[发明专利]一种融合随机森林算法的设施光环境调控方法

说明书

本发明是一种融合随机森林算法的设施光环境调控方法，针对目前常用的光合速率模型(多元回归、线性拟合等)存在的拟合度低，拟合公式复杂等问题，采用改进鱼群算法的光合速率模型寻优方法，建立融合随机森林算法的光合作用调控模型；针对传统嵌入式光环境控制系统不能直接加载智能算法模型、设备的可靠性低、系统响应慢等问题，设计一种可以实现算法移植的树莓派系统框架和平台体系，该设备主要由树莓派主控节点、传感器监测节点和LED调光节点组成，各节点之间通过ZigBee无线技术实现信息交互；该发明有效地弥补了传统设施农业中补光系统的不足，在设施光环境调控中具有算法移植性好、补光过程响应快、设备可靠性高、系统升级方便等优势。

技术领域

本发明属于智能设施农业技术领域，特别涉及一种融合随机森林算法的设施光环境调控方法。

背景技术

我国设施蔬菜栽培面积占世界总面积的90％以上，已成为我国现代农业的重要组成部分。尽管我国设施管理技术水平逐年提升，与发达国家相比仍存在较大差距，设施蔬菜单位面积产量仅为荷兰的1/5-1/3，其中生产过程中光合速率低是造成该现象的关键因素。光是温室作物进行光合作用、形成温室内温度与湿度条件的能源。其中部分地区由于冬、春季节低温弱光、阴雨低温天气较多，再加上温室覆盖材料不清洁或老化导致透光率较低，设施内光环境参数(包括光质和光子通量密度)通常低于光合作用最低需求，导致作物生长发育减缓、各种病虫害发生几率增加，造成落叶、发花数量少、花形花色不正、坐果率低等问题，严重影响作物产量和品质，特别是近期出现的LED光源技术，其一定程度避免热量高、耗能大、不能定量调节亮度，光质、光子通量密度难以调控等传统补光设备的问题，基于LED的设施补光技术已成为设施补光研究的热点，出现了各种基于LED的设施补光设备，一定程度提高了作物品质和节能效果。

近年来，设施光环境调控得到了广泛的研究，出现了融合了光合因子调控模型，其大部分调控模型都是通过非线性回归的方法，把环境的温度作为自变量，光合速率模型中输出的光饱和点作为因变量，构建了任意温度光饱和点的动态获取，从而得到相应的PFD值；由于实际的模型中加入二氧化碳因素后，模型的精度降低、复杂度明显提升，使得模型的运行时间变长，最终导致整个光调控系统响应的慢、调控值精度低，所以目前一般的调控系统未考虑二氧化碳对最终光饱和点的影响；综上所述现有的设施光环境调控通过模型拟合好的公式嵌入到控制系统中，使得算法的适应性低、模型的可移植性差、调控过程不精准、设备响应速度慢等问题。因此，寻找一种调控精度高、复杂度低的智能算法将成为解决这个问题的关键；随机森林算法相比其他算法不需事先设定函数形式，能够克服协变量之间复杂的交互作用，可以处理高维度数据，数据处理时间短，具有较高的预测性，目前，随机森林算法主要应用于计算机视觉领域、医学领域、生态学领域等，本发明将随机森林算法引入到设施光环境调控中，设计了一种融合随机森林算法的设施光环境调控设备，以弥补现有的设施光环境调控系统的可移植性差、设备的可靠性低、系统响应慢、能耗高等问题。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种融合随机森林算法的设施光环境调控方法，以弥补现有的设施光环境调控系统的可移植性差、设备的可靠性低、系统响应慢、能耗高等问题。

为了实现上述目的，本发明采用的技术方案是：

一种融合随机森林算法的设施光环境调控方法，包括如下步骤：

步骤一：根据植物生长过程中，光、二氧化碳和温度的变化对植物光合速率的影响，关联温度、光照、二氧化碳浓度环境因子，使用BP算法建立光合速率预测模型，其次采用改进鱼群算法对光合速率模型进行寻优；

步骤二：通过步骤一中寻优算法找到不同温度和二氧化碳条件下的光饱和点，建立融合随机森林算法的光环境调控模型，并通过对随机特征策略选取，聚集大量分类树，提高随机森林模型的预测精度；