首页|基于LSTM的连栋温室能耗预测模型

基于LSTM的连栋温室能耗预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了解决北方地区玻璃温室作生产中能耗过大、能源浪费严重的问题,提出了基于LSTM神经网络的温室能耗预测模型.首先,使用Python的Keras深度学习框架构建能耗预测模型,然后根据预设的损失函数,优化器等进行训练和验证,最后根据玻璃温室的气象数据和能耗数据对模型进行验证,并与BP神经网络和RNN神经网络能耗预测模型进行了对比分析.结果表明:BP、RNN和LSTM网络模型预测值和真实值的均方差分别为0.054、0.040、0.037,平均绝对误差分别为0.142、0.121、0.114,LSTM模型的MSE和MAE误差均优于BP和RNN网络模型.综上,基于LSTM神经网络构建的温室能耗预测模型对能耗值的预测更加准确,为温室能耗精准管控提供了理论依据.
Prediction Model of Energy Consumption of Multi-span Greenhouse Based on LSTM Neural Network

张云鹤、林森、沈剑波、陈诚、李作麟、解同磊

展开 >

北京市农林科学院智能装备技术研究中心,北京100097

农芯科技(北京)有限责任公司,北京100097

温室 能耗预测 LSTM神经网络

北京市科技计划科技创新2030项目子课题

Z2111000046210062021ZD0113602

2023

10.3969/j.issn.1006-6500.2023.06.013

天津农业科学
天津农业科学院信息研究所

天津农业科学

影响因子：0.705
ISSN：1006-6500
年,卷(期)：2023.29(6)
  • 2
  • 12