营养液膜栽培技术(Nutrient Film Technique,NFT)模式下,作物对环境变化更加敏感。为保障作物根区环境条件合理,需要精准调控栽培管道内的温度,从而有效提高水培生菜品质,同时降低整体温室环境调控能耗。采用遗传算法(Genetic Algorithm...营养液膜栽培技术(Nutrient Film Technique,NFT)模式下,作物对环境变化更加敏感。为保障作物根区环境条件合理,需要精准调控栽培管道内的温度,从而有效提高水培生菜品质,同时降低整体温室环境调控能耗。采用遗传算法(Genetic Algorithm,GA)优化BP神经网络模型的输入权重和阈值,以单个NFT栽培槽为研究对象,对槽内根区不同的监测区域分别构建温度预测模型,并与标准的BP神经网络和卷积神经网络(Convolutional Neural Network,CNN)模型进行对比。结果表明,GA-BP预测模型与标准BP和CNN神经网络模型相比,均方根误差分别降低0.82和0.42,平均绝对误差分别降低0.54和0.25,绝对系数分别提高0.08和0.03。该方法可提高基于BP神经网路算法对NFT根区温度预测模型精确度,为根区温度的精准控制提供可靠依据。展开更多
