基于BP神经网络建立杏鲍菇生长的CO_2浓度预测模型及其调控策略

鉴于杏鲍菇工厂化栽培过程中开关调控滞后的现状,在温湿、光照参数适宜的情况下,以历史CO_2浓度和相对生长时间为输入参数,建立基于BP神经网络的群落式杏鲍菇生长阶段CO_2预测模型,并基于该预测模型提出不同生长阶段CO2浓度调控策略。仿真结果显示,当杏鲍菇处于原基生长阶段时,在CO_2为1 964.3 mg·m^(-3)时密封计时58 min后通风6 min;当子实体处于生长阶段时,在CO_2为4 910.7 mg·m^(-3)时密封计时36 min后通风3.8 min;当子实体成熟时,在CO_2为6 875 mg·m^(-3)时密封计时70 min后通风7.5 min。模型训练集和测试集的相关系数达到0.98,预测精度较高。