[发明专利]一种温室内温度极值的预测方法

说明书

技术领域

本发明涉及农业技术领域，具体涉及一种温室内温度极值的预测方法。

背景技术

温度是温室所要调控的主要因素之一，也是温室中的作物能否正常生长的主要因素之一。温室内温度过低或过高都会给植物带来严重的危害，因此快速、准确预测温室内温度的极值，在温室内温度达到极值之前采取防范措施以减少低温或高温对作物造成的危害，对提高温室作物的产量起到十分重要的作用。

目前温室内温度极值的预测方法为采用时序分析法、数理统计法、神经网络法或者温室环境模拟模型法。但是温室内温度容易受温室内环境和室外气象等多个参数的影响，现有技术的方法没有充分考虑温室内温度与其他参数的影响，监测的参数少，且预测方法存在非在线性，时延性，不准确性等缺陷。

目前温室内温度极值的预测方法存在的问题是：温度极值的预测精度不够。

发明内容

本发明所要解决的技术问题是现有的温室内温度极值的预测方法精度不够的问题。

为此目的，本发明提出一种温室内温度极值的预测方法，该方法包括：

S1.采集预定时间段内的温室的环境数据；

S2.对获得的环境数据进行归一化处理，得到样本集；

S3.利用均匀分布的算法随机产生最小二乘支持向量机回归模型LS_SVM的径向基核函数的N个宽度系数σ²及N个惩罚系数λ，N为正整数，所述σ²和λ为所述LS_SVM的初始参数；

S4.从样本集中选择训练样本集，并用训练样本对所述LS_SVM进行训练，得到训练后的LS_SVM；

S5.将粒子群算法PSO的粒子群初始化为由所述σ²和λ构成的二维坐标点；

S6.利用所述PSO对所述σ²及λ进行优化，得到优化参数σ²及λ；

S7.从样本集中选择测试样本集，对所述优化参数的LS_SVM进行测试，得到最优化的LS_SVM；

S8.在线实时采集温室内和温室外的环境数据，将所述数据输入最优化的LS_SVM，得到温室内温度极值的预测值。

其中，在步骤S1中，所述温室的环境数据包括温室内的环境数据和温室外的环境数据，其中所述温室内的环境数据包括空气温度、空气湿度、土壤温度、土壤湿度，所述温室外的环境数据包括光照强度、风速。

其中，在步骤S2中，所述归一化处理的公式为：

其中，v_i为采集的第i种环境数据，v_min为所述v_i中的最小值，v_max为所述v_i中的最大值，n为所述环境数据的种类数，g(v_i)为v_i归一化处理后得到的数据。

其中，在步骤S4中，所述从样本集中选择训练样本包括：随机选择样本集中80％的数据为训练样本，构成训练样本集。

其中，在步骤S3中，所述最小二乘支持向量机回归模型LS_SVM为：

其中，x为所述训练样本集中任意一个样本向量，所述样本向量为{v₁，v₂，…，v_i，…，v_n}，T(x)为x的温度预测值，α_i为拉格朗日乘子，0<α_i<λ，参数b是α_i的偏差值；

为所述LS_SVM的径向基核函数；其中，c_i为径向基核函数的中心。

其中，所述步骤S4包括：从样本集中选择训练样本集，并用训练样本对所述LS_SVM进行训练，得到LS_SVM的参数α_i、b以及c_i。

其中，所述步骤S5包括：

每个(λ，σ²)坐标点都是粒子群中的一个粒子，所有粒子构成初始粒子群g，所述g中的粒子个数为N²；

所述g中的第i个粒子的位置为P_i，速度为V_i，所述P_i＝(P_i1，P_i2)，i＝1,2,…,N²；V_i＝(V_i1，V_i2)，i＝1,2,…,N²。

其中，所述步骤S6包括：