孟翠麗++楊文剛++王涵++陳鑫++陸鵬程++胡幼林

摘要：選取武漢市農(nóng)業(yè)氣象試驗站聚氯乙烯（polyvinyl chloride，簡稱PVC）溫室的小氣候觀測數(shù)據(jù)及臺站資料，以PVC溫室外的氣溫、相對濕度、風(fēng)速、太陽輻射為輸入變量，溫室內(nèi)溫度、相對濕度為輸出變量，分別建立典型天氣狀況下PVC溫室溫濕度環(huán)境的逆向反饋（back propagation，簡稱BP）神經(jīng)網(wǎng)絡(luò)預(yù)測模型。結(jié)果表明：氣溫模擬值與實測值的標(biāo)準(zhǔn)誤差（root mean squared error，簡稱RMSE）為1.1～1.4 ℃，相對誤差為4.0%～5.7%，相對濕度的RMSE為21%～34%，相對誤差為1.7%～3.0%；氣溫預(yù)測值與實測值的氣溫RMSE為1.5～2.4 ℃，相對誤差為0.7%～17%，相對濕度RMSE為 1.5%～4.2%，相對誤差為1%～3%。模型模擬效果良好，可為PVC溫室內(nèi)溫濕度環(huán)境的合理調(diào)控提供科學(xué)依據(jù)。

關(guān)鍵詞：武漢市；PVC溫室；神經(jīng)網(wǎng)絡(luò)；模擬

中圖分類號：S162.4文獻標(biāo)志碼：A

文章編號：1002-1302（2017）03-0176-03

收稿日期：2015-12-19

基金項目：湖北省氣象局科技發(fā)展基金（編號：2015Q07）。

作者簡介：孟翠麗（1984—），女，陜西渭南人，碩士，工程師，主要從事氣象與農(nóng)業(yè)防災(zāi)減災(zāi)、設(shè)施農(nóng)業(yè)氣象服務(wù)研究。E-mail：linyinmcl@163.com。

2011年武漢市農(nóng)業(yè)種植業(yè)產(chǎn)值175億元，其中蔬菜（含菜用瓜）產(chǎn)值110億元，占種植業(yè)總產(chǎn)值的63%[1]，蔬菜產(chǎn)業(yè)已成為武漢市種植業(yè)中的主導(dǎo)產(chǎn)業(yè)，更是直接影響市民生活的“菜籃子”工程，歷來受到政府重視。隨著經(jīng)濟的發(fā)展、科技的不斷更新，我國農(nóng)業(yè)已經(jīng)進入從傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)化的關(guān)鍵階段。設(shè)施蔬菜作為一種現(xiàn)代農(nóng)業(yè)模式，充分運用現(xiàn)代科學(xué)技術(shù)為蔬菜生產(chǎn)提供可控、適宜的溫濕度、光照、水肥等環(huán)境條件，在一定程度上擺脫農(nóng)業(yè)生產(chǎn)對自然環(huán)境的依賴。設(shè)施小氣候是影響作物生長發(fā)育的重要因素，通常氣象部門只發(fā)布大氣環(huán)境溫濕度預(yù)報，因此開展溫室內(nèi)小氣候預(yù)報模型的研究可為設(shè)施小氣候環(huán)境調(diào)控提供科學(xué)依據(jù)，有效提升農(nóng)業(yè)氣象服務(wù)水平。

國內(nèi)外學(xué)者在神經(jīng)網(wǎng)絡(luò)數(shù)值模擬方面已有一定研究。Businger將溫室分為覆蓋物、室內(nèi)空氣、作物、土壤4層進行小氣候模擬，建立了各層穩(wěn)態(tài)能量平衡方程[2]。Froehlich等利用神經(jīng)網(wǎng)絡(luò)方法模擬溫室的溫度與室外太陽輻射、溫度、濕度和云量的關(guān)系[3]。Jolliet建立了預(yù)測和優(yōu)化溫室內(nèi)濕度與蒸發(fā)模型[4]。李樹軍等建立了溫室和塑料大棚均適用的能量平衡和質(zhì)量平衡方程組，為溫室熱工設(shè)計提供了理論依據(jù)[5]。司慧萍等研究了日光溫室的光環(huán)境[6-7]。李良晨等研究了日光溫室、塑料大棚及塑料連棟溫室的小氣候模擬[8-10]。但針對典型天氣狀況分別開展模型預(yù)報還鮮見報道。本研究針對武漢地區(qū)聚氯乙烯（PVC）溫室，利用逆向反饋（BP）神經(jīng)網(wǎng)絡(luò)對溫室的溫濕度環(huán)境進行模擬和分析，從而為PVC溫室環(huán)境調(diào)控提供科學(xué)依據(jù)。

