基于XGBoost的温室环境预测与卷膜决策方法研究

S223%S625.5+1; 为了实现温室大棚环境由人工管理到自动控制,将农民经验管理模式模型化、参数化,对温室大棚环境进行控制,在陕西杨凌选择管理优质的温室作为研究对象,利用机器学习的极端梯度提升算法(extreme gradient boosting,XGBoost)建立室外环境(温度、湿度和不同高度温度)、室内环境(温度、湿度)、控制(卷膜)3者之间的关系,分别对4个不同生育期(新梢生长期、开花坐果期、果实膨大期、着色成熟期)葡萄温室的温、湿度进行模拟,并建立温室环境控制卷膜决策模型,将该模型应用于杨凌地区"锦田农庄"3号葡萄温室,实现了直接通过温室外界环境对温室卷膜进行远程控制.结果表明:与实际情况相比,模型决策准确率为95％,根据结果进行卷膜远程控制,昼间卷膜开启后,温度、湿度变化趋势缓慢,均处于目标区间,说明所建立的卷膜决策模型可以有效调控温室内的温度和湿度,能够减少温室内传感器的使用,具有较强的应用价值和推广意义.