利用Elman神经网络的华北棚型日光温室室内环境要素模拟.pdfVIP

第 37 卷 第 13 期 农 业 工 程 学 报 Vol.37 No.13 200 2021 年 7 月 Transactions of the Chinese Society of Agricultural Engineering Jul. 2021 利用 Elman 神经网络的华北棚型日光温室室内环境要素模拟 1 1※ 2 2 2 2 程 陈 ，冯利平 ，董朝阳 ，宫志宏 ，刘 涛 ，黎贞发 （1. 中国农业大学资源与环境学院，北京 100193 ；2. 天津市气候中心，天津 300074 ） 摘 要：准确模拟日光温室内环境的变化过程是实现温室环境精准调控的前提。该研究以 3 个生长季的日光温室室内实 时气象观测资料为基础，利用 Elman 神经网络建模的方法，对日光温室室内 1.5 m 气温、0.5 m 气温和 CO2 浓度进行逐时 模拟，对日光温室室内平均湿度、平均温度、最高温度和最低温度进行逐日模拟，建立基于 Elman 神经网络的日光温室 室内环境逐时及逐日模拟模型，利用独立的气象观测资料对模型进行验证，并基于逐步回归方法和 BP 神经网络方法结果 进行对比分析。结果表明：1）基于Elman 神经网络的日光温室室内环境（1.5 m 气温、0.5 m 气温和 CO2 浓度）逐时模 拟值与实测值的均方根误差（Root Mean Square Error ，RMSE ）分别为2.14 ℃、1.33 ℃和 55.32 μmol/mol ，归一化均方根 误差（Normalized Root Mean Square Error ，NRMSE ）分别为 10.01%、5.87%和 10.70%，基于Elman 神经网络的日光温室 室内环境逐时模拟效果和稳定性最优。2 ）基于Elman 神经网络的日光温室室内环境（日均空气湿度、日均气温、日最高 气温和日最低气温）逐日模拟值与实测值的 RMSE 分别为 0.59%、0.88 ℃、2.02 ℃和 0.98 ℃，NRMSE 分别为 0.79%、 4.44% 、7.02%和 6.66%，基于 Elman 神经网络的日光温室室内环境逐日模拟效果和稳定性最优。研究结果可以准确模拟 日光温室室内逐时及逐日环境，也可以为环境模型与作物模型相互耦合提供技术支撑。 关键词：温室；温度；空气湿度；CO2 浓度；Elman 神经网络；逐步回归；BP 神经网络 doi ：10.11975/j.issn.1002-6819.2021.13.023 中图分类号：S625.5 文献标志码：A 文章编号：1002-6819(2021)-13-0200-09 程陈，冯利平，董朝阳，等. 利用 Elman 神经网络的华北棚型日光温室室内环境要素模拟[J]. 农业工程学报，2021， 37(13)：200-208. doi ：10.11975/j.issn.1002-6819.2021.13.023 Cheng Chen, Feng Liping, Dong Chaoyang, et al. Simulation of inside environmental factors in solar greenhouses using Elman neural network in