
[自动化与计算机技术—检测技术与自动化装置]
-
