首页|基于XGBoost的温室环境预测与卷膜决策方法研究

基于XGBoost的温室环境预测与卷膜决策方法研究

Research on Greenhouse Environment Prediction and Film Rolling Decision Method Based on XGBoost Model

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了实现温室大棚环境由人工管理到自动控制,将农民经验管理模式模型化、参数化,对温室大棚环境进行控制,在陕西杨凌选择管理优质的温室作为研究对象,利用机器学习的极端梯度提升算法(extreme gradient boosting,XGBoost)建立室外环境(温度、湿度和不同高度温度)、室内环境(温度、湿度)、控制(卷膜)3者之间的关系,分别对4个不同生育期(新梢生长期、开花坐果期、果实膨大期、着色成熟期)葡萄温室的温、湿度进行模拟,并建立温室环境控制卷膜决策模型,将该模型应用于杨凌地区"锦田农庄"3号葡萄温室,实现了直接通过温室外界环境对温室卷膜进行远程控制.结果表明:与实际情况相比,模型决策准确率为95％,根据结果进行卷膜远程控制,昼间卷膜开启后,温度、湿度变化趋势缓慢,均处于目标区间,说明所建立的卷膜决策模型可以有效调控温室内的温度和湿度,能够减少温室内传感器的使用,具有较强的应用价值和推广意义.

李柱、朱德兰、陆丽琼、韩煜琪、涂泓滨、刘禹晗、许彤

展开 >

西北农林科技大学水利与建筑工程学院,陕西 杨凌 712100

西北农林科技大学 旱区农业水土工程教育部重点实验室,陕西 杨凌 712100

温室 环境模拟 XGBoost模型 卷膜决策 远程控制

国家重点研发计划项目陕西省重点研发计划项目宁夏回族自治区重点研发计划项目

2021YFE01030002020ZDLNY01-012022BBF02026

2023

10.12396/jsgg.2022259

节水灌溉
中国国家灌溉排水委员会,中国灌溉排水发展中心,武汉大学,国家节水灌溉北京工程技术研究中心

节水灌溉

CSTPCD北大核心
影响因子：0.674
ISSN：1007-4929
年,卷(期)：2023.(3)
  • 1
  • 14