李其操， 董自健

（江苏海洋大学电子工程学院， 江苏 连云港 222005）

0 引 言

中国是排在世界前列的农业生产大国，温室的面积占据着世界首位。 温室内的环境因素对于作物的生长有着至关重要的影响［1-2］。 目前，温室的调控方式大多是凭借工人的生产经验，通过获得的传感器数据，进行预判性的调控。 因此，能够精准的预测出温室内的温度情况，对温室调控系统有很大的帮助。

近年来，许多学者提出了针对温度预测的方法。如：左志宇［3］提出采用时序分析法建立温度预测模型的方法；徐意［4］构建了基于RBF 神经网络的温室温度预测模型；徐宇［5］构建了基于复数神经网络的温室温度预测模型；王红君［6］利用贝叶斯正则化算法对BP 神经网络进行改进，降低了影响温度的因子之间的耦合度等。

但是，上述预测模型都容易出现陷入局部最优的情况。 因此，本文利用遗传算法，对BP 神经网络的初始权值和阈值进行优化，使预测模型避免出现局部最优的情况，从而对温室内温度进行更精准的预测。

1 GA-BP 神经网络预测模型的构建

1.1 BP 神经网络

BP 神经网络的主要思想是：训练数据通过前馈网络训练后得到输出数据，将输出数据与期望数据进行对比得到误差，反向传播网络将得到的误差反向输入输出层，对网络的连接权值和阈值进行反复训练，缩小网络输出和期望输出之间的误差。

输入、输出层为单层结构，而隐藏层可以是单层或多层。 输入层、隐藏层、输出层之间的神经元都是相互连接的，为全连接。……