1材料與方法

1.1材料來源

PVC溫室小氣候觀測數(shù)據(jù)來源于武漢市農(nóng)業(yè)氣象試驗站，試驗地點位于東西湖區(qū)慈惠農(nóng)場，溫室為南北方向，長度43 m，跨度8 m，中脊高5 m。試驗期間不采取另外的保溫措施，溫室內(nèi)不種植作物，觀測儀器為江蘇省無線電科學(xué)研究所有限公司生產(chǎn)的ZQZ-Ⅱ型自動觀測儀，觀測項目包括距地面高度1.5 m處的室內(nèi)氣溫、相對濕度及地表溫度，每隔 10 min 自動采集數(shù)據(jù)1次。試驗觀測時間為2012年12月至2013年2月。

1.2天氣類型劃分方法

氣象上按照日照量別分類標(biāo)準(zhǔn)一般分為3級：即日照百分率S≥60%，20%

1.3BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是一種多層前潰神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的主要特點是信號前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號從輸入層經(jīng)隱含層逐層處理，直至輸出層。每一層的神經(jīng)元狀態(tài)只影響下一層的神經(jīng)元狀態(tài)。如果輸出層得不到期望輸出，則轉(zhuǎn)入反向傳播，根據(jù)預(yù)測誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近期望輸出。BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如圖1所示。

1.4模型檢驗方法

本研究采用相對誤差（relative error，簡稱RE）、標(biāo)準(zhǔn)誤差（root mean squared error，簡稱RMSE）對模擬值和實測值之間的擬合度進行統(tǒng)計分析，來驗證模型的精確度。

[JZ（]RE=[SX（]∑[DD（]i=ni=1[DD）][JB（|][SX（]SIMi-OBSiOBSi[SX）]×100%[JB）|]n[SX）]；[JZ）][JY]（1）[FL）]

[FK（W10][TPMCL1.tif][FK）]

[JZ（]RMSE=[KF（][SX（]∑[DD（]i=ni=1[DD）]（SIMi-OBSi）2n[SX）][KF）]。[JZ）][JY]（2）

式中：OBSi為溫室內(nèi)氣溫（℃）、相對濕度（%）的實測值；SIMi為相應(yīng)的擬合值；n為樣本數(shù)。RE、RMSE的值越小，擬合值與實測值之間的偏差越小，模型的模擬預(yù)測精度越高。

2模型構(gòu)建

2.1輸入因子分析

應(yīng)用數(shù)理統(tǒng)計方法，分析溫室內(nèi)溫度（℃）、相對濕度（%）與外界氣象要素[氣溫（℃）、相對濕度（%）、風(fēng)速（m/s）、太陽輻射（W/m2）]之間的相關(guān)性。由表1可見，室內(nèi)溫度與室外氣溫、太陽輻射之間的關(guān)系通過了0.01水平的顯著性檢驗，呈極顯著正相關(guān)；室內(nèi)溫度與室外相對濕度在晴天、多云狀況下呈極顯著負相關(guān)，而在陰天狀況下相關(guān)性不顯著；室內(nèi)溫度與室外風(fēng)速在晴天、多云狀況下呈極顯著正相關(guān)，而在陰天狀況下呈極負相關(guān)。室內(nèi)相對濕度與室外風(fēng)速、太陽輻射均呈極顯著負相關(guān)；與室外相對濕度均呈極顯著正相關(guān)，與室外氣溫在晴天、多云狀況下呈極顯著負相關(guān)，在陰天狀況下呈顯著正相關(guān)（表1）。

