园艺论文_基于RF-GRU的温室番茄结果前期蒸腾量
文章摘要:针对温室番茄无法按需灌溉问题，本文提出了随机森林（Random forest， RF）结合门控循环单元（Gated recurrent unit， GRU）神经网络的温室番茄结果前期蒸腾量预测方法，并开发了一套基于番茄蒸腾量的智慧灌溉系统。基于物联网实时获取数据，采用RF算法对影响温室番茄蒸腾量的变量进行特征重要性排序，选取作物相对叶面积指数、温室内空气温度、相对湿度、光照强度、光合有效辐射、基质含水率和基质温度作为模型的输入变量，在此基础上，构建了基于GRU的番茄蒸腾量预测模型。试验结果表明：RF-GRU在番茄蒸腾量预测中具有准确的预测效果，决定系数(R2)、均方根误差（RMSE）、平均绝对误差（MAE）分别为0.9490、10.96g和5.80g。同时，基于此模型进行指导灌溉相比于定时灌溉，在番茄长势基本相同的情况下，灌溉量降低了20%，可为实际生产提供参考。
文章关键词:
