本发明公开了一种基于LVQ神经网络的黄瓜温室温度智能化检测装置,其特征在于所述检测装置由基于CAN总线的黄瓜温室环境参数采集平台和黄瓜温室温度智能监测系统两部分组成;本发明有效解决了现有黄瓜温室监控系统没有根据黄瓜温室环境温度变化的非线性、大滞后和黄瓜温室面积大温度变化复杂等特点,对黄瓜温室环境的温度进行智能化监测与预测,从而极大的影响黄瓜温室环境温度的调控问题。
1.一种基于LVQ神经网络的黄瓜温室温度智能化检测装置,其特征在于:所述检测装置由基于CAN总线的黄瓜温室环境参数采集平台和黄瓜温室温度智能监测系统两部分组成;黄瓜温室温度智能监测系统包括黄瓜温室温度预测子系统、黄瓜温室湿度预测子系统和黄瓜温室温度校正融合模型三部分组成,实现对黄瓜温室多点温度的融合、预测和校正;所述黄瓜温室温度预测子系统包括黄瓜温室环境温度LVQ神经网络分类器、组合预测模型1、组合预测模型2和组合预测模型3 组成,每个组合预测模型包括GRNN神经网络温度预测模型、ARIMA自回归滑动平均温度预测模型和最小二乘支持向量机LS‑SVM温度预测模型以及三个预测模型等权重相加和得到温度融合预测值,黄瓜温室环境温度LVQ神经网络分类器把黄瓜温室温度多个检测点值分为3种类型,每种类型的黄瓜温室温度检测点值作为对应类的组合预测模型的输入,每个组合预测模型实现对不同类黄瓜温室温度检测点值的温度预测,提高黄瓜温室温度预测精确度,3个组合预测模型的输出值作为黄瓜温室温度预测子系统的输出;所述黄瓜温室湿度预测子系统包括黄瓜温室湿度小波分解模型、多个ANFIS神经网络湿度预测模型和多个ANFIS神经网络湿度预测模型值等权重相加得到湿度融合预测值三部分组成,黄瓜温室湿度小波分解模型把黄瓜温室湿度检测值分解为低频趋势部分和多个高频波动部分,黄瓜温室湿度检测值经过黄瓜温室湿度小波分解模型分解得到的低频趋势部分和多个高频波动部分分别作为多个ANFIS神经网络湿度预测模型的输入,多个ANFIS神经网络湿度预测模型的输出分别为黄瓜温室湿度检测值的低频趋势部分和多个高频波动部分的预测值,多个ANFIS神经网络湿度预测模型值等权重相加得到湿度融合预测值;所述黄瓜温室温度校正融合模型由6个微分算子S和ANFIS神经网络组成,6个微分算子平均分成3组,每组2个微分算子相串联分别构成微分回路1和微分回路2以及微分回路3;黄瓜温室温度预测子系统的组合预测模型1的输出为微分回路1的输入和ANFIS神经网络的C端的输入,微分回路1的输出为ANFIS神经网络的A端的输入,微分回路1的2个微分算子S的连接端的输出为ANFIS神经网络的B端的输入;黄瓜温室温度预测子系统的组合预测模型2的输出为微分回路2的输入和ANFIS神经网络的D端的输入,微分回路2的输出为ANFIS神经网络E端的输入,微分回路2的2个微分算子S的连接端的输出为ANFIS神经网络F端的输入;黄瓜温室温度预测子系统的组合预测模型3的输出为微分回路3的输入和ANFIS神经网络的J端的输入,微分回路3的输出为ANFIS神经网络K端的输入,微分回路3的2个微分算子S的连接端的输出为ANFIS神经网络L端的输入;黄瓜温室湿度预测子系统的输出为ANFIS神经网络I端的输入;ANFIS神经网络由10个输入端节点、20个中间节点和1个反映黄瓜温室温度的输出端节点组成,黄瓜温室温度校正融合模型实现对黄瓜温室预测的温度值的校正,反映了黄瓜温室的湿度的实际值变化对黄瓜温室温度的影响,提高黄瓜温室温度预测的精确度。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2303205.html,转载请声明来源钻瓜专利网。