[发明专利]一种基于极限学习机网络的温室环境智能控制方法

摘要

一种基于极限学习机网络的温室环境智能控制方法，涉及温室环境智能控制方法，所述方法包括以下制备过程：样本数据的搜集，根据农业专家所提供的某种农作物生长的经验数据，再通过实验，获得农作物在不同的生长时期的偏差；样本数据的归一化处理，建立的神经网络模型；建立单极限学习机网络控制模型：极限学习机网络由输入层、隐含层和输出层组成；建立多极限学习机网络控制模型：将多个极限学习机网络模型组合在一起，构成多极限学习机网络控制模型；利用多极限学习机网络控制模型对温室环境进行智能控制，得到温室控制参数。本发明实现了对温室农作物生长环境的精确控制，提高了温室农作物的产量和品质。

主权项

1.一种基于极限学习机网络的温室环境智能控制方法，其特征在于，所述方法包括以下制备过程：1）样本数据的搜集：根据农业专家所提供的某种农作物生长的经验数据，再通过实验，获得农作物在不同的生长时期的实际光照强度与经验光照强度的偏差、实际土壤温度与经验土壤温度的偏差、实际土壤湿度与经验土壤湿度的偏差、实际空气温度与经验空气温度的偏差、实际空气湿度与经验空气湿度的偏差、实际二氧化碳浓度与经验二氧化碳浓度的偏差；2）样本数据的归一化处理：将采样数据归一化到[0, 1]区间内为：其中，为第个经过归一化处理后的采样数据，为r个采样数据的最小值，为r个采样数据的最大值；建立的神经网络模型；3）建立单极限学习机网络控制模型：极限学习机网络由输入层、隐含层和输出层组成；4）建立多极限学习机网络控制模型：将多个极限学习机网络模型组合在一起，构成多极限学习机网络控制模型；5）利用多极限学习机网络控制模型对温室环境进行智能控制：将所求得的各个单极限学习机网络的加权系数带入多极限学习机网络模型，当多极限学习机网络模型输入为农作物生长的不同时间和对应各个时间的光照强度偏差数据、土壤温度偏差数据、空气温度偏差数据、空气湿度偏差数据、二氧化碳浓度偏差数据作为极限学习机网络的输入样本数据时，利用该组合模型即可计算出水帘控制调节量、风扇控制调节量、补光灯控制调节量、散热器控制调节量、遮阳板控制调节量、放风电机控制调节量；对水帘控制调节量、风扇控制调节量、补光灯控制调节量、散热器控制调节量、遮阳板控制调节量、放风电机控制调节量各数值进行反归一化处理后，便可得到温室控制参数。