歡迎來到園藝星球(共享文庫)! | 幫助中心 分享價值,成長自我!
園藝星球(共享文庫)
換一換
首頁 園藝星球(共享文庫) > 資源分類 > PDF文檔下載
 

玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型.pdf

  • 資源ID:4977       資源大小:734.90KB        全文頁數(shù):12頁
  • 資源格式: PDF        下載權(quán)限:游客/注冊會員/VIP會員    下載費用:0金幣 【人民幣0元】
快捷注冊下載 游客一鍵下載
會員登錄下載
微信登錄
下載資源需要0金幣 【人民幣0元】
郵箱/手機:
溫馨提示:
系統(tǒng)會自動生成賬號(用戶名和密碼都是您填寫的郵箱或者手機號),方便下次登錄下載和查詢訂單;
驗證碼:   換一換

加入VIP,免費下載
 
友情提示
2、PDF文件下載后,可能會被瀏覽器默認打開,此種情況可以點擊瀏覽器菜單,保存網(wǎng)頁到桌面,既可以正常下載了。
3、本站不支持迅雷下載,請使用電腦自帶的IE瀏覽器,或者360瀏覽器、谷歌瀏覽器下載即可。
4、本站資源下載后的文檔和圖紙-無水印,預覽文檔經(jīng)過壓縮,下載后原文更清晰   

玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型.pdf

<p>中國農(nóng)業(yè)氣象( Chinese Journal of Agrometeorology) 2018年 &nbsp;doi:10.3969/j.issn.1000-6362.2018.10.003 &nbsp;韋婷婷 ,楊再強 ,王琳 ,等 .玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型 J.中國農(nóng)業(yè)氣象 ,2018,39(10):644655 &nbsp;玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型 * 1韋婷婷 1 ,楊再強 1,2* ,王 &nbsp;琳 1 ,趙和麗 1 ,李佳帥 1( 1南京信息工程大學氣象災害預報預警與評估協(xié)同創(chuàng)新中心,南京 210044; 2江蘇省農(nóng)業(yè)氣象重點實驗室,南京 210044) 摘要: 20142016年在江蘇省不同地區(qū)選擇塑料大棚和玻璃溫室進行設施內(nèi)氣溫監(jiān)測,基于設施內(nèi)日最高和 最低氣溫,采用余弦分段函數(shù)、正弦分段函數(shù)、正弦 指數(shù)分段函數(shù)、一次分段函數(shù)和神經(jīng)網(wǎng)絡模型分別模 擬不同季節(jié)和不同天氣狀況(晴天和陰雨天)下的逐時氣溫日變化,探究利用室內(nèi)最高和最低氣溫模擬計算 逐時氣溫的方法,以及設施內(nèi)逐時氣溫日變化規(guī)律。結(jié)果表明: 5種模型均可通過當日最高、最低氣溫模擬 逐時氣溫變化,其中神經(jīng)網(wǎng)絡模擬精度較高( RMSE=0.69) ,并且受溫室類型、天氣狀況和季節(jié)變化的影 響較小,普適性較高;正弦 指數(shù)分段函數(shù)模擬效果最好( RMSE=0.43) ,且受天氣和季節(jié)的影響較小,但 其受溫室本身特性和地區(qū)的影響較大;余弦分段函數(shù)( RMSE=0.85)和正弦分段函數(shù)( RMSE=0.78)模 擬效果相近,且受天氣和地區(qū)的影響;一次分段函數(shù)準確度較低( RMSE=0.90)且誤差變化較大。各方法 對塑料大棚內(nèi)逐時氣溫的模擬精度均高于玻璃溫室。模 型模擬精度的季節(jié)變化因模型和溫室類型有一定差 異,但通常情況下,春季和冬季的模擬誤差大于秋季,夏季誤差最小。 &nbsp;關鍵詞: 塑料大棚;玻璃溫室;溫度模擬;溫室;氣溫日變化 &nbsp;Simulation Model of Hourly Air Temperature inside Glass Greenhouse and Plastic &nbsp;Greenhouse &nbsp;WEI Ting-ting 1 , YANG Zai-qiang 1,2 , WANG Lin 1 , ZHAO He-li 1 , LI Jia-shuai 1(1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science 2. Jiangsu Provincial Key Laboratory of Agrometeorology, Nanjing 210044) &nbsp;Abstract: In 20142016, plastic greenhouses and glass greenhouses in different