2.2模型構(gòu)建

為了研究冬季不同天氣狀況下BP神經(jīng)網(wǎng)絡(luò)對溫室內(nèi)溫濕度的模型效果，構(gòu)建了3個單隱層結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模型（圖1）。模型結(jié)構(gòu)分為3層，第1層為輸入層，4個神經(jīng)元分別為室外氣溫（Tin）、室外相對濕度（RHin）、室外風(fēng)速（Win）、室外太陽輻射（Rin）；第2層為隱含層；第3層為輸出層，2個神經(jīng)元分別是室內(nèi)氣溫（Tout）、室內(nèi)相對濕度（RHout）。為了提高神經(jīng)網(wǎng)絡(luò)訓(xùn)練的效率和網(wǎng)絡(luò)的泛化性能，在訓(xùn)練前對所有樣本數(shù)據(jù)都進行歸一化處理[26]，即：

[JZ（]xi=[SX（]xio-xminxmax-xmin[SX）]。[JZ）][JY]（3）

式中：xi為第i個輸入變量變換后的數(shù)據(jù)（i=1，2，3，4），取值范圍在0～1；xio為試驗數(shù)據(jù)；xmax、xmin分別為觀測值中最大值、最小值。模型運行中通過不斷調(diào)節(jié)，最終選定最適合各自模型的傳遞函數(shù)、隱含層神經(jīng)元數(shù)及相關(guān)的參數(shù)值：隱含層傳遞函數(shù)logsig，輸出層傳遞函數(shù)purelin，網(wǎng)絡(luò)訓(xùn)練算法trainlm，初始學(xué)習(xí)速率為0.9，最大循環(huán)次數(shù)1 500次，目標(biāo)誤差001。神經(jīng)網(wǎng)絡(luò)模擬采用MATLAB軟件實現(xiàn)。

3結(jié)果與分析

3.1訓(xùn)練結(jié)果分析

選取室外氣溫、相對濕度、風(fēng)速、太陽輻射及室內(nèi)氣溫、相對濕度為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本和檢驗樣本（表2），將訓(xùn)練樣本輸入神經(jīng)網(wǎng)絡(luò)模型，完成網(wǎng)絡(luò)訓(xùn)練和檢驗后，得到1組網(wǎng)絡(luò)權(quán)值和閾值，再將預(yù)測樣本輸入神經(jīng)網(wǎng)絡(luò)模型。通過以上方法，模擬得出溫室內(nèi)氣溫、相對濕度。由訓(xùn)練輸出的溫室內(nèi)氣溫和相對濕度與實測值之間的擬合曲線（圖2）可以看出：冬季溫室內(nèi)氣溫和相對濕度的模擬值和實測值均分布在1 ∶[KG-*3]1線附近，兩者之間的氣溫決定系數(shù)在0.94以上，相對濕度決定系數(shù)在0.86以上。氣溫在晴天狀況下絕對誤差為 1.01 ℃，相對誤差為 4.3%，標(biāo)準(zhǔn)誤差為1.4 ℃；多云狀況下絕對誤差為1.00 ℃，相對誤差為5.7%，標(biāo)準(zhǔn)誤差為1.3 ℃；陰天狀況下絕對誤差為0.8 ℃，相對誤差為4.0%，標(biāo)準(zhǔn)誤差為1.1 ℃（圖2-a～圖2-c）。相對濕度在晴天時絕對誤差為2.4%，相對誤差為3.0%，標(biāo)準(zhǔn)誤差為3.3%；多云時絕對誤差為2.5%，相對誤差為3.0%，標(biāo)準(zhǔn)誤差為3.4%；陰天時絕對誤差為1.6%，相對誤差為1.7%，標(biāo)準(zhǔn)誤差為2.1%（圖2-d～圖2-f）。說明運用神經(jīng)網(wǎng)絡(luò)模型模擬，溫室內(nèi)氣溫實測值與訓(xùn)練值、相對濕度實測值與訓(xùn)練值之間有較好的擬合精度。

值在一段時間序列內(nèi)的變化曲線。

冬季氣溫預(yù)測值與實測值的變化趨勢有著較好的一致性，由圖3可知，冬季模型中氣溫預(yù)測值與實測值在晴天時的絕對誤差為1.65 ℃，相對誤差為1.7%，標(biāo)準(zhǔn)誤差為2.4 ℃；多云時絕對誤差為0.53 ℃，相對誤差為1.5%，標(biāo)準(zhǔn)誤差為2.0 ℃；陰天時誤差絕對值為0.97 ℃，相對誤差為0.7%，標(biāo)準(zhǔn)誤差為1.5 ℃。相對濕度預(yù)測值與實測值在晴天時的誤差絕對值為2.4%，相對誤差為2%，標(biāo)準(zhǔn)誤差為3.0%；多云時絕對誤差為 3.2%，相對誤差為3%，標(biāo)準(zhǔn)誤差為4.2%；陰天時誤差絕對值為 1.19%，相對誤差為1%，標(biāo)準(zhǔn)誤差為1.5%（圖3-d～圖3-f）。氣溫在日最大值附近的預(yù)測值偏小，相對濕度在日最大、最小值處預(yù)測值偏小，說明模型在極值的效果不佳，可能是由于極值附近樣本數(shù)偏少造成的，在以后的研究中可考慮增加樣本序列或?qū)Σ扇》謺r間段分別構(gòu)建模型的方式提高模擬精度。

