基于EMD-CNN的温室光合有效辐射预测模型研究OA
本研究基于河北省石家庄市温室气象监测数据,提出一种结合经验模态分解(EMD)与卷积神经网络(CNN)的集成模型(EMD-CNN模型),用于预测温室内光合有效辐射(PAR)。通过分析2023年4—11月和2024年4—6月的气象参数(包括温度、湿度、CO_(2)浓度等)与PAR的相关性,筛选出8个中度相关变量作为输入特征,并采用Min-Max归一化优化数据。模型通过EMD提取气象数据的多尺度时频特征,结合CNN捕捉局部时序模式,显著提升了预测精度。试验结果表明,EMD-CNN模型的拟合优度(R^(2)=0.8228)优于单一CNN模型(R^(2)=0.7109),其平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别降低23.32%、27.78%和38.46%。EMD-CNN预测模型为温室光环境精准调控和作物生长优化提供了可靠的技术支持。
杜亚茹;李晶晶;黄媛;杨英茹;康艺凡;高欣娜;李海杰;田国英
石家庄市农林科学研究院/石家庄市农业信息化技术创新中心/河北省都市农业技术创新中心/石家庄市农业信息感知与智能控制重点实验室,河北石家庄050041北京市农林科学院智能装备技术研究中心,北京100097石家庄市农林科学研究院/石家庄市农业信息化技术创新中心/河北省都市农业技术创新中心/石家庄市农业信息感知与智能控制重点实验室,河北石家庄050041石家庄市农林科学研究院/石家庄市农业信息化技术创新中心/河北省都市农业技术创新中心/石家庄市农业信息感知与智能控制重点实验室,河北石家庄050041石家庄市农林科学研究院/石家庄市农业信息化技术创新中心/河北省都市农业技术创新中心/石家庄市农业信息感知与智能控制重点实验室,河北石家庄050041石家庄市农林科学研究院/石家庄市农业信息化技术创新中心/河北省都市农业技术创新中心/石家庄市农业信息感知与智能控制重点实验室,河北石家庄050041石家庄市农林科学研究院/石家庄市农业信息化技术创新中心/河北省都市农业技术创新中心/石家庄市农业信息感知与智能控制重点实验室,河北石家庄050041石家庄市农林科学研究院/石家庄市农业信息化技术创新中心/河北省都市农业技术创新中心/石家庄市农业信息感知与智能控制重点实验室,河北石家庄050041
农业科技
光合有效辐射经验模态分解卷积神经网络温室环境预测机器学习时间序列分析
《河北农业科学》 2026 (1)
P.95-102,8
石家庄市技术创新中心绩效后补助项目(247790759A)。
评论