基于MA-ARIMA-GASVR的食用菌温室温度预测

来源：农业工程学报杂志2020年第3期北京时间：

作者：田东,韦鑫化,王悦,赵安平,穆维松,冯建英,

摘要：食用菌温室温度具有时变、非线性、多耦合特性，准确预测对稳定食用菌生产具有重要意义。本研究从挖掘温室历史温度数据时序信息角度出发，提出一种MA-ARIMA-GASVR组合方法建立温度预测模型，利用移动平均方法将历史温度序列分解成线性序列和残差序列，然后采用移动平均差分自回归模预测线性序列的趋势，再将移动平均差分自回归预测值、历史残差数据、历史温度数据作为支持向量回归模型的输入，并结合遗传算法优化支持向量回归模型参数改善其性能，从而获得更符合实际情况的温度预测值。最后选取实测温度数据作为训练集，对未来2 d的温度进行预测验证。结果显示，MA-ARIMA-GASVR组合方法能更好地拟合原始温度数据，间隔1 h的均方误差、平均绝对误差和平均绝对百分误差分别为0.18、0.36和1.34，均显示本研究方法预测精度优于支持向量回归、遗传算法优化的支持向量回归单一模型，也优于未经移动平均以及未经遗传算法优化的组合模型；此外，间隔6 h的均方误差、平均绝对误差和平均绝对百分误差为0.29、0.52和1.95，说明本研究方法还能满足6 h以内的多步预测，为食用菌生产者预留更多调整时间。

关键词：温室, 温度, 模型, 时间序列, 支持向量回归, 食用菌