一種溫室內(nèi)溫度極值的預(yù)測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)一種溫室內(nèi)溫度極值的預(yù)測(cè)方法，包括：S1.采集預(yù)定時(shí)間段內(nèi)的溫室的環(huán)境數(shù)據(jù)；S2.對(duì)獲得的環(huán)境數(shù)據(jù)進(jìn)行歸一化處理，得到樣本集；S3.利用均勻分布的算法隨機(jī)產(chǎn)生最小二乘支持向量機(jī)回歸模型LS_SVM的徑向基核函數(shù)的N個(gè)寬度系數(shù)σ2及N個(gè)懲罰系數(shù)λ；S4.從樣本集中選擇訓(xùn)練樣本集并訓(xùn)練LS_SVM；S5.將粒子群算法PSO的粒子群初始化為由σ2和λ構(gòu)成的二維坐標(biāo)點(diǎn)；S6.利用PSO對(duì)σ2及λ進(jìn)行優(yōu)化；S7.從樣本集中選擇測(cè)試樣本集，對(duì)優(yōu)化參數(shù)的LS_SVM進(jìn)行測(cè)試，得到最優(yōu)化的LS_SVM；S8.在線實(shí)時(shí)采集溫室的環(huán)境數(shù)據(jù)，將數(shù)據(jù)輸入最優(yōu)化的LS_SVM，得到溫室內(nèi)溫度極值的預(yù)測(cè)值。
【專(zhuān)利說(shuō)明】一種溫室內(nèi)溫度極值的預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及農(nóng)業(yè)【技術(shù)領(lǐng)域】，具體涉及一種溫室內(nèi)溫度極值的預(yù)測(cè)方法。
【背景技術(shù)】
[0002]溫度是溫室所要調(diào)控的主要因素之一，也是溫室中的作物能否正常生長(zhǎng)的主要因素之一。溫室內(nèi)溫度過(guò)低或過(guò)高都會(huì)給植物帶來(lái)嚴(yán)重的危害，因此快速、準(zhǔn)確預(yù)測(cè)溫室內(nèi)溫度的極值，在溫室內(nèi)溫度達(dá)到極值之前采取防范措施以減少低溫或高溫對(duì)作物造成的危害，對(duì)提高溫室作物的產(chǎn)量起到十分重要的作用。
[0003]目前溫室內(nèi)溫度極值的預(yù)測(cè)方法為采用時(shí)序分析法、數(shù)理統(tǒng)計(jì)法、神經(jīng)網(wǎng)絡(luò)法或者溫室環(huán)境模擬模型法。但是溫室內(nèi)溫度容易受溫室內(nèi)環(huán)境和室外氣象等多個(gè)參數(shù)的影響，現(xiàn)有技術(shù)的方法沒(méi)有充分考慮溫室內(nèi)溫度與其他參數(shù)的影響，監(jiān)測(cè)的參數(shù)少，且預(yù)測(cè)方法存在非在線性，時(shí)延性，不準(zhǔn)確性等缺陷。
[0004]目前溫室內(nèi)溫度極值的預(yù)測(cè)方法存在的問(wèn)題是:溫度極值的預(yù)測(cè)精度不夠。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問(wèn)題是現(xiàn)有的溫室內(nèi)溫度極值的預(yù)測(cè)方法精度不夠的問(wèn)題。
[0006]為此目的，本發(fā)明提出一種溫室內(nèi)溫度極值的預(yù)測(cè)方法，該方法包括:
[0007]S1.采集預(yù)定時(shí)間段內(nèi)的溫室的環(huán)境數(shù)據(jù)；
[0008]S2.對(duì)獲得的環(huán)境數(shù)據(jù)進(jìn)行歸一化處理，得到樣本集；
[0009]S3.利用均勻分布的算法隨機(jī)產(chǎn)生最小二乘支持向量機(jī)回歸模型LS_SVM的徑向基核函數(shù)的N個(gè)寬度系數(shù)σ 2及N個(gè)懲罰系數(shù)λ，N為正整數(shù),所述σ 2和λ為所述LS_SVM的初始參數(shù)；
[0010]S4.從樣本集中選擇訓(xùn)練樣本集，并用訓(xùn)練樣本對(duì)所述LS_SVM進(jìn)行訓(xùn)練，得到訓(xùn)練后的LS_SVM ；
[0011]S5.將粒子群算法PSO的粒子群初始化為由所述O 2和λ構(gòu)成的二維坐標(biāo)點(diǎn)；
[0012]S6.利用所述PSO對(duì)所述σ 2及λ進(jìn)行優(yōu)化，得到優(yōu)化參數(shù)σ2及λ ;
[0013]S7.從樣本集中選擇測(cè)試樣本集，對(duì)所述優(yōu)化參數(shù)的LS_SVM進(jìn)行測(cè)試，得到最優(yōu)化的 LS_SVM ；
[0014]S8.在線實(shí)時(shí)采集溫室內(nèi)和溫室外的環(huán)境數(shù)據(jù)，將所述數(shù)據(jù)輸入最優(yōu)化的LS_SVM,得到溫室內(nèi)溫度極值的預(yù)測(cè)值。