districts of Jiangsu Province were &nbsp;selected for monitoring. Cosine segmentation function, sinusoidal piecewise function, sine-exponential piecewise &nbsp;function, first-order function and neural network model were used to simulate inside hourly temperature in different &nbsp;seasons and different weather conditions (clear day and rainy day). The results showed that all five models can &nbsp;simulate hourly air temperature inside greenhouse through the highest and lowest temperature of the day. The neural &nbsp;network simulation accuracy was the higher (RMSE=0.69 ) and was less affected by the type of greenhouse, &nbsp;weather conditions, and seasonal changes, the universality was higher. The sinusoidal-exponential piecewise &nbsp;function had the best accuracy (RMSE=0.43 ) and was less affected by weather and seasons, but it was affected by &nbsp;the characteristics of the greenhouse itself and the region. The cosine piecewise function (RMSE=0.8 ) and the &nbsp;sinusoidal function (RMSE=0.78 ) had similar simulation results and was affected by the weather and region. The &nbsp;accuracy of a piecewise function is low (RMSE=0.90 ) and the error varies greatly. Models had higher simulation &nbsp;accuracy in plastic greenhouses then it in glass greenhouses. Seasonal variation of the model&#39;s simulation accuracy &nbsp;was different between the models and the types of greenhouse, but usually, the simulation error in spring and winter *收稿日期: 20180301 &nbsp; &nbsp; &nbsp; * 通訊作者。 E-mail: yzqnuist.edu.cn &nbsp;基金項目:國家自然科學基金面上項目( 41775104);江蘇省科技支撐計劃社會發(fā)展項目( BE2015693); 2018年度江蘇 省研究生科研創(chuàng)新計劃( KYCX18_1028) &nbsp;作者簡介:韋婷婷( 1996),女,研究方向為設施農(nóng)業(yè)氣象。 E-mail: 2843717682qq.com &nbsp;第 10期 韋婷婷等:玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型 ·645· was greater than in autumn, and the error in summer was the smallest. &nbsp;Key words: Plastic greenhouse;Glass greenhouse; Simulation of air temperature; Greenhouse; Daily variation of &nbsp;temperature 在中國南方地區(qū),塑料大棚和玻璃溫室已經(jīng)在 蔬菜和水果種植中得到廣泛應用。溫室內(nèi)氣溫的變 化不僅關系到室內(nèi)作物的生長發(fā)育以及產(chǎn)量形成, 對果實的品質(zhì)也有重要影響。