[发明专利]一种基于极限学习机网络的温室环境智能控制方法

说明书

一种基于极限学习机网络的温室环境智能控制方法，涉及温室环境智能控制方法，所述方法包括以下制备过程：样本数据的搜集，根据农业专家所提供的某种农作物生长的经验数据，再通过实验，获得农作物在不同的生长时期的偏差；样本数据的归一化处理，建立的神经网络模型；建立单极限学习机网络控制模型：极限学习机网络由输入层、隐含层和输出层组成；建立多极限学习机网络控制模型：将多个极限学习机网络模型组合在一起，构成多极限学习机网络控制模型；利用多极限学习机网络控制模型对温室环境进行智能控制，得到温室控制参数。本发明实现了对温室农作物生长环境的精确控制，提高了温室农作物的产量和品质。

技术领域

本发明涉及一种，特别是涉及一种基于极限学习机网络的温室环境智能控制方法。

背景技术

我国是农业大国，温室大棚在我国的种植面积很广。温室大棚可以为农作物生长提供适宜的环境，使农作物避免恶劣气候的影响。利用温室大棚实现智能化种植，可以提高农作物的产量和质量。我国传统温室大棚生产过程需要大量劳动人员参与，依靠经验管理。实际上，在农作物的生长过程中，温度、湿度、光照强度、CO₂浓度等因素是影响农作物生长的关键因素。为了提高农作物的产量与质量，就需要对温室大棚内的温度、湿度、CO₂浓度等温室环境参数进行精确实时控制，使植物始终生长在最佳的环境参数范围之内。

目前，对于温室环境参数控制的方法很多，但大多存在着控制精度还不够高，控制效果不够理想等问题。基于极限学习机网络的温室环境智能控制方法，将极限学习机神经网络应用于温室环境控制，控制精度较高，控制效果较好。

发明内容

本发明的目的在于提供一种基于极限学习机网络的温室环境智能控制方法，本发明通过采集农作物生长的现场环境参数，并和农作物生长的标准环境参数作比对，建立了依据作物生长的极限学习机网络控制算法；实现了对温室环境参数进行精确控制。

本发明的目的是通过以下技术方案实现的：

一种基于极限学习机网络的温室环境智能控制方法，所述方法包括以下制备过程：

1）样本数据的搜集：根据农业专家所提供的某种农作物生长的经验数据，再通过实验，获得农作物在不同的生长时期的实际光照强度与经验光照强度的偏差、实际土壤温度与经验土壤温度的偏差、实际土壤湿度与经验土壤湿度的偏差、实际空气温度与经验空气温度的偏差、实际空气湿度与经验空气湿度的偏差、实际二氧化碳浓度与经验二氧化碳浓度的偏差；

2）样本数据的归一化处理：将采样数据归一化到[0, 1]区间内为：

其中，为第i个经过归一化处理后的采样数据，为r个采样数据的最小值，为r个采样数据的最大值；建立的神经网络模型；

3）建立单极限学习机网络控制模型：极限学习机网络由输入层、隐含层和输出层组成；

4）建立多极限学习机网络控制模型：将多个极限学习机网络模型组合在一起，构成多极限学习机网络控制模型；

5）利用多极限学习机网络控制模型对温室环境进行智能控制：将所求得的各个单极限学习机网络的加权系数带入多极限学习机网络模型，当多极限学习机网络模型输入为农作物生长的不同时间和对应各个时间的光照强度偏差数据、土壤温度偏差数据、空气温度偏差数据、空气湿度偏差数据、二氧化碳浓度偏差数据作为极限学习机网络的输入样本数据时，利用该组合模型即可计算出水帘控制调节量、风扇控制调节量、补光灯控制调节量、散热器控制调节量、遮阳板控制调节量、放风电机控制调节量；对水帘控制调节量、风扇控制调节量、补光灯控制调节量、散热器控制调节量、遮阳板控制调节量、放风电机控制调节量各数值进行反归一化处理后，便可得到温室控制参数。