4結(jié)論

本研究建立的武漢地區(qū)冬季PVC溫室溫、濕度模擬模型，氣溫模擬值與實測值的RMSE在1.1～1.4 ℃，相對誤差在4.0%～5.7%，相對濕度的RMSE在2.1%～3.4%，相對誤差在1.7%～3.0%，模型模擬的精度較高，基本滿足模型對精度的要求。

利用模型進行預(yù)測，結(jié)果表明，氣溫預(yù)測值與實測值的RMSE在1.5～2.4 ℃，相對誤差在0.7%～1.7%，相對濕度RMSE為1.5%～4.2%，相對誤差在1%～3%。溫、濕度的預(yù)測值與實測值都比較相近，變化趨勢基本一致，有較好的線性擬合關(guān)系。說明BP神經(jīng)網(wǎng)絡(luò)可應(yīng)用于武漢市PVC溫室內(nèi)溫、濕度的模擬，模擬精度能夠滿足室內(nèi)環(huán)境的預(yù)測要求。

神經(jīng)網(wǎng)絡(luò)模型是建立在大量訓(xùn)練數(shù)據(jù)基礎(chǔ)上的，其模擬精度取決于采集的訓(xùn)練數(shù)據(jù)，通過人工調(diào)節(jié)參數(shù)、選用改進算法的模型進行溫室內(nèi)小氣候模擬，使神經(jīng)網(wǎng)絡(luò)可以達到物理模型無法達到的精度，本研究建立的冬季PVC溫室預(yù)測模型的參數(shù)僅針對武漢地區(qū)，且模型預(yù)測值在日最高溫度處預(yù)測效果較差，以后可分時段進行深入研究。

參考文獻：

[1]武漢市統(tǒng)計局，國家統(tǒng)計局武漢調(diào)查隊. 武漢統(tǒng)計年鑒：2012年[M]. 北京：中國統(tǒng)計出版社，2013.

[2]Businger J A. The glasshouse climate physics of plant environment[M]. Amsterdam：North-Holland Publishing Company，1963.

[3]Froehlich D P，Albright L D，Scott N R，et al. Steady-periodic analysis of glasshouse thermal environment[J]. Transactions of the ASAE，1979，22（2）：387-399.

[4]Jolliet O. Hortitrans，a model for predicting and optimizing humidity and transpiration in greenhouses[J]. Journal of Agricultural Engineering Research，1994，57（1）：23-37.[HJ1.8mm]

[5]李樹軍，崔建云，董晨娥，等. 蔬菜大棚內(nèi)光照及溫度的特點分析[J]. 山東氣象，2004，24（1）：26-27.

[6]司慧萍，苗香雯，崔紹榮. 溫室動態(tài)溫度預(yù)測模型及試驗研究[J]. 農(nóng)機化研究，2003（4）：182-184.

[7]儲長樹，朱軍. 塑料大棚內(nèi)空氣溫、濕度變化規(guī)律及通風(fēng)效應(yīng)[J]. 中國農(nóng)業(yè)氣象，1992，13（3）：32-35.

[8]李良晨. 保護地設(shè)施內(nèi)熱濕狀態(tài)的計算方法[J]. 西北農(nóng)業(yè)大學(xué)學(xué)報，1991，19（4）：25-32.

[9]李元哲，吳德讓，于竹. 日光溫室微氣候的模擬與實驗研究[J]. 農(nóng)業(yè)工程學(xué)報，1994，10（1）：130-136.

[10]賈倩，劉洪，孫忠富，等. 基于作物模型的溫室環(huán)境管理系統(tǒng)設(shè)計與實現(xiàn)[J]. 中國農(nóng)業(yè)氣象，2010，31（1）：93-97.