您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于多模态数据驱动的黄瓜温室湿度预测方法

文献类型： 中文期刊

作者： 黄天艺 1 ; 吴华瑞 1 ; 朱华吉 1 ;

作者机构： 1.广西大学计算机与电子信息学院;国家农业信息化工程技术研究中心;北京市农林科学院信息技术研究中心;农业农村部数字乡村技术重点实验室

关键词： 环境预测;格拉姆角场;卷积神经网络;长短期记忆神经网络;贝叶斯神经网络

期刊名称： 电子测量技术

ISSN： 1002-7300

年卷期： 2023 年 46 卷 016 期

页码： 97-104

收录情况： 北大核心

摘要： 温室湿度精准预测对病害防治策略制定、水肥自动灌溉等具有重要意义.本文研究了一种基于多模态数据驱动的预测方法.为解耦温室环境控制中环境变量复杂关系,提高模型预测效率,利用LASSO回归从多温室环境参数中筛选得到温室空气湿度变化强关联环境因子,结合CNN提取图像空间特征的优势,基于GAF理论将温室时间序列分别转化为GASF与GADF二维图像,进一步增强有效信息,抑制环境噪声,通过引入低复杂度的双卷积层充分提取图像潜在特征,识别湿度变化趋势,对不同湿度变化趋势的时间序列逐一构建Bayesian_LSTM预测模型,增加平稳输入提高预测精度.针对黄瓜温室,将室内温度、湿度、光照强度历史时间序列转化为二维图像作为输入,分析验证了模型的预测性能.试验数据显示当时间滑动窗口大小为15,选用GADF转化图像,Bayesian_LSTM隐藏节点数为100时,平均绝对误差、平均绝对百分比误差、均方根误差分别达到2.58%、4.56%、4.80%,为模型性能最优.对比RNN、GRU、Bi-GRU、1D-CNN共4种主流预测模型,试验结果均表现出良好的预测性能.

  • 相关文献

[1]日光温室环境预测模型构建. 辛本胜,乔晓军,滕光辉. 2006

[2]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[3]基于Faster R-CNN网络的茶叶嫩芽检测. 朱红春,李旭,孟炀,杨海滨,徐泽,李振海. 2022

[4]基于卷积模型的农业问答语性特征抽取分析. 张明岳,吴华瑞,朱华吉. 2018

[5]基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法. 韩旭,赵春江,吴华瑞,朱华吉,张燕. 2021

[6]基于紫外-可见光谱与深度学习CNN算法的水质COD预测模型研究. 贾文珅,张恒之,马洁,梁刚,王纪华,刘鑫. 2020

[7]基于多语义特征的农业短文本匹配技术. 金宁,赵春江,吴华瑞,缪祎晟,王海琛,杨宝祝. 2022

[8]基于CNN的作物分类识别图像获取平台研究进展. 张倩,王明,于峰,陶震宇,张辉,李刚. 2024

[9]基于卷积神经网络的田间麦穗检测方法研究. 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博. 2023

[10]基于深度学习的杂草识别方法研究进展. 付豪,赵学观,翟长远,郑康,郑申玉,王秀. 2023

[11]基于脸部RGB-D图像的牛只个体识别方法. 刘世锋,常蕊,李斌,卫勇,王海峰,贾楠. 2023

[12]基于CNN-GRU的菇房多点温湿度预测方法研究. 赵全明,宋子涛,李奇峰,郑文刚,刘宇,张钟莉莉. 2020

[13]基于卷积神经网络的生菜多光谱图像分割与配准. 黄林生,邵松,卢宪菊,郭新宇,樊江川. 2021

[14]卷积神经网络及其在田间杂草管理中应用的研究进展. 张金梦,张倩,王明,谭雅蓉,陶震宇,于金莹. 2024

[15]高光谱图谱结合策略检测小麦单粒种子活力. 石睿,张晗,王成,康凯,罗斌. 2024

[16]基于高光谱和深度学习的水稻秸秆覆盖度遥感估算. 岳继博,李婷,宋洁,田庆久,刘杨,冯海宽. 2024

[17]利用无人机高光谱成像和ES-CNN策略诊断油茶营养. 陈龙跃,段丹丹,高佳华,张祖铭,孙鹤,姜毅,冉成. 2024

[18]基于卷积神经网络的草莓叶片缺氮诊断模型研究. 葛世龙,吕芯悦,曲明山,李婷,赵小平,晁慧娟,史凯丽,李莉. 2025

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台