河南农业科学 ›› 2018, Vol. 47 ›› Issue (2): 155-160.DOI: 10.15933/j.cnki.1004-3268.2018.02.029

• 农产品加工与安全·农业工程·农业信息技术 • 上一篇    

基于BP神经网络的海口地区2种热带兰温室栽培环境预测

姚鑫鑫,宋希强,王 健,赫代成,黎维诗,庞真真   

  1. 1. 海南大学 热带农林学院,海南 海口 570228;2. 海南博大兰花科技有限公司,海南 海口 570311
  • 收稿日期:2017-08-21 出版日期:2018-02-15 发布日期:2018-02-15
  • 通讯作者: 庞真真(1983-),女,广西博白人,讲师,博士,主要从事设施农业环境调控及模拟仿真工作。E-mail:luckypzz@163.com
  • 作者简介:姚鑫鑫(1994-),男,安徽阜阳人,在读硕士研究生,研究方向:设施农业环境调控及模拟仿真。E-mail:756778598@qq.com
  • 基金资助:
    海南省自然科学基金(317049)

  • Received:2017-08-21 Published:2018-02-15 Online:2018-02-15

摘要: 为了优化海口地区热带兰的栽培环境调控,利用BP神经网络对设施内环境进行模拟预测,并在预测之前针对文心兰进行遮光率的比较筛选,以选择生产文心兰品质较好的环境。结果表明:在平均温度26~27 ℃、平均相对湿度79%~83%、65%遮光率的条件下文心兰的花穗部长度占比最高、倒伏率为1.6%,文心兰品质较好;模型验证结果表明,结构为3-12-3的BP神经网络模型对海南地区文心兰的栽培环境预测效果较好。其中,温度和相对湿度的平均相对误差(RE)分别为3.4%和5.7%,光照强度的均方根误差(RMSE)为3.0 klx,对文心兰栽培环境的预测结果较准确;用于蝴蝶兰栽培环境预测的结构为3-10-3的BP神经网络模型对温度与相对湿度的预测值与实测值的RE分别为2.5%和4.2%,光照强度的RMSE为0.8 klx,预测效果较好。模型可以用于预测热带兰的栽培环境。

关键词: 热带兰花, BP神经网络, 环境, 模拟

中图分类号: