面向农业温室环境的ICDO-RBFNN多传感器数据融合算法

为改善农业环境传感器测量数据精度低、可靠性差的问题,该研究提出一种改进的切诺贝利灾难优化器(improved Chernobyl disaster optimizer,ICDO)优化径向基函数神经网络(radial basis function neural network,RBFNN)多传感器数据融合算法。首先引入佳点集、拉普拉斯交叉算子和修改位置更新方程改进切诺贝利灾难优化器(Chernobyl disaster optimizer,CDO),增强算法的寻优能力;再利用ICDO优化RBFNN模型,提升模型的稳定性;最后通过RBFNN模型的非线性映射能力实现多传感器数据融合方法,提高数据融合精度。仿真试验结果表明,大气环境质量预测的拟合优度达到0.999,均方误差低至0.348,平均绝对百分比误差降到0.729%;现场试验结果表明,温室环境等级划分的准确率高达99.21%,精准率为99.91%。研究提出的多传感器数据融合算法精度高,相对误差低,稳健性好。