34、生物技术设施智能自动化系统：温室环境预测与控制

生物技术设施智能自动化系统：温室环境预测与控制

1. 温室环境智能控制系统的必要性

在温室中，为植物生长创造适宜的技术条件至关重要。环境温度和太阳辐射是影响温室植物生长的主要自然干扰因素。因此，开发能够预测这些自然干扰的智能系统成为当务之急。

2. 智能控制系统的合成

2.1 神经网络合成与研究

使用 Statistica Neural Networks 软件包和多层感知器来合成和研究相应的神经网络（NN），目标是最小化 NN 误差。在合成过程中，基于 Gibbs 概率分布的模拟退火方法用于优化神经模型的架构，公式如下：
[
P(x^{ }\to x_{i + 1}|x_{i}) =
\begin{cases}
1, & F(x^{ }) - F(x_{i}) < 0 \
\exp\left(-\frac{F(x^{ }) - F(x_{i})}{Q_{i}}\right), & F(x^{ }) - F(x_{i}) \geq 0
\end{cases}
]
其中 (Q_{i} > 0) 是任意递减至零的序列元素。

输入数据会自动分为训练、控制和测试三个块，虽然三个块不是必需的，但测试块有助于提高网络性能，避免过拟合。

2.2 外部自然干扰的神经网络预测

• 输入输出变量 ：以预测的日期和时间作为输入数据，即两个输入变量（Var1 代表日期，Var2 代表时间），一个输出变量（Var4 代表