[0015]其中，在步驟SI中，所述溫室的環(huán)境數(shù)據(jù)包括溫室內(nèi)的環(huán)境數(shù)據(jù)和溫室外的環(huán)境數(shù)據(jù)，其中所述溫室內(nèi)的環(huán)境數(shù)據(jù)包括空氣溫度、空氣濕度、土壤溫度、土壤濕度，所述溫室外的環(huán)境數(shù)據(jù)包括光照強(qiáng)度、風(fēng)速。
[0016]其中，在步驟S2中，所述歸一化處理的公式為:
【權(quán)利要求】
1.一種溫室內(nèi)溫度極值的預(yù)測(cè)方法，其特征在于，該方法包括: 51.采集預(yù)定時(shí)間段內(nèi)的溫室的環(huán)境數(shù)據(jù)； 52.對(duì)獲得的環(huán)境數(shù)據(jù)進(jìn)行歸一化處理，得到樣本集； 53.利用均勻分布的算法隨機(jī)產(chǎn)生最小二乘支持向量機(jī)回歸模型LS_SVM的徑向基核函數(shù)的N個(gè)寬度系數(shù)σ 2及N個(gè)懲罰系數(shù)λ，N為正整數(shù),所述σ 2和λ為所述LS_SVM的初始參數(shù)； 54.從樣本集中選擇訓(xùn)練樣本集，并用訓(xùn)練樣本對(duì)所述LS_SVM進(jìn)行訓(xùn)練，得到訓(xùn)練后的 LS_SVM ； 55.將粒子群算法PSO的粒子群初始化為由所述σ2和λ構(gòu)成的二維坐標(biāo)點(diǎn)； 56.利用所述PSO對(duì)所述σ2及λ進(jìn)行優(yōu)化，得到優(yōu)化參數(shù)σ2及λ; 57.從樣本集中選擇測(cè)試樣本集，對(duì)所述優(yōu)化參數(shù)的LS_SVM進(jìn)行測(cè)試，得到最優(yōu)化的LS_SVM ； 58.在線實(shí)時(shí)采集溫室內(nèi)和溫室外的環(huán)境數(shù)據(jù)，將所述數(shù)據(jù)輸入最優(yōu)化的LS_SVM，得到溫室內(nèi)溫度極值的預(yù)測(cè)值。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟SI中，所述溫室的環(huán)境數(shù)據(jù)包括溫室內(nèi)的環(huán)境數(shù)據(jù)和溫室 的環(huán)境數(shù)據(jù)，其中所述溫室內(nèi)的環(huán)境數(shù)據(jù)包括空氣溫度、空氣濕度、土壤溫度、土壤濕度，所述溫室外的環(huán)境數(shù)據(jù)包括光照強(qiáng)度、風(fēng)速。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在步驟S2中，所述歸一化處理的公式為:
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在步驟S4中，所述從樣本集中選擇訓(xùn)練樣本包括:隨機(jī)選擇樣本集中80%的數(shù)據(jù)為訓(xùn)練樣本，構(gòu)成訓(xùn)練樣本集。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，在步驟SI中，所述最小二乘支持向量機(jī)回歸模型LS_SVM為:
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述步驟S4包括:從樣本集中選擇訓(xùn)練樣本集，并用訓(xùn)練樣本對(duì)所述LS_SVM進(jìn)行訓(xùn)練，得到LS_SVM的參數(shù)α ” b以及Ci。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S5包括: 每個(gè)(λ，σ2)坐標(biāo)點(diǎn)都是粒子群中的一個(gè)粒子，所有粒子構(gòu)成初始粒子群g，所述g中的粒子個(gè)數(shù)為N2 ；所述g中的第i個(gè)粒子的位置為Pi,速度為Vi,所述Pi= (Pn，Pi2)，i=l，2，…，N25Vi=(Vn,Vi2), i=l，2，...，N2。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述步驟S6包括: S61、計(jì)算所述粒子群中所有粒子的適度值，所述適度值的計(jì)算公式如下:
9.根據(jù)權(quán)利要求4所述的方法，其特征在于，在步驟S7中，所述測(cè)試樣本為樣本集中不是訓(xùn)練樣本 的樣本，所述測(cè)試樣本的集合構(gòu)成測(cè)試樣本集。
【文檔編號(hào)】G06N3/00GK103984980SQ201410042738
【公開(kāi)日】2014年8月13日 申請(qǐng)日期:2014年1月28日 優(yōu)先權(quán)日:2014年1月28日
【發(fā)明者】陳英義, 于輝輝, 李道亮, 郭承坤, 阮懷軍, 封文杰 申請(qǐng)人:中國(guó)農(nóng)業(yè)大學(xué), 山東省農(nóng)業(yè)科學(xué)院科技信息研究所