[发明专利]一种基于最小向量机的番茄温室温度智能预警系统

摘要

本发明公开了一种基于最小向量机的番茄温室温度智能预警系统，其特征在于：所述预警系统由基于CAN现场总线的番茄温室环境参数采集与智能预测平台和番茄温室温度智能预警系统两部分组成；本发明不但有效解决了传统番茄温室环境由于设计不合理、设备落后、控制系统不完善等原因导致密闭式番茄温室内环境仍存在许多问题，而且有效解决了现有的番茄温室环境监测系统，没有根据番茄温室环境温度变化的非线性、大滞后和番茄温室面积大温度变化复杂等特点，对番茄温室环境的温度进行监测与预测，从而极大的影响番茄温室环境温度的调控问题。

主权项

1.一种基于最小向量机的番茄温室温度智能预警系统，其特征在于：所述预警系统由基于CAN现场总线的番茄温室环境参数采集与智能预测平台和番茄温室温度智能预警系统两部分组成；番茄温室温度智能预警系统包括番茄温室温度预测子系统、番茄温室风速预测子系统和番茄温室温度校正融合模型和最小二乘支持向量机LS‑SVM番茄温室温度等级分类器四部分组成，实现对番茄温室温度的精确检测、预测和预警；所述番茄温室温度预测子系统包括番茄温室环境温度LVQ神经网络分类器、番茄温室温度组合预测模型1、番茄温室温度组合预测模型2和番茄温室温度组合预测模型3 组成，每个番茄温室温度组合预测模型包括GRNN神经网络温度预测模型、ARIMA自回归滑动平均温度预测模型和最小二乘支持向量机LS‑SVM温度预测模型以及三个预测模型值等权重相加和得到温度融合预测值，番茄温室环境温度LVQ神经网络分类器把温室温度多个检测点值分为3种类型，每种类型的温室温度检测点值作为对应类的番茄温室温度组合预测模型的输入，每个番茄温室温度组合预测模型实现对不同类温室温度检测点值的温度预测，3个番茄温室温度组合预测模型的输出值作为番茄温室温度预测子系统的输出；所述番茄温室风速预测子系统包括番茄温室风速小波分解模型、多个DRNN神经网络风速预测模型和多个DRNN神经网络风速预测模型值等权重相加得到风速融合预测值三部分组成，番茄温室风速小波分解模型把番茄温室风速检测值分解为低频趋势部分和多个高频波动部分，番茄温室风速检测值经过番茄温室风速小波分解模型分解得到的低频趋势部分和多个高频波动部分分别作为多个DRNN神经网络风速预测模型的输入，多个DRNN神经网络风速预测模型的输出分别为温室风速检测值的低频趋势部分和多个高频波动部分的预测值，多个DRNN神经网络风速预测模型的输出值等权重相加得到番茄温室风速预测值；所述番茄温室温度校正融合模型由6个微分算子S和DRNN神经网络组成，6个微分算子平均分成3组，每组2个微分算子相串联分别构成微分回路1和微分回路2以及微分回路3；番茄温室温度预测子系统的番茄温室温度组合预测模型1的输出为微分回路1的输入和DRNN神经网络的C端的输入，微分回路1的输出为DRNN神经网络的A端的输入，微分回路1的2个微分算子S的连接端的输出为DRNN神经网络的B端的输入；番茄温室温度预测子系统的番茄温室温度组合预测模型2的输出为微分回路2的输入和DRNN神经网络的D端的输入，微分回路2的输出为DRNN神经网络E端的输入，微分回路2的2个微分算子S的连接端的输出为DRNN神经网络F端的输入；番茄温室温度预测子系统的番茄温室温度组合预测模型3的输出为微分回路3的输入和DRNN神经网络的J端的输入，微分回路3的输出为DRNN神经网络K端的输入，微分回路3的2个微分算子S的连接端的输出为DRNN神经网络L端的输入；番茄温室风速预测子系统的输出为DRNN神经网络I端的输入；DRNN神经网络由10个输入端节点、20个中间节点和1个输出端节点组成，番茄温室温度校正融合模型实现对番茄温室预测的温度值的校正，反映了番茄温室的湿度的实际值变化对番茄温室温度的影响，提高番茄温室温度预测的精确度；所述最小二乘支持向量机LS‑SVM番茄温室温度等级分类器根据番茄温室温度校正融合模型输出番茄温室温度预测值的大小、番茄生长阶段和番茄的种类为最小二乘支持向量机LS‑SVM番茄温室温度等级分类器的输入，最小二乘支持向量机LS‑SVM番茄温室温度等级分类器的输出把番茄温室温度预测值的大小对不同种类番茄在不同生长阶段的影响分为温室温度太高、温室温度比较高、温室温度良好、温室温度低和温室温度太低5个番茄温室温度等级。