南方塑料大棚冬春季温湿度的神经网络模拟--131393846.docVIP

南方塑料大棚冬春季温湿度的神经网络模拟 温室是实现作物优质、高效生产的重要设施。塑料大棚是用塑料薄膜覆盖进行保护地蔬菜生产的一种形式，也是南方最常用的温室形式之一。大棚内的小气候直接影响着作物生长发育全过程，因此系统研究棚内小气候环境及建立小气候预报模型可为棚内生产环境调控和栽培管理提供科学依据。 国外温室小气候数值模拟研究始于20世纪60年代。1963年，Businger[将温室分为覆盖物、室内空气、作物和土壤4层，并使能流公式化，初步建立各层稳态能量平衡方程。Takami提出了确定边界条件的系统竖直结构，实现了按小时变化的温室数学模型。JoUiet建立了预测和优化温室内湿度与蒸发模型。Wang等研究了地中海气候下自然通风塑料大棚的小气候。许多学者对基于能量平衡方程的温室小气候模型进行了深入研究。国内开展温室小气候模拟研究的时间不长，1991年李良晨建立了温室和塑料大棚均适用的能量平衡和质量平衡方程组，为温室热工设计提供了理论依据。陈端生等研究了日光温室的光环境；陈青云等做了日光温室热环境的研究；李元哲等[13-15]研究了日光温室、塑料大棚以及塑料连栋温室的小气候模拟。从能量平衡角度出发进行温室环境模拟预测机理性强、解释性好，但是由于模型所需参数较多、方法复杂，经常由于参数值的难以准确选取，导致计算的误差较大。 神经网络是20世纪80年代后期迅速发展起来的人工智能的一个重要分支，也是近年来常用的一种温室小气候模拟的研究方法。Seginer等在1994年应用BP算法建立了温室气候的人工神经网络模型；Fourati等利用神经网络对温室动态控制进行了研究；Ferreira等利用人工神经网络，对温室内部要素建立预测模型并取得了良好效果；Frausto等通过建立室内气温神经网络预测模型，指出神经网络具有拟合度高、无需频繁返回参数值的优越性；宫赤坤等‘213利用神经网络对温室夏季温湿度控制进行了研究，表明应用遗传模糊神经网络对温室夏季温湿度进行控制具有较大的实用价值；陈雨青利用改进的BP神经网络对夏季温室小气候进行模拟和预测，指出所建模型比较符合实际情况，预测模型达到了预期的效果；汪小品等使用BP神经网络对梅雨季节的温室小气候进行了模拟；金志凤等利用外界气象要素建立了预测杨梅大棚内最高、最低气温的神经网络模型。对于神经网络在温室模拟方面的应用近年来多有报道，但是针对不同通风条件下南方塑料大棚内温湿度状况的研究较少。 由于春季大棚需要早晚开关通风窗，大棚小气候环境也会受到影响，因此，本文拟分冬季、春季通风时段、春季不通风3个时段对棚内温湿度进行模拟，建立各时段棚内温湿预报模型，并对模拟效果进行分析和评价，从而为大棚作物环境调控及小气候预报提供支持。 1资料和方法 1.1? 资料来源冬季大棚小气候观测数据来源于浙江省慈溪市的大棚试验。大棚为南北方向，长43m，跨度8m，中脊高5m。棚膜上覆盖草帘，每日8:00后揭开以接收太阳辐射，16:00 -次日8:00覆盖草帘以保温。试验期间温室内种植作物为草莓。观测项目包括距地面1.5m高度处的棚内气温、相对湿度、总辐射以及地表温度，每个整点自动采集数据一次。试验观测时间为2006年12月11 - 27日，采用ZQZ-A自动气象站进行24h连续观测。棚外气象数据取自距大棚5kin的慈溪气象站。 春季大棚小气候观测数据来源于南京信息工程大学农业气象试验站。大棚为东西走向，长24m，跨度6m，中脊高3m。棚两侧有通风窗，每日8:00开启通风，17:30关闭。试验期间温室内种植作物为番茄。观测项目为距地面2m高处的棚内气温、相对湿度、总辐射以及地表温度，每lOmin自动采集数据一次。试验观测时间为2011年5月26日-6月9日，采用Watchdog2000小型自动气象站进行24h自动观测。室外气象数据取自距大棚100m的气象观测站。 1.2? BP神经网络 BP神经网络又称为误差反向传播(Back Propa-gation)神经网络，它是一种多层的前向型神经网络。其主要特点是信号前向传播，误差反向传播。在前向传播中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值的阀值，从而使BP神经网络预测值输出不断逼近期望输出。BP神经网络的拓扑结构如图1所示。 1.3模型评价指标 采用均方根误差RMSE (Root Mean Squared Er-ror)、相对误差RE( Relative Error)以及绝对误差AE(Absolute Error)对模拟值与实测值之间的符合度进行分析。即 式中，OBSi为实测值，指实测的棚内气温、相对湿度；SIMi为相应模拟值；n为样本容量。RMSE、RE、AE的值越小，模拟