基于ISSA—LSTM的菇房温湿度预测模型研究

来源：中国农机化学报杂志2025年第2期北京时间：

作者：张铭志, 柳平增, 张艳, 潘纪港, 陈超

摘要：为提升双孢蘑菇品质与产量，实现菇房整体环境提前调控，精准预测菇房环境中的温湿度数据是关键。但传统预测模型很多参数都需要人工手动调节，例如隐藏层神经元节点数、学习率、迭代次数等，这一系列参数的选择都直接影响预测性能的优劣。针对以上问题，提出一种基于改进麻雀搜索算法ISSA优化的长短期记忆网络LSTM菇房环境预测模型，实现对菇房内的温湿度环境的精准预测。验证结果表明：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分别为0.493、0.263，模型拟合优度R2为96.2%；对湿度的预测指标均方根误差RSME、平均绝对误差MAE分别为1.105、1.058，模型拟合优度R2为95.6%，由此可见，在菇房温湿度预测准确率方面，所提方法优于SSA—LSTM模型，为打造最适宜的菇房温湿度环境提供高时效的决策数据。

关键词：双孢蘑菇菇房,物联网,麻雀搜索算法,长短期记忆网络

基金资助：山东省科技特派员项目(2020KJTPY078)；山东省重点研发计划(2022CXGC010609)