故研究溫室內(nèi)氣溫的 變化對調(diào)節(jié)溫室環(huán)境,防御相關氣象災害有一定幫 助, 同時也可以為人工氣候箱試驗的動態(tài)氣溫設置 12 提供理論依據(jù)。 &nbsp;近年來,不少學者通過物理模型和統(tǒng)計模型對 溫室氣溫的日變化進行了模擬。物理方法主要包括 能量平衡方法 34 和流體動力學方法 56 , 這些方法具 有很強的機理性,可釋度高,但是需要大量的相關 參數(shù)作支持,通常情況下,所需參數(shù)的值難以準確 計算,導致模擬過程復雜,結(jié)果出現(xiàn)誤差。同時, 也有大量學者嘗試利用統(tǒng)計模型通過室外氣象要素 對溫室氣溫進行預測,主要集中在對溫室最高、最 低氣溫的預測 712 。 楊文剛等 13 研究了春季不同類型 溫室氣溫的回歸預測方程。 劉淑梅等 1415 運 用 BP神 經(jīng)網(wǎng)絡的方法分別 建立 了對日 光 溫室和塑料大棚內(nèi) 氣溫的預測模型。 李倩 等 1617 對南方地區(qū) 單棟 塑料 大棚和 雙膜 塑料大棚內(nèi)氣溫進行了 諧波 模擬,得到 了較好的結(jié)果。但在模擬計算室內(nèi)逐時氣溫時,通 常要 求 有長期的室外逐時氣象數(shù)據(jù)作為支持,這對 大 部 分溫室 而言 是一 個 難 點 。 &nbsp;對于室外氣溫, Reicosky 等 18 提出并 總 結(jié)了用 最高、最低氣溫模擬室外逐時氣溫的方法,并得到 廣泛應用。余 衛(wèi)東 等 19 運 用正弦 指數(shù)分段函數(shù)對室 外氣溫的日變化進行了模擬。 姜會飛 等 20 應用正弦 分段法對氣溫的日變化進行了模擬。 徐凡 等 21 也 使 用了數(shù)學方法對溫室外的氣溫日變化進行了模擬, 得到 華北 地區(qū)室外氣溫的 轉(zhuǎn) 化系數(shù)。有研究表明溫 室內(nèi)氣溫變化 與 室外氣溫變化 總 體 上 一致 22 ,但是 在冬季可能 會 出現(xiàn) 延遲 。所以適用于模擬室外逐時 氣溫的方法對溫室內(nèi)氣溫可能也同 樣 適用,但是 目 前 并 沒 有相關研究 證 明這一 點 。 &nbsp;本研究 使 用余弦分段函數(shù)( WAV E) 、正弦分段 函數(shù)( WCALC) 、正弦 指數(shù)分段函數(shù)( TEMP) 、一 次分段函數(shù)( SAWTOOTH)以及近年來常用的 BP 神經(jīng)網(wǎng)絡預測模型模擬了江蘇地區(qū)常 見 溫室類型 (塑料大棚和玻璃溫室)在不同季節(jié)、不同天氣 條件 下的氣溫逐時變化,并對模型的精度進行 比 較,擬 在 證 明在不同天氣和溫室類型下利用設施內(nèi)日最 高、最低氣溫模擬氣溫動態(tài)變化的可行性,并且分 析 不同模型在不同 條件 下的模擬特 點 ,以選 取 普適 性較高的模型。 &nbsp;1 &nbsp;材料與方法 &nbsp;1.1 &nbsp;研究區(qū)域和資料獲取 &nbsp;選 取 江蘇省 句容 、 泰州 、南 京 3個 地區(qū)的 2棟 塑料大棚和 2棟 玻璃溫室(表 1),于 20142016年 在各溫室內(nèi) 距 地 面 1.5m處架 設 CR-3000數(shù)據(jù)采集 器 ( 美 國) , 觀 測要素包括氣溫、相對 濕 度、日 照 時數(shù)、 太陽總輻射 ,數(shù)據(jù)采集 頻率 為 每 10s一次, 存儲每 小 時的平均值。以 3月 1日 5月 31日為春季, 6月 1 日 8月 31日為夏季, 9月 1日 11月 30日為秋季, 12月 1日 翌 年 2月 28日為冬季,在 每個 季節(jié) 根 據(jù) 日 照百 分 率 以及室外 降 水情況選 取 一 個典 型晴天和 典 型陰雨天進行模擬,其中 典 型晴天日 照百 分 率超 過 90%且 無降 水,陰雨天氣日 照百 分 率 低于 10%或 有 降 水。 &nbsp;表 1 &nbsp;研究地點概況 &nbsp;Table 1 &nbsp;Overview of the study greenhouses &nbsp;溫室類型 &nbsp;Greenhouse type &nbsp;地區(qū) &nbsp;Area &nbsp;經(jīng)緯度 &nbsp;Longitide and latitude 溫室高度 &nbsp;Hight( m) 溫室跨度 Span( m) 作物 &nbsp;Crop &nbsp;觀測時間 &nbsp;Observe time( yyyy.mm.dd) 句容 Jurong 119.85°E,31.89°N 3.5 11.0 葡萄Grape 2015.01.012017.02.28 塑料大棚 Plastic &nbsp; 盤城 Pancheng 118.67°E,32.21°N 3.5 11.0 葡萄Grape 2015.01.012017.02.28 &nbsp;泰州 Taizhou 120.26°E,32.02°N 4.5 25.0 葡萄, 甜椒 Grape,pimento 2014.01.012016.02.28 玻璃溫室 Glassed &nbsp;浦口 Pukou 118.71°E,32.21°N 4.5 25.0 葡萄,番茄 Grape, tomato &nbsp;2015.01.012017.02.28 &nbsp; 中 &nbsp;國 &nbsp;農(nóng) &nbsp;業(yè) &nbsp;氣 &nbsp;象 第 39卷 ·646· &nbsp;1.2 &nbsp;模擬方法及相關參數(shù)的計算 &nbsp;1.2.1 &nbsp;余弦分段函數(shù)( WAV E) &nbsp;該 方法 認 為氣溫的日變化是關于最高、最低氣 溫和時 間 的余弦函數(shù),且 認 為當日最低氣溫出現(xiàn)在 日出 前后 ,最高氣溫出現(xiàn)在 午后 , 只 需 輸入 當日最 高、最低氣溫, 即 可模擬其逐時變化過程 18, 23 。 &nbsp;1.2.2 正弦分段函數(shù)( WCALC) &nbsp;該 方法需要 連續(xù) 3d的最高、最低氣溫作為 輸入 值,可以模擬出中 間 一天的逐時氣溫, 它將 一天分 為 3段, 認 為 午夜至 日出 后 2h氣溫逐 漸呈線 性 降 低, 日出 后 2h至 日 落 時 刻 氣溫的變化可以用一 個 正弦函 數(shù)表 示 ,日 落后至午夜 氣溫 呈線 性 降 低 2425 。日出時 間 和日 落 時 間由 測 點 經(jīng) 緯 度計算得到,為 便 于計算逐 時氣溫, 認 為江蘇地區(qū)春夏季節(jié)日出時 間 為 6: 00, 日 落 時 間 為 19: 00;秋冬季節(jié)日出時 間 為 7: 00, 日 落 時 間 為 18: 00。 &nbsp;1.2.3 &nbsp;正弦 指數(shù)分段函數(shù)( TEMP) &nbsp;此 方法 認 為日出時 日 落 時,氣溫 按 正弦 曲線 變 化,日 落后 氣溫 按 指數(shù) 曲線減 小 18,20,25 。日 落 時 間 和 日出時 間 的確定方法 與 正弦分段函數(shù)法相同。 &nbsp;1.2.4 &nbsp;一次分段函數(shù)( SAWTOOTH) &nbsp;該 方法 認 為氣溫的日變化是 直線遞增 ( 遞減 ) 的, 呈鋸齒 狀 波 動,用 3個 一次函數(shù) 即 可模擬 18 。 對 觀 測 樣 本進行統(tǒng)計 后 , 認 為春秋季節(jié)最低溫出現(xiàn) 在 6: 00,最高溫出現(xiàn)在 15: 00,夏季最低溫出現(xiàn)的 時 間 提 前 1h,冬季 則延后 1h,最高溫出現(xiàn)時 間 不變。 &nbsp;1.2.5 &nbsp;神經(jīng)網(wǎng)絡法( BP) &nbsp;將觀 測期 間 第一年的室內(nèi)氣溫數(shù)據(jù)作為 建 模數(shù) 據(jù), 每個 季節(jié) 隨 機選 取 77d逐時氣溫數(shù)據(jù)作為 訓練 樣 本,經(jīng)過歸一化 處 理 后 , 隱含層 中設置最高、最 低氣溫和時 刻 3個 節(jié) 點 , 隱含層 和 輸 出 層傳遞 函數(shù) 采用 S型對數(shù)函數(shù) Logsig 26 , 之后 用 剩 余 15d的逐 時氣溫數(shù)據(jù)作為 檢 驗 樣 本,以提高模型精度。神經(jīng) 網(wǎng)絡的相關參數(shù)分別設置為: 初始 學 習速率 為 0.1, 慣 量因 子 為 0.9,最大 迭代 次數(shù)為 1000次, 目標 誤 差為 0.00004。神經(jīng)網(wǎng)絡模型采用 Matlab2016a軟件 通過 編 程實現(xiàn)。在模型 使 用過程中, 只 需要 輸入 當天 的最高、最低氣溫 就 可以模擬 任意 時 刻 的室內(nèi)氣溫。 &nbsp;1.3 &nbsp;模擬結(jié)果檢驗參數(shù) &nbsp;相關系數(shù)( 皮爾遜 相關系數(shù) R)是衡量 兩組 數(shù)據(jù) 之間線 性相關程度的量, R越趨 近于 1, 則 表 示 模擬 結(jié)果 與 實測值相關性 越 好,結(jié)果 越 精確。均方 根 誤 差( Root Mean Square Error, RMSE)可以 反 應誤差 的 離散 程度, RMSE越 小表 示 模擬效果 越 好。平均 偏 差 ( Mean Bias Error, MBE) 主要 考慮 了誤差的正 負 , 可以 反映 模型高 估或 低 估 了實 際 情況, MBE越接 近 0,模擬效果 越 好。