基于LSTM神经网络的温室气候环境因子预测

梁志超; 宋华鲁; 樊阳阳; 齐康康; 徐浩; 王帅; 《天津农业科学 》 2023

摘要：目前温室气候环境中,环境监测数据只能反映当前环境状况,无法对温室气候环境变化趋势进行预测.为解决温室气候环境控制效果差的问题,采用基于LSTM神经网络的温室气候环境因子预测方法,将温室中采集的湿度、温度、二氧化碳浓度进行标准化处理后作为历史数据,将 90%数据作为训练集,10%数据作为测试集;设置初始参数并建立LSTM预测模型,通过寻找不同的模型参数,不断调整模型的训练精度;利用测试集对LSTM预测模型进行测试验证;为了更好地说明LSTM预测模型的优越性,同时建立了BP神经网络模型以及GRU预测模型.结果表明,LSTM预测模型能够较好地预测温室中湿度、温度、二氧化碳含量的变化趋势,在预测精度上,LSTM预测模型比BP神经网络以及GRU预测模型,平均提升了 5.80%、3.81%.本研究建立的LSTM预测模型可以实现温室气候环境因子的精确预测,为温室环境调控提供一定的决策支持.

关键词： LSTM神经网络 温室气候环境因子 环境调控