| 基于蜣螂算法优化BP的冬夏生菜根区温度预测模型 |
| |
| 引用本文： | 刘艺梦,丁小明,王会强,李恺,张观山,尹义蕾,潘守江.基于蜣螂算法优化BP的冬夏生菜根区温度预测模型[J].农业工程学报,2024,40(5):231-238. |
| |
| 作者姓名： | 刘艺梦 丁小明 王会强 李恺 张观山 尹义蕾 潘守江 |
| |
| 作者单位： | 农业农村部规划设计研究院，北京，100125;河北农业大学机电工程学院，保定，071001;山东农业大学机械与电子工程学院，泰安，271018 |
| |
| 基金项目： | 河北省重点研发计划项目（21326904D）；农业农村部规划设计研究院自主研发计划项目（QD202106）；设施园艺智能装备创新团队项目（CXTD-2021-05）；农规英才项目（QNYC-2021-02）河北省重点研发计划项目（21326904D） |
| |
| 摘 要： | 为解决生菜应用营养液膜技术（nutrient film technique，NFT）在冬夏季根区温度控制的问题，该研究基于机器学习方法，结合温室内外历史环境数据，构建BP神经网络根区温度预测模型。为提高模型精度，采用蜣螂算法（dung beetle optimizer, DBO）优化BP神经网络模型的输入权重和阈值，构建了冬夏两个季节的基于DBO-BP神经网络的栽培槽内根区温度预测模型，并与GA-BP、BP神经网络模型进行对比。结果表明，根区温度预测值与真实值变化趋势较为一致，DBO-BP模型温度预测最大误差为2.21 ℃，决定系数为0.943，而GA-BP与BP模型决定系数分别为0.928、0.892；DBO-BP模型评价指标的均方根误差、平均绝对误差分别为0.707、0.549 ℃，均小于其他模型评价指标；由此可知DBO-BP神经网络可满足在NFT栽培中根区温度预测精度的需求，能够为生菜栽培根区快速控温提供有效方法。
|
| 关 键 词： | 温室 温度 营养液膜技术 蜣螂优化算法 BP神经网络 根区温度预测 |
| 收稿时间： | 2023/12/9 0:00:00 |
| 修稿时间： | 2024/1/8 0:00:00 |
Prediction model for winter and summer lettuce root zone temperature based on dung beetle algorithm to optimize BP |
| |
| LIU Yimeng,DING Xiaoming,WANG Huiqiang,LI Kai,ZHANG Guanshan,YIN Yilei,PAN Shoujiang.Prediction model for winter and summer lettuce root zone temperature based on dung beetle algorithm to optimize BP[J].Transactions of the Chinese Society of Agricultural Engineering,2024,40(5):231-238. |
| |
| Authors: | LIU Yimeng DING Xiaoming WANG Huiqiang LI Kai ZHANG Guanshan YIN Yilei PAN Shoujiang |
| |
| Institution: | Academy of Agricultural Planning and Engineering, Beijing 100125, China;College of Mechanical and Electrical Engineering, Agricultural University of Hebei, Baoding 071001, China;College of Mechanical and Electronic Engineering, Shandong Agricultural University, Taian 271018, China |
| |
| Abstract: | |
| |
| Keywords: | greenhouse temperature nutrient film technique dung beetle optimization algorithm BP neural network root zone temperature prediction |
|
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
