基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析

摘要

为构建较准确的日光温室温湿度预测模型,于2011-2014年冬季(1月、2月、12月)天津市宝坻区开展温室内外环境监测试验,并建立3种天气类型(晴、多云、阴)下3个时段(0-8时、8-17时、17-23时)逐步回归与BP神经网络温室内温湿度预测模型.结果表明;(1)温室内气温逐步回归模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率(≤3℃)为88％,平均均方根误差(RMSE)为2℃;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于3℃的平均准确率(≤3℃)为94％,平均均方根误差(RMSE)为1.6℃.应用BP神经网络建立的气温预测模型相对更为准确稳定;(2)相对湿度逐步回归模型9种情况下模拟值与实际值的绝对误差小于6％的平均准确率(≤6％)为81％,平均均方根误差(RMSE)为5.7％;BP神经网络模型9种情况下模拟值与实际值的绝对误差小于6％的平均准确率(≤6％)为80％,平均均方根误差(RMSE)为6.7％.2类模型均不适宜预测8-17时日光温室相对湿度,而17-23时与0-8时应用逐步回归建立的湿度预测模型相对更准确稳定.