基于LSTM-GRU的日光温室环境预测方法研究

来源：江苏农业科学杂志2022年第第16期北京时间：

作者：乔小丹;郑文刚;张馨;单飞飞;王明飞;梁栋

单位：1.北京市农林科学院智能装备技术研究中心，北京 100097； 2.北京市农林科学院，北京 100097；3.安徽大学电子信息工程学院，安徽合肥 230601

摘要：提前准确获取日光温室中温湿度变化对作物提质增产至关重要，传统方法预测能力有限。针对日光温室环境具有非线性、时滞性、强耦合性等特点，提出了基于长短期记忆神经网络和门控循环单元神经网络相结合(LSTM-GRU)的温湿度预测模型。试验首先利用温室采集系统获取室内外环境及卷膜开度的历史数据，再将数据通过线性插值法进行缺失填充、卡尔曼滤波去噪、归一化处理后，以时间序列输入预测模型中训练和测试。试验结果表明，该预测方法对温度的预测指标均方根误差(RSME)、平均绝对误差(MAE)分别达到0.431、0.352 ℃，在±0.5 ℃内的预测误差占总误差比为939%；相对湿度的预测指标RMSE、MAE分别达到4.794%、3.579%，在±5%内的预测误差占总误差比为92.0%，提高了温室温湿度预测精度，为温室环境控制系统提供高时效的决策依据。

关键词：日光温室;LSTM-GRU模型;非线性;温湿度预测