基于GWO-LSTM的设施蔬菜温室温度预测

来源：中国农机化学报杂志2023年第1期北京时间：

作者：毛晓娟, 鲍彤, 荀广连, 李德翠, 王宝佳, 任妮

单位：江苏省农业科学院信息中心，南京市，210014

摘要：温度是设施生产中作物生长的主要制约因素之一，提前预测温室温度对精准调控温室环境具有重要的指导意义。因此提出一种基于灰狼优化算法的长短期记忆网络模型预测温室温度，该模型利用灰狼优化算法(Grey Wolf Optimizer，GWO)对长短期记忆网络(Long ShortTerm Memory，LSTM)模型参数进行调整优化。以江苏省农业科学院阳光板温室2020年9月23日—12月21日期间的试验数据对该方法进行验证。结果显示：在预测时间步长30 min时，GWO-LSTM 的预测均方根误差、平均绝对误差、平均绝对百分比误差和决定系数分别为0.677 6、0.411 4、0.168 7和0.960 4。在预测时间步长60 min内，GWO-LSTM模型预测精度均高于标准LSTM和反向传播人工神经网络(Back Propagation Artificial Neural Network，BP-ANN)。说明所提出的GWO-LSTM模型能够准确地预测未来温室内温度变化，可为制定温室环境智能调控策略提供有效的数据支撑。

关键词：温室,温度,时间序列,长短期记忆网络,灰狼优化算法

基金资助：江苏省重点研发计划(现代农业)项目(BE2021379)