基于KNN-SVM算法的温室番茄生长预测模型OA

为解决现有温室番茄生长模型预测准确率低的问题,依据番茄生理学的基本特点,以温室内的环境参数为模型变量,建立了温室番茄生长发育的非线性模型。该模型描述了温室内温度、湿度、土壤温度、土壤湿度等环境因子对番茄发育速度的影响,模型具有良好的解释能力和较高的精度。首先,将利用各类传感器对吉林省吉林市温室番茄生长的各类环境数据进行收集;然后,对番茄温室的实际数据进行处理,再利用KNN算法对缺失和异常数据进行补充,并进行相关性分析;最后,在处理完成的番茄作物生长数据的基础上,考虑番茄作物对温室环境的实时反馈,结合相关性利用SVM优化算法对2020—2021年的吉林市经开区温室番茄数据进行模拟,得到SVM、LDA、LR的准确率分别为0.904、0.885、0.865。结果表明,SVM可以更好地预测番茄的生长变化。温室番茄作物—环境互作模型的建立,为温室环境控制打下了良好基础。