[发明专利]构建温室冬季温度预测模型的方法

说明书

本发明涉及信息农业领域，公开了一种构建温室冬季温度预测模型的方法，其特征在于，包括以下步骤：以等时间间隔采集温室的温度，获取温度的时间序列数据；按照自然日对温度的时间序列数据进行分割，从分割后的温度的时间序列数据中选取部分数据用于建模，称为数据集RA，剩余数据用于检验模型，称为数据集RB；对RA进行平滑处理，随后使用滑动时间窗口从平滑处理后的RA中提取数据构建数据集A；使用滑动时间窗口从RB中提取数据构建数据集B；根据数据集A构建温室冬季温度变化预测模型M1；利用数据集B对M1进行拟合度检验。本发明根据温度有惯性不可突变的特性构建预测模型，构建的模型的预测准确性高，普适性好。

技术领域

本发明涉及信息农业领域，特别涉及一种构建温室冬季温度预测模型的方法。

背景技术

温室可在低温季节提供合适的环境条件以保证园艺作物的正常生长。温度影响着作物的生理生化过程，影响生长发育进程，从而影响作物的产量和品质。夜晚过低的温度更可造成冷害，因此在必要时需加热提高温室的温度，预测夜晚的温度可提前知晓温室是否需要加温，仅在必要时加温，改变了以往操作的盲目性，从而可节省大量能源消耗，使得温室生产的能耗更低，更环保；白天的温度还影响着温室的放风。对温度变化进行预测是设施园艺智慧管理、调控的一项重要内容。

目前，对温度预测有多种方法，如回归分析法、BP神经网络法等。回归分析法对大量数据进行分析，确定变量间的相关性，进而构建回归模型。回归模型不具有机理性，且外推使用的准确性无法保证。BP神经网络对人脑进行仿真，具有极强的非线性拟合能力，已在多个领域得到广泛应用。BP神经网络对温度的预测精度高，但神经网络的内部结构是黑盒，利用神经网络构建的模型无机理可言。此外，神经网络模型的性能依赖于学习的数据，且存在过拟合问题，这都影响着利用神经网络构建的温度预测模型的性能。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种构建温室冬季温度预测模型的方法，通过跟踪温度变化的一阶导数，根据温度有惯性不可突变的特性构建预测模型，构建的模型的预测准确性高，普适性好。