一种混合优化算法的温室能量预测方法
【专利摘要】本发明公开了一种混合优化算法的温室能量预测方法，包括以下步骤：1）建立温室内温度的微分方程；2）参数的初始化；3）初始化种群，随机生成需要辨识的参数的初始值；4）令gen=1；5）如果，则执行步骤6），否则退出至步骤15）；6）令k=1；7）如果，则执行步骤8），否则执行步骤10）；8）得出局当前部最优解和全局最优解；9）令，返回步骤7）；10）将pop_size个粒子利用择优函数进行选择；11）将保留的M个粒子的信息来重新生成GA的种群；12）将步骤11）得到的粒子用于GA的交叉和变异；13）将GA获得和PSO保留的粒子组合成个数为pop_size的新的种群；14）令，执行步骤5）；15）最终输出最小的适应度函数值和参数，以及温室预测的能量值。
【专利说明】一种混合优化算法的温室能量预测方法
【技术领域】
[0001]本发明属于农业温室环境设计与控制【技术领域】，适用于难以建立精确数学模型的温室环境能量预测领域。具体地说，涉及一种基于自适应粒子群优化算法QParticle SwarmOptimization,以下简称/?^)和遗传算法(feweiic Algorithm,以下简称G4)的混合优化算法的温室能量预测方法。
【背景技术】
[0002]设施农业是现代农业的关键性产业之一，是一个国家农业发展水平的标志，是高产、优质、高效农业的必然要求。温室生产产业作为设施农业生产的一项重要内容，逐渐引起人们的普遍关注。
[0003]温室是具有非线性、随机性、强耦合和不确定性等特点的复杂系统。温室环境建模的目的主要是满足温室系统仿真、设计、预测、控制(最优化控制和自适应控制)和决策等方面的需要。温室环境建模的主要方法有基于物理过程的机理建模和测试法两种。基于物理过程的机理建模是利用非稳态传热传质得到描述温室动态过程的微分方程，通过求解微分方程在一定边界条件下的解得到环境动态模型。然而当物理参数较多时，其中的有些物理参数就会难以测量以及有些参数会根据室内植物的生长而发生变化。因此完全通过物理过程的机理建模方法难以建立较准确的能量数学模型。测试法是指利用输入输出数据所提供的信息来建立过程的数学模型，也称为系统辨识建模。对于非常复杂的系统，建立每一个参数都具有物理意义的机理模型是比较困难的。所以从实验数据中建立能反映系统的输入输出关系的模型，虽然不具有明确的物理意义，但能为系统的准确设计与控制作为参考依据。
[0004]本发明是根据机理建模与系统辨识建模方法相结合的建模方法，采用PSO-GA混合优化算法对物理模型中难以确定的参数进行辨识获得。温室环境控制系统需要根据温室气候环境的变化，控制执行机构进行相应的调节。室内空气温度过低时，需要利用供暖系统加热；室内空气温度过高时，需要控制通风口、遮阳系统、排气扇或蒸发冷却装置等工作，避免过热。因此，温室能量预测方法可为温室环境设计及控制提供理论参考。
【发明内容】
[0005]为了克服现有的温室能量预测方法精度不足且耗时久，本发明提供一种基于自适应PSO和GA的混合优化算法的温室能量预测方法。
[0006]本发明解决其技术问题所采用的技术方案是:
一种混合优化算法的温室能量预测方法，其特征在于包括以下步骤:
步骤1:建立温室内温度的微分方程:
【权利要求】
1.一种混合优化算法的温室能量预测方法，其特征在于包括以下步骤: 步骤1:建立温室内温度的微分方程:
【文档编号】G06Q10/04GK103903068SQ201410144270
【公开日】2014年7月2日 申请日期:2014年4月11日 优先权日:2014年4月11日
【发明者】陈教料, 陈教选, 胥芳, 艾青林, 赵江武 申请人:浙江工业大学