基于集合经验模态分解与Elman神经网络的线椒株高预测

来源：农业工程学报杂志2015年第18期北京时间：

作者：张瑜,汪小旵,孙国祥,李永博,

摘要：为提高温室环境控制系统的有效性，针对作物生长量的变化与环境因子的变化存在时间尺度不统一的问题，该文基于集合经验模态分解（ensemble empirical mode decomposition，EEMD）与Elman神经网络建模，提出一种线椒株高生长量预测方法。以8819线椒为试验对象，分别对线椒株高及其环境因子进行EEMD分解，对各尺度下的时间序列建立EEMD-Elman预测模型。结果表明：应用EEMD-Elman神经网络建立线椒株高生长量预测模型，模型预测值与实测值的平均绝对误差为1.69 cm，相关决定系数为0.996，标准误为1.104，模型预测结果与实测值呈极显著性相关。研究结果可以解决作物生长变化与环境变化时间尺度不统一的问题，为温室环境控制系统的控制目标的优化提供有效参数。

关键词：神经网络, 模型, 优化, 集合经验模态分解, Elman神经网络, 线椒株高, 预测