《表2 1月2—6日各模型预测精度评价分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CNN-GRU的菇房多点温湿度预测方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。