安徽农业大学时国龙副教授等:双向时序数据驱动的玻璃温室环境变量预测模型

玻璃温室是现代化农业的重要组成部分。为了实现高效环境调控，对其环境信息进行精准预测尤为重要。针对传统模型在处理此类复杂时间序列数据时存在的噪声干扰抑制不足、时序依赖信息挖掘不充分、关键权重分配缺失等问题，该研究提出了一种双向时序数据驱动的玻璃温室环境变量预测模型，并依托浙江省谭家湾云上农业试验场进行实地试验。

首先基于物联网边缘计算的智能感知网络架构，采集了268个传感器共计40417105条数据；其次通过Spearman秩相关系数对环境因子进行了相关性分析，选取具有显著相关性的环境因子作为输入特征；随后将经过变分模态分解（variational mode decomposition，VMD）分解的4个本征模态函数（intrinsic mode function，IMF）特征序列拼接后输入双向长短期记忆网络（bidirectional long short-term memory，BiLSTM）模型，并引入注意力机制对BiLSTM输出的隐藏状态向量分配关键权重，最后得到空气温度、空气湿度、CO₂浓度和光照强度的时间序列预测结果。

试验结果表明，该研究所提出的模型在选取的4个环境变量预测上的平均决定系数达到了0.976，平均绝对百分比误差为2.606%，研究成果可为温室环境管理与调控提供参考。