相應計算 式 為 &nbsp;24 ii i1 24 24 22 ii i1 i1 (T T)(T T) R (T T) (T T) = = = ( 1) &nbsp;24 2 ii i=1 RMSE= (T T) /24 ( 2) &nbsp;24 2 ii i=1 MBE= (T T) /24 ( 3) &nbsp;式 中, i表 示 1d內(nèi)的第 i個 時 刻 ( 1 i 24), T i 表 示 第 i時 刻 溫室內(nèi)氣溫的實 際觀 測值, T表 示 溫室 內(nèi) 1d實 際 氣溫的平均值, i T表 示 第 i時 刻 溫室內(nèi)氣溫 的模擬值, T表 示 1d內(nèi)溫室氣溫模擬結(jié)果的平均值。 &nbsp;2 &nbsp;結(jié)果與分析 &nbsp;2.1 &nbsp;塑料大棚室內(nèi)逐時氣溫變化過程模擬結(jié)果比較 &nbsp;2.1.1 &nbsp;各季節(jié)模擬結(jié)果的 比 較 &nbsp;在 句容 和 盤城 地區(qū), 基于 2016年逐日 觀 測數(shù)據(jù), 分別利用 5種模型模擬塑料大棚溫室內(nèi)逐時氣溫的 變化過程, 每 日同一時 刻 室內(nèi)氣溫平均 后 得到各季 節(jié)逐時氣溫的變化過程, 與 相應實測數(shù)據(jù)的平均值 進行對 比 ,結(jié)果 見圖 1。 由圖 可 見 , 5種模型模擬的 逐時氣溫變化過程 與 實測數(shù)據(jù)分 布 特 點 基本一致, 均表現(xiàn)為 0: 009: 00逐 漸降 低, 9: 0015: 00快 速升 高, 15: 0024: 00逐 漸降 低的過程, 只 是各模 型 曲線與 實測 曲線 的擬 合 程度 略 有不同。表 2為 5 種模型對塑料大棚內(nèi) 四 季逐時平均氣溫模擬精度。 為 便 于 比 較模型 總 體誤差,計算 句容 地區(qū) 5種模型 全 年的平均模擬誤差( 忽略 季節(jié)影響, 取四 季平均 值, 后 同)分別為 0.86、 0.78、 0.31、 0.92和 0.76 (分別對應余弦分段函數(shù) WAV E、正弦分段函數(shù) WCALC、正弦 指數(shù)分段函數(shù) TEMP、一次分段函 數(shù) SAWTOOH 和神經(jīng)網(wǎng)絡模型 BP,下同) ,其中 TEMP模擬效果最好,夏季誤差最小,且其平均 偏 差 ( MBE)為 負 值,表明預測結(jié)果 略 高于實 際 氣溫; BP 的模擬效果在 整 體 上 僅次于 TEMP模型,但其在不 同季節(jié)模擬效果差異較大,在夏季模擬效果最差, 秋季模擬效果較好,預測結(jié)果也 稍 高于實 際 氣溫; WCALC的模擬精度較高,其 隨 季節(jié)變化并不明 顯 , 第 10期 韋婷婷等:玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型 ·647· 其 MBE較低,且通常為正值, 即 模擬結(jié)果 稍 低于實 際 氣溫; WAV E 的模擬效果一 般 ,在春夏季 稍 好, MBE也為 負 值,且在夏季 絕 對值最小; SAWTOOH 的模擬效果較差,特別是在春季和冬季。對于 盤城 地區(qū), 5種模型 全 年的平均誤差分別為 0.24、 0.41、 0.34、 0.22和 0.40, 與句容 地區(qū)相 比 , 盤城 塑料大 棚的模擬結(jié)果 更 好一些,并且不同模型的精度提高 程度也不同,但各模型模擬結(jié)果的 MBE的特 點 并 未 改 變。 SAWTOOH 對 盤城 地區(qū)的模擬效果最好, 與 句容 地區(qū)相 比 誤差 減 小了 76.1%, 模型在 4個 季節(jié)均 有 良 好的模擬精度,特別是在夏季; WAV E 的模擬 精度也有較大提高,誤差 減 少了 72.1%,在春夏季節(jié) 的模擬情況好于秋冬季節(jié); TEMP模型的模擬情況 與 句容 地區(qū)相 似 ,誤差較小且在夏季誤差最??; BP模 型的誤差也 減 少了 47.3%,同 樣 在秋季的模擬效果最 好; WCALC函數(shù)的模擬誤差 與 BP模型相近, 與句 容 地區(qū)相 比 ,誤差 減 少了 47.4%,且在冬春季節(jié)的誤 差較大。 &nbsp;綜上 , 5種模型均可 根 據(jù)日最高、最低氣溫模擬 塑料大棚內(nèi)氣溫的逐時日變化, 5種模型的平均誤差 分別為 0.55、 0.59、 0.32、 0.57、 0.58。對于不同 的塑料大棚, TEMP模型 都 有較 良 好的擬 合 效果,預 測結(jié)果 稍 高于實 際 氣溫; SAWTOOH和 WAV E對不 同塑料大棚的模擬效果差異較大,預測結(jié)果高于實 際 氣溫; WCALC和 BP對不同塑料大棚的模擬效果 有一定差異,并且 WCALC的模擬結(jié)果 略 低于實 際 氣溫, BP則 高 估 實 際 氣溫。 