《表2 1月2—6日各模型预测精度评价分析》
为了验证所提出的预测模型的科学性和稳定性,本文将BP模型、LSTM模型和GRU模型进行实验对比分析,模型定量分析评价结果如表2所示。由表2可以看出,相比较其他3种预测模型,CNN-GRU模型可以更好地处理多点多维稀疏特征数据,其预测精度最高,效果最优。对于出菇房内各点温度预测的平均RMSE和MAE,CNN-GRU模型分别达到了0.211、0.140℃,较BP模型分别下降了31.49%、33.33%;较LSTM模型分别下降了9.83%、5.41%;较GRU模型分别下降了6.64%、4.11%。对于出菇房内各点湿度预测的平均RMSE和MAE,CNN-GRU分别达到了2.731%、1.713%,较BP模型分别下降了15.66%、16.48%;较LSTM模型分别下降了11.65%、8.93%;较GRU模型分别下降了10.75%、7.51%。由此可以得出,CNN-GRU模型预测的效果更加理想,泛化性能更好,与实际的温室出菇房内各点温湿度较为接近,能够更好地评估温室出菇房整体的环境分布状态。
图表编号 | XD00224387800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.25 |
作者 | 赵全明、宋子涛、李奇峰、郑文刚、刘宇、张钟莉莉 |
绘制单位 | 河北工业大学电子信息工程学院、河北工业大学电子信息工程学院、北京农业智能装备技术研究中心、北京农业信息技术研究中心、北京农业智能装备技术研究中心、北京市农林科学院植物保护环境保护研究所、北京农业信息技术研究中心 |
更多格式 | 高清、无水印(增值服务) |