基于改进遗传算法优化LSTM的营养液温度预测模型

来源：中国农机化学报杂志2025年第6期北京时间：

作者：刘艺梦, 王会强, 丁小明, 李飞, 孙玉林, 孙广军

单位：(1. 农业农村部规划设计研究院，北京市，100125； 2. 河北农业大学机电工程学院，河北保定，071001；3. 馆陶县飞翔机械装备制造有限公司，河北邯郸，057750； 4. 河北田野节水灌溉设备有限公司，河北邯郸，057350； 5. 唐山利军机械制造有限公司，河北唐山，064100)

摘要：准确预测营养液温度是营养液膜栽培技术（NFT）调控根区温度的关键，对作物生长具有重要意义，但因营养液温度具有时序性、非线性及多耦合性等特征，难以实现连续、精准化预测,基于此，提出一种改进遗传算法(IGA)优化多变量长短时记忆神经网络(LSTM)模型参数的营养液温度预测方法，通过引入正弦函数，对遗传算法中的固定交叉和变异概率进行优化。使用皮尔逊相关分析法获取相关性较强的特征。同时构造特征与时间步长的矩阵，将其输入到网络中进行温度预测。预测结果表明，在预测时间为20~60 min时，模型决定系数为0.954~0.985，均方根误差为0.183 ℃~0.365 ℃，平均绝对误差为0.165 ℃~0.311 ℃。并在不同清晰度指数KT下进行验证。结果表明，在[0.5>KT≥0.2](多云)时，模型营养液温度预测效果最好，且在其他[KT]下模型可以达到生产所需预测精度要求，为根区精准高效控温提供重要依据。

关键词：营养液膜技术,改进遗传算法,LSTM神经网络,皮尔逊相关分析,营养液温度预测

基金资助：农业农村部规划设计研究院自主研发项目（QD202106）；农业农村部规划设计研究院科技创新团队建设项目(CXTD—2021—05)；农业农村部规划设计研究院农规英才计划项目(QNYC—2021—02)