基于IPSO-SA算法的温室番茄产量预测方法

针对现代温室节能、高效和优质生产的需要,提出一种机理模型与参数辨识相结合的温室番茄产量预测方法。采用改进型退火粒子群算法(Hybrid algorithm of improved particle swarm optimization and simulated annealing algorithm,IPSO-SA)对温室番茄生长模型中难以确定的参数进行辨识,建立温室番茄产量预测模型。根据上海试验温室的气象数据和实测的番茄产量,分别采用模拟退火算法(Simulate annealing algorithm,SA)、粒子群算法(Particle swarm optimization,PSO)和IPSO-SA进行参数辨识和产量预测比较分析。经IPSO-SA校准的模型预测产量与实际产量的相对误差为2.2%,分别比经PSO和SA校准的模型减少了2.1%和0.7%。结果表明:IPSO-SA的收敛速度最快,均方根误差最小,预测精度最高。试验与模拟结果验证了经过IPSO-SA算法校准的番茄产量预测模型精确有效,可为温室番茄栽培提供理论依据。

基于Ecotect的光伏温室内光环境分析

为研究光伏面板对温室内太阳辐射分布的影响,应用基于Ecotect的三维(three dimensional,简称3D)光伏温室模型对光伏温室内光环境进行模拟分析。将光伏温室内的太阳辐射模拟结果与试验测量值进行对比可知,其平均误差在10%以内,验证了所建立的3D光伏温室模型的准确性和可靠性。分别分析10:00、12:00、14:00、16:00等不同时刻和不同太阳高度角下光伏面板对光伏温室内阴影区域及太阳辐射分布的影响。结果表明,光伏温室能提供适宜作物生长的光照辐射环境。综合分析可知,基于Ecotect的3D温室模型可为光伏温室优化设计提供可靠的理论依据。