期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于MA-ARIMA-GASVR的食用菌温室温度预测 被引量:13
1
作者 田东 韦鑫化 +3 位作者 王悦 赵安平 穆维松 冯建英 《农业工程学报》 EI CAS CSCD 北大核心 2020年第3期190-197,共8页
食用菌温室温度具有时变、非线性、多耦合特性,准确预测对稳定食用菌生产具有重要意义。本研究从挖掘温室历史温度数据时序信息角度出发,提出一种MA-ARIMA-GASVR组合方法建立温度预测模型,利用移动平均方法将历史温度序列分解成线性序... 食用菌温室温度具有时变、非线性、多耦合特性,准确预测对稳定食用菌生产具有重要意义。本研究从挖掘温室历史温度数据时序信息角度出发,提出一种MA-ARIMA-GASVR组合方法建立温度预测模型,利用移动平均方法将历史温度序列分解成线性序列和残差序列,然后采用移动平均差分自回归模预测线性序列的趋势,再将移动平均差分自回归预测值、历史残差数据、历史温度数据作为支持向量回归模型的输入,并结合遗传算法优化支持向量回归模型参数改善其性能,从而获得更符合实际情况的温度预测值。最后选取实测温度数据作为训练集,对未来2 d的温度进行预测验证。结果显示,MA-ARIMA-GASVR组合方法能更好地拟合原始温度数据,间隔1 h的均方误差、平均绝对误差和平均绝对百分误差分别为0.18、0.36和1.34,均显示本研究方法预测精度优于支持向量回归、遗传算法优化的支持向量回归单一模型,也优于未经移动平均以及未经遗传算法优化的组合模型;此外,间隔6 h的均方误差、平均绝对误差和平均绝对百分误差为0.29、0.52和1.95,说明本研究方法还能满足6 h以内的多步预测,为食用菌生产者预留更多调整时间。 展开更多
关键词 温室 温度 模型 时间序列 支持向量回归 食用菌
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部