[發明專利]用于智能溫室的溫度預測方法及系統

在審

• 申請號: 202011265440.1
• 申請日: 2020-11-12
• 公開（公告）號: CN112418498A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 李想;瞿李傲;黃帥琪;陳昕;盧韜
• 申請（專利權）人: 中國農業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N20/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 楊云云

本發明提供一種用于智能溫室的溫度預測方法及系統，該方法包括：獲取智能溫室的溫室環境數據；將所述溫室環境數據輸入到訓練好的溫室溫度預測模型中，得到所述智能溫室在預設時刻的預測溫度，其中，所述訓練好的溫室溫度預測模型是通過樣本溫室環境數據，對機器學習模型進行訓練得到的。本發明通過溫室溫度預測模型，對溫室傳感器采集到的大量溫室數據進行處理和分析，提高了智能溫室的溫度預測準確性，擴大了溫度預測范圍，從而減少了因溫度預測不準導致的作物損失。

技術領域

本發明涉及溫室環境智能監控技術領域，尤其涉及一種用于智能溫室的溫度預測方法及系統。

背景技術

智能溫室擁有綜合環境控制系統，利用該系統可以直接調節室內溫、光、水、肥和氣等諸多因素，近幾年隨著蔬菜大棚建設的快速發展，智能溫室為農業發展帶來了推動力。

在智能溫室的環境調控中，溫度的預測尤為關鍵，需要預測智能溫室在未來時段的溫度變化情況，從而對溫室內的溫度進行準確調控。目前針對智能溫室的溫度預測方法，主要是結合歷史溫度變化趨勢，靠人的經驗預判實現的，以至于預測準確性比較低；而智能溫室的實時報警對調控溫室來說太晚，可準確預測范圍小，無法及時精準調控溫室。

因此，現在亟需一種用于智能溫室的溫度預測方法及系統來解決上述問題。

發明內容

針對現有技術存在的問題，本發明提供一種用于智能溫室的溫度預測方法及系統。

本發明提供一種用于智能溫室的溫度預測方法，包括：

獲取智能溫室的溫室環境數據；

將所述溫室環境數據輸入到訓練好的溫室溫度預測模型中，得到所述智能溫室在預設時刻的預測溫度，其中，所述訓練好的溫室溫度預測模型是通過樣本溫室環境數據，對機器學習模型進行訓練得到的。

根據本發明提供的一種用于智能溫室的溫度預測方法，所述訓練好的溫室溫度預測模型通過以下步驟訓練得到：

根據樣本溫室環境數據，構建樣本數據集，所述樣本溫室環境數據包括環境數據采集時刻、溫度數據、濕度數據、氣壓數據、風向數據、風速數據、雨量數據、光照數據和二氧化碳數據；

將所述樣本數據集分為樣本訓練集和樣本測試集，并將所述樣本訓練集輸入到機器學習模型進行預訓練，得到預訓練的機器學習模型；

通過所述樣本測試集，對所述預訓練的機器學習模型進行測試，并根據測試結果對所述預訓練的機器學習模型進行調整，得到訓練好的溫室溫度預測模型。

根據本發明提供的一種用于智能溫室的溫度預測方法，所述將所述樣本訓練集輸入到機器學習模型進行預訓練，得到預訓練的機器學習模型，包括：

將所述樣本訓練集中的樣本數據輸入到所述機器學習模型中，輸出所述樣本數據對應的樣本預測溫度數據；

利用改進的損失函數，根據所述樣本預測溫度數據和樣本實際溫度數據，計算損失值，若所述損失值滿足預設閾值，則所述機器學習模型訓練完成。

根據本發明提供的一種用于智能溫室的溫度預測方法，所述改進的損失函數為：