基于BP神经网络的杨梅大棚内气温预测模型研究

中国农业气象 ›› 2011, Vol. 32 ›› Issue (3): 362-367.

基于BP神经网络的杨梅大棚内气温预测模型研究

金志凤，符国槐，黄海静，潘永地，杨再强，李仁忠

出版日期:2011-08-20 发布日期:2011-11-03
作者简介:金志凤(1966-)，女，江苏海安人，学士，高级工程师，主要从事农业气象研究。
基金资助:
公益性行业（气象）科研专项“设施农业及特色农产品气象保障关键技术研究”(GYHY200906023)；科技部农业科技成果转化资金项目“基于GIS的特色经济作物种植潜力分析与示范”(2008GB24160442)；浙江省科技厅科技计划“浙江杨梅气候生态研究”（2005C33050）

Simulation and Forecast of Air Temperature inside the GreenhousePlanted Myica rubra Based on BP Neural Network

JIN Zhifeng,FU Guohuai,HUANG Haijing,PAN Yongdi,YANG Zaiqiang,LI Renzhong

Online:2011-08-20 Published:2011-11-03

摘要/Abstract

摘要： 利用2009年12月-2010年5月塑料大棚内外观测的气象数据，构建了基于BP神经网络的杨梅生产大棚内的最高、最低气温预测模型，根据逐时转化系数计算出棚内相应的逐时气温，达到逐时预报大棚内气温的目的。通过模拟回代和对独立试验数据的验证，基于BP神经网络模型对大棚内日最低气温、日最高气温和逐时气温预测值与实际值的回归估计标准误差（RMSE）分别为0.8℃、1.4℃和0.7℃，精度明显高于同时利用逐步回归法建立的模型。该模型所需参数少，实用性强，模拟精度高，可为设施杨梅气象服务和环境调控提供依据。

关键词: 神经网络, 气温, 模拟模型, 设施杨梅栽培

Abstract: The minimum and maximum temperature prediction model inside greenhouse planted Myica rubra was established based on BP neural network,by using meteorological data both inside and outside the greenhouse from December 2009 to June 2010 in Wenzhou of Zhejiang province. Using the independent experimental data and simulation back generations to verify the model,the results indicated that the root mean square error(RMSE) between the predicted value and measured value based on 1 line for the minimum and maximum and hourly inside air temperature were 0.8℃,1.4℃ and 0.7℃,respectively. The precision of BP neural network model was higher than that of the stepwise regression model obviously. The model,with few parameters,could predict the greenhouse temperature more accurately,which could provide scientific basis for facility meteorological service and environment regulation of greenhouse Myrica rubra cultivation.

Key words: font-family: 宋体, mso-bidi-font-family: 宋体, mso-font-kerning: 1.0pt, mso-ansi-language: EN-US, mso-fareast-language: ZH-CN, mso-bidi-language: AR-SA">Neural network, Air temperature, Simulation model, Greenhouse planted font-family: 宋体, mso-ascii-font-family: MingLiU_HKSCS, mso-hansi-font-family: MingLiU_HKSCS, mso-bidi-font-family: MingLiU_HKSCS, mso-font-kerning: 1.0pt, mso-ansi-language: EN-US, mso-fareast-language: ZH-CN, mso-bidi-language: AR-SA">font-family: 宋体, mso-bidi-font-family: 宋体, mso-font-kerning: 1.0pt, mso-ansi-language: EN-US, mso-fareast-language: ZH-CN, mso-bidi-language: AR-SA">Myrica rubra

金志凤，符国槐，黄海静，潘永地，杨再强，李仁忠. 基于BP神经网络的杨梅大棚内气温预测模型研究[J]. 中国农业气象, 2011, 32(3): 362-367.

JIN Zhifeng,FU Guohuai,HUANG Haijing,PAN Yongdi,YANG Zaiqiang,LI Renzhong. Simulation and Forecast of Air Temperature inside the GreenhousePlanted Myica rubra Based on BP Neural Network[J]. Chinese Journal of Agrometeorology, 2011, 32(3): 362-367.

[1]	吴慧臻, 李东升, 杨再强, 张丰寅, 陈旸. 基于四种算法比较分析Venlo型玻璃温室气温季节预报模型[J]. 中国农业气象, 2024, 45(02): 135-146.
[2]	刘珊珊, 刘布春, 刘园, 韩锐, 杨凡, 刘观止, 车红蕾. CMIP6全球气候模式对山东极端气温模拟能力评估[J]. 中国农业气象, 2024, 45(01): 91-100.
[3]	姜雨函, 罗靖, 杨再强, 郑艳姣. 南方地区大棚种植非洲菊高温热害风险区划[J]. 中国农业气象, 2023, 44(05): 433-444.
[4]	成林, 申晓晴, 韩耀杰, 郭康军. 河南强筋小麦种植品质达标的关键气象因子分析[J]. 中国农业气象, 2023, 44(01): 47-57.
[5]	晋程绣, 姜超, 张曦月. CMIP6模式对中国西南地区气温的模拟与预估[J]. 中国农业气象, 2022, 43(08): 597-611.
[6]	刘小飞, 王景雷, 刘祖贵, 宋妮, 方文松. 基于日天气预报数据估算小麦生长季参考作物蒸散量[J]. 中国农业气象, 2022, 43(03): 194-203.
[7]	贾悦, 苏永军, 张冉, 李鹏程, 王凤春, 路梅. 气象资料受限条件下BP神经网络优化模型模拟参考作物蒸散量：以京津冀地区为例[J]. 中国农业气象, 2022, 43(01): 1-16.
[8]	徐超, 申梦吟, 王明田, 杨再强, 韩玮, 郑盛华. 苗期短时高温条件下草莓干物质积累模型的修订[J]. 中国农业气象, 2021, 42(07): 572-582.
[9]	庞静漪, 刘布春, 刘园, 邱美娟, 王珂依. CMIP5全球气候模式统计降尺度数据对辽宁省极端气温模拟能力评估[J]. 中国农业气象, 2021, 42(05): 351-363.
[10]	刘昭霖, 宗毓铮, 张东升, 郝兴宇, 李萍. 大气CO2浓度和气温升高对大豆叶片光合特性及氮代谢的影响[J]. 中国农业气象, 2021, 42(05): 426-437.
[11]	周宇, 黄辉, 张劲松, 孟平, 孙守家. 森林生态系统涡度相关法碳通量长时间连续性缺失数据插补方法的比较[J]. 中国农业气象, 2021, 42(04): 330-343.
[12]	杨栋，丁烨毅，孙军波，李清斌，魏莎莎，黄鹤楼. 南方塑料大棚“棚温逆差”特征及其预报[J]. 中国农业气象, 2019, 40(04): 240-249.
[13]	陈潇，冯利平，彭明喜，陈燕丽. 钟模型法建立甘蔗发育期模拟模型[J]. 中国农业气象, 2019, 40(03): 186-194.
[14]	刘红杰，倪永静，任德超，杜克明，葛君，朱培培，赵敬领，武永峰，胡新. 黄淮冬麦区晚霜冻易发时段冠层内最低气温分布及估算[J]. 中国农业气象, 2018, 39(12): 786-795.
[15]	韦婷婷，杨再强，王琳，赵和丽，李佳帅. 玻璃温室和塑料大棚内逐时气温模拟模型[J]. 中国农业气象, 2018, 39(10): 644-655.