王红君等

摘要：针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题，选用影响日光温室温度的环境因子组成数据样本，对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量，采用贝叶斯正则化算法对BP神经网络进行改进。结果表明，该方法改进的BP神经网络模型得到简化，拟合曲线光滑，具有较好的泛化能力和网络推广能力。

关键词：日光温室；温度；主成分分析；贝叶斯正则化；BP神经网络

中图分类号：S24 文献标识码：A 文章编号：0439-8114（2015）17-4300-04

DOI：10.14088/j.cnki.issn0439-8114.2015.17.051

日光温室是指以太阳能为主要能源，室内安装简易的加热设施，夜间采用保温被保温，以满足作物生长需要的一种温室。日光温室环境温度对作物生长发育及产量起着至关重要的作用，不论其他环境条件如何，作物总是在温度下降到某一低温或超过某一高温情况下停止生长甚至死亡，只有维持在某一适宜温度范围内，作物生长发育才最好。因此，如果能得到有效、准确的温度预测值并将其用于指导生产过程，将有助于作物的生长，也可以大大提高作物的质量[1]。

近年来，国内外学者采用不同的方法对日光温室温度预测展开研究，这些研究主要通过传热学分析、气流场和温度场分析等对室内温度进行预测[2-6]，预测过程对复杂非线性系统进行了较多的简化和近似处理，因此存在建模精度低、预测性较差等问题[7]。……