基于XGBoost的温室环境预测与卷膜决策方法研究

• Published in: 节水灌溉 no. 3; pp. 67 - 74
• Main Authors: 李柱, 朱德兰, 陆丽琼, 韩煜琪, 涂泓滨, 刘禹晗, 许彤
• Format: Journal Article
• Language: Chinese
• Published: 西北农林科技大学水利与建筑工程学院,陕西 杨凌 712100 10.03.2023; 西北农林科技大学 旱区农业水土工程教育部重点实验室,陕西 杨凌 712100
• Subjects: XGBoost模型; 卷膜决策; 远程控制; 环境模拟; 温室
• ISSN: 1007-4929
• DOI: 10.12396/jsgg.2022259

S223%S625.5+1; 为了实现温室大棚环境由人工管理到自动控制,将农民经验管理模式模型化、参数化,对温室大棚环境进行控制,在陕西杨凌选择管理优质的温室作为研究对象,利用机器学习的极端梯度提升算法(extreme gradient boosting,XGBoost)建立室外环境(温度、湿度和不同高度温度)、室内环境(温度、湿度)、控制(卷膜)3者之间的关系,分别对4个不同生育期(新梢生长期、开花坐果期、果实膨大期、着色成熟期)葡萄温室的温、湿度进行模拟,并建立温室环境控制卷膜决策模型,将该模型应用于杨凌地区"锦田农庄"3号葡萄温室,实现了直接通过温室外界环境对温室卷膜进行远程控制.结果表明:与实际情况相比,模型决策准确率为95％,根据结果进行卷膜远程控制,昼间卷膜开启后,温度、湿度变化趋势缓慢,均处于目标区间,说明所建立的卷膜决策模型可以有效调控温室内的温度和湿度,能够减少温室内传感器的使用,具有较强的应用价值和推广意义.