关键词:
温室温度
小波神经网络
主成分分析法
黏菌算法
摘要:
温室环境温度是影响大棚农作物生长的关键因素,其演变受多重因素的综合影响,具有明显的非线性复杂特征,预测难度较大。基于此,提出一种改进黏菌算法优化小波神经网络的作物温室环境温度预测模型CASMA-WNN。利用改进黏菌算法对小波神经网络的关键参数初值调优,在传统黏菌算法中引入PWLCM混沌映射优化初始种群多样性,设计自适应混合变异机制提高算法的搜索精度。同时,利用主成分分析法提取与作物温室环境温度相关性最高的主成分特征因子,实现数据降维。并将主成分因子输入优化调参后的小波神经网络模型,对作物温室环境温度进行预测。结果表明,与BP神经网络和标准小波神经网络相比,CASMA-WNN模型的平均绝对误差分别可以降低34.23%和26.56%,其数据拟合度更高,预测误差更小,可以为适宜的温室内作物生长温度调控提供决策支撑。