[发明专利]一种农业温室环境预测方法及系统

说明书

本发明公开一种农业温室环境预测方法及系统，首先根据所述测量数据进行插值计算参考输入轨迹，并更新初始温室环境模型；其次基于Lyapunov函数构建模型参数辨识控制器；根据模型参数辨识控制器和初始温室环境模型计算第t时刻各非线性时变模型参数最优解，然后当t大于或等于控制过程终端时间时，根据模型参数集合中各非线性时变模型参数最优解确定辨识通用模型参数解；最后将辨识通用模型参数解代入温室环境模型，获得温室环境预测值。本发明基于Lyapunov函数稳定性进而确定辨识通用模型参数解，将辨识通用模型参数解代入温室环境模型获得温室环境预测值，综合考虑了多个不同时刻的非线性时变模型参数，进而提高了预测的准确性。

技术领域

本发明涉及环境预测领域，特别是涉及一种农业温室环境预测方法及系统。

背景技术

现代温室作物生产是农业生产的重要生产方式。温室作物生产具有高效、高质的优点，并且能够进行反季节生产以满足人们常年对不同种类农产品需求。但对于现代高档农业温室来说，实现高产、高质、高效生产的前提条件就是对温室环境和水肥灌溉实现精准调控。同时，为尽可能地降低温室作物生产过程中的能耗成本以及提交作物最终的产量，通常需要在温室环境和水肥灌溉调控之前对长期过程调控与管理进行必要的规划和优化以确定不同时期温室环境调控的设定值。这就必须对温室作物生产过程中长期的温室环境和作物生长进行精准预测，而精确的温室环境动态模型是实现这种精准预测的重要保证。另一方面，从温室环境控制的角度来说，基于模型的温室环境控制能够实现高效节能最优控制，这通常也需要一个精确的温室环境模型。因此构建一个准确的温室环境模型对现代农业温室作物生产来说具有非常重要的现实意义。

温室环境的变化通常受室外天气、作物生长、温室结构与材料和各种温室环境调控设备的影响。因此影响温室环境变化的各种热量和物质交换过程非常复杂，现有的热力学理论很难从机理上来准确模拟这些复杂的热交换和物质交换过程。另一方面，不同结构和材料的温室其内部包含的热交换和物质交换过程也存在较大差异，这就导致了不同结构和材料的温室其环境变化的机理也不同，因此其相应的温室环境模型结构和参数也存在很大的差异。这意味着很难找到一种通用的温室环境机理模型来模拟不同结构和材料的温室环境变化，而如果要构建每一种结构和材料温室的环境变化机理模型就需要投入大量的人力、物力和时间来对温室内的各种热交换和物质交换过程进行深入研究，这对于温室作物生产实践来说不切实际。因此发展一种快速通用的温室环境数据建模方法以满足温室作物生产实践中温室环境控制和智能规划与决策的需要就显得十分迫切。

现有案例1：温室环境结构化数据建模方法中最典型的就是基于神经网络的非线性建模，其主要特点是整个温室环境模型表现为一个由多个神经元构成的网络结构。模型的性能主要取决于网络的连接权W和V、神经元数量N和神经元的输出阈值Θ，如图1所示，(a)为模型的网络结构，(b)为神经元结构，由此可得出基于神经网络的温室环境模型表达为