從 季節(jié)變化 而言 , 5種 模型的擬 合 效果在冬季 都 要 稍 差一些, TEMP在夏季 模擬效果最好, BP在秋季模擬效果最好, WAV E在 春夏季節(jié)模擬效果較好, WCALC和 SAWTOOH則 無 季節(jié)差異。 &nbsp;2.1.2 &nbsp;各季節(jié) 典 型日模擬結(jié)果的 比 較 &nbsp;在 句容 和 盤城 地區(qū), 每 各季節(jié)選 取 一 個典 型晴 天和 典 型陰雨天,分別利用 5種模型模擬 每 日塑料 大棚溫室內(nèi)逐時氣溫的變化過程, 與 相應實測數(shù)據(jù) 進行對 比 ,結(jié)果 見圖 2、 圖 3。 由圖 中可 見 , 典 型晴 天和陰雨天的氣溫變化 趨勢 相 似 , 只 是 由 于晴天和 陰雨天 云 量的不同,陰雨天 云 量 多 ,大氣 保 溫效果 好,故晴天和陰雨天氣溫變化 幅 度也不一 樣 ,陰雨 天的氣溫通常低于晴天,但 全 天氣溫較 穩(wěn) 定, 波 動 不明 顯 。晴天 條件 下, 句容 地區(qū) 5種模型的平均模 擬誤差( 忽略 季節(jié)影響, 取四 季平均 RMSE)分別為 1.56、 1.55、 0.99、 1.48和 0.95, 盤城 地區(qū)分別為 0.42、 0.67、 0.45、 0.64 和 0.62, 從 均方 根 誤差 ( RMSE)來 看 , 典 型晴天下不同塑料大棚的模擬情 況 與 各季節(jié)的 總 體情況相 似 , 從個 體的 角 度 再 次 證 明了 之前 的結(jié)論。 典 型陰雨天 條件 下, 句容 地區(qū) 5種 &nbsp;圖 1 &nbsp;塑料大棚內(nèi)四季逐時平均氣溫模擬值與實測值的日內(nèi)變化 &nbsp;Fig. 1 &nbsp;Daily variation of the simulated by five models and observed values of the average hourly temperature in the four &nbsp;seasons inside the plastic greenhouse &nbsp; 中 &nbsp;國 &nbsp;農(nóng) &nbsp;業(yè) &nbsp;氣 &nbsp;象 第 39卷 ·648· &nbsp;表 2 &nbsp;五種模型對塑料大棚內(nèi)四季逐時平均氣溫的模擬精度 &nbsp;Table 2 &nbsp;Simulation accuracy of five models for seasonal average hourly temperature in the plastic greenhouse &nbsp; 春 Spring 夏 Summer 秋 Autumn 冬 Winter &nbsp;地區(qū) &nbsp;Area &nbsp;模型 &nbsp;Model R &nbsp;RMSE ( ) &nbsp;MBE ( ) &nbsp;R &nbsp;RMSE ( ) MBE ( ) &nbsp;R &nbsp;RMSE ( ) &nbsp;MBE ( ) &nbsp;R &nbsp;RMSE ( ) &nbsp;MBE ( ) &nbsp;WAVE 0.96 &nbsp;0.72 &nbsp;0.30 &nbsp;0.92 0.85 0.16 0.87 1.00 0.35 &nbsp;0.95 &nbsp;0.87 0.39 &nbsp;WCALC 0.96 &nbsp;0.61 &nbsp;0.02 &nbsp;0.92 0.86 0.15 0.88 0.87 0.02 &nbsp;0.95 &nbsp;0.78 0.06 &nbsp;TEMP 0.99 &nbsp;0.33 &nbsp;0.21 &nbsp;0.99 0.21 0.11 0.99 0.33 0.16 &nbsp;0.99 &nbsp;0.35 0.20 &nbsp;SAWTOOH 0.92 &nbsp;0.96 &nbsp;0.30 &nbsp;0.93 0.84 0.16 0.93 0.80 0.35 &nbsp;0.91 &nbsp;1.07 0.39 &nbsp;句容 Jurong &nbsp;BP 0.97 &nbsp;0.77 &nbsp;0.46 &nbsp;0.96 1.07 0.38 0.99 0.47 0.13 &nbsp;0.98 &nbsp;0.76 0.29 &nbsp;WAVE 0.99 &nbsp;0.21 &nbsp;0.09 &nbsp;0.97 0.16 0.02 0.98 0.26 0.18 &nbsp;0.97 &nbsp;0.33 0.14 &nbsp;WCALC 0.92 &nbsp;0.46 &nbsp;0.09 &nbsp;0.87 0.35 0.08 0.95 0.28 0.04 &nbsp;0.88 &nbsp;0.53 0.12 &nbsp;TEMP 0.97 &nbsp;0.32 &nbsp;0.09 &nbsp;0.95 0.21 0.05 0.95 0.32 0.12 &nbsp;0.90 &nbsp;0.51 0.19 &nbsp;SAWTOOH 0.99 &nbsp;0.21 &nbsp;0.09 &nbsp;0.99 0.14 0.02 0.98 0.26 0.18 &nbsp;0.99 &nbsp;0.25 0.14 &nbsp;盤城 Pancheng &nbsp;BP 0.98 &nbsp;0.41 &nbsp;0.14 &nbsp;0.82 0.40 0.06 0.95 0.34 0.17 &nbsp;0.93 &nbsp;0.43 0.00 模型的平均均方 根 誤差分別為 0.80、 0.79、 0.66、 0.86 和 0.89, 盤城 地區(qū)分別為 0.21、 0.28、 0.26、 0.19 和 0.28??梢?看 出, 典 型陰雨天的模擬精度 與典 型 晴天相 比 有明 顯 的提高,但其相關系數(shù)( R)較低, 晴天 條件 下, 5種模型模擬結(jié)果 與 實測值 之間 平均相 關系數(shù) =0.95且 R 0.88, 即 模型可以較好地 描述 氣溫 上升 和下 降 時的變化 趨勢 , 而 陰雨天 條件 下模擬結(jié)果 與 實測值 之間 =0.85且 R 0.53,表明模型 雖然 可以較 準確地模擬逐時氣溫,但是對氣溫的變化情況 描述 不 夠細 致。對 比 不同模型在 典 型晴天和 典 型陰雨天下的 模擬情況可 知 ,正弦 指數(shù)分段函數(shù)( TEMP)在晴天 和陰雨天氣中 都 有較好的模擬結(jié)果,在春夏季節(jié)和陰 雨天 條件 下誤差較小;神經(jīng)網(wǎng)絡模型( BP)的模擬效 果在晴天時僅次于 TEMP,但在陰雨天時的模擬誤差 則無顯著減 小,受天氣情況的影響較?。挥嘞曳侄魏?數(shù)( WAV E) 、正弦分段函數(shù)( WCALC)和一次分段 函數(shù)( SAWTOOH)在陰雨天的模擬效果明 顯 好于晴 天時, 說 明其受天氣和塑料大棚本身的影響較大。 圖 2 &nbsp;四季典型晴天塑料大棚內(nèi)逐時氣溫模擬值與實測值的日內(nèi)變化 &nbsp;Fig. 2 &nbsp;Variation of the simulated by five models and observed values of hourly temperature on a sunny day in four seasons &nbsp;inside the plastic greenhouse &nbsp;第 10期 韋婷婷等:玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型 ·649·圖 3 &nbsp;四季典型陰雨天塑料大棚內(nèi)逐時氣溫模擬值與實測值的日內(nèi)變化 &nbsp;Fig. 3 Variation of the simulated by five models and observed values of hourly temperature on a rainy day in four seasons inside &nbsp;the plastic greenhouse &nbsp; 表 3 &nbsp;四季典型天氣條件五種模型對塑料大棚內(nèi)逐時氣溫模擬精度 &nbsp;Table 3 Simulation accuracy of five models for seasonal average hourly temperature in the plastic greenhouse on the typical weather days &nbsp; 春 Spring 夏 Summer 秋 Autumn 冬 Winter &nbsp;地區(qū) &nbsp;Area &nbsp;模型 &nbsp;Model R &nbsp;RMS E( ) &nbsp;MBE ( ) &nbsp;R &nbsp;RMSE ( ) MBE ( ) &nbsp;R &nbsp;RMSE ( ) &nbsp;MBE ( ) &nbsp;R &nbsp;RMSE ( ) &nbsp;MBE ( ) &nbsp;晴天 Sunny day &nbsp;WAVE 0.97 1.13 0.33 0.94 1.21 0.29 0.88 2.66 1.06 0.98 1.22 0.56 &nbsp;WCALC 0.95 1.58 0.93 0.92 1.28 0.15 0.89 2.23 0.01 0.97 1.12 0.47 &nbsp;TEMP 0.95 1.38 0.55 0.99 0.47 0.24 0.98 1.00 0.43 0.97 1.10 0.21 &nbsp;SAWTOOH 0.97 1.06 0.32 0.94 1.13 0.29 0.93 2.16 1.06 0.95 1.56 0.56 &nbsp;句容 Jurong &nbsp;BP 0.98 0.99 0.49 0.99 0.56 0.10 0.98 1.43 0.84 0.99 0.81 0.00 &nbsp;WAVE 0.98 0.97 0.56 0.98 0.26 0.03 0.99 0.16 0.03 0.98 0.28 0.05 &nbsp;WCALC 0.95 1.25 0.01 0.90 0.56 0.14 0.92 0.48 0.22 0.96 0.40 0.23 &nbsp;TEMP 0.98 0.91 0.46 0.97 0.30 0.06 0.96 0.30 0.00 0.97 0.30 0.10 &nbsp;SAWTOOH 0.95 1.45 0.56 0.96 0.42 0.03 0.96 0.33 0.03 0.96 0.34 0.05 &nbsp;盤城 Pancheng &nbsp;BP 0.99 0.75 0.12 0.74 0.86 0.24 0.95 0.43 0.10 0.93 0.43 0.10 &nbsp;陰雨天 Rainy day &nbsp;WAVE 0.88 0.73 0.19 0.88 0.87 0.67 0.95 0.56 0.05 0.95 1.02 0.37 &nbsp;WCALC 0.87 0.67 0.05 0.92 0.61 0.42 0.95 0.71 0.44 0.92 1.15 0.23 &nbsp;TEMP 0.95 0.53 0.09 0.90 0.73 0.52 0.90 0.74 0.01 0.98 0.64 0.25 &nbsp;SAWTOOH 0.86 0.65 0.19 0.88 0.84 0.67 0.91 0.64 0.05 0.91 1.29 0.37 &nbsp;句容 Jurong &nbsp;BP 0.85 0.68 0.27 0.65 0.90 0.35 0.78 1.04 0.33 0.96 0.95 0.28 &nbsp;WAVE 0.93 0.33 0.10 0.71 0.17 0.03 0.99 0.05 0.02 0.62 0.30 0.05 &nbsp;WCALC 0.81 0.48 0.02 0.59 0.19 0.00 0.94 0.22 0.11 0.69 0.24 0.02 &nbsp;TEMP 0.89 0.39 0.12 0.70 0.17 0.04 0.95 0.17 0.00 0.53 0.31 0.03 &nbsp;SAWTOOH 0.97 0.23 0.10 0.78 0.14 0.03 0.98 0.13 0.02 0.65 0.26 0.05 &nbsp;盤城 Pancheng &nbsp;BP 0.89 0.44 0.15 0.86 0.25 0.15 0.860.30 0.11 0.94 0.14 0.03 &nbsp; 中 &nbsp;國 &nbsp;農(nóng) &nbsp;業(yè) &nbsp;氣 &nbsp;象 第 39卷 ·650· &nbsp;2.2 &nbsp;玻璃溫室內(nèi)逐時氣溫變化過程模擬結(jié)果比較 &nbsp;2.2.1 &nbsp;各季節(jié)模擬結(jié)果的 比 較 &nbsp;泰州 和 浦口 地區(qū)玻璃溫室各季模擬結(jié)果 比 較 見 圖 4。 由圖 可 見 ,玻璃溫室內(nèi)的氣溫變化 與 塑料大棚 內(nèi)變化 趨勢 一致, 5種模型模擬的逐時氣溫變化過程 與 實測數(shù)據(jù)分 布 特 點 基本一致。表 4為 5種模型對 玻璃溫室內(nèi) 四 季逐時平均氣溫模擬精度的 比 較。對 于 泰州 地區(qū), 5 種模型 全 年平均模擬誤差分別為 1.24、 1.06、 0.37、 1.29和 0.81,其中正弦 指數(shù)分 段函數(shù)( TEMP)和神經(jīng)網(wǎng)絡模型( BP)的模擬結(jié)果 明 顯 好于其 它 模型,并且 都 在春夏季節(jié)模擬較準確, 但 從 平均 偏 差( MBE)來 看 , TEMP 的模擬結(jié)果高 于實測值, 而 BP的 MBE則無 明 顯 規(guī)律;其次,正 弦分段函數(shù)( WCALC)的模擬效果僅次于 TEMP和 BP,其模擬精度 隨 季節(jié)的變化差異不明 顯 ,預測結(jié) 果低于實測值;余弦分段函數(shù)( WAV E)在春夏季節(jié) 較精確,預測結(jié)果高于實 際 氣溫;一次分段函數(shù) ( SAWTOOH)的模擬結(jié)果較差且高于實 際 氣溫。 浦 口 地區(qū) 全 年平均誤差分別為 1.05、 0.88、 0.72、 1.15 和 0.78,對 比 可 知 , TEMP的均方 根 誤差 與泰州 地 區(qū)相 比增加 了 95%,但其模擬效果依 舊 好于其 它 模 型,但 此 時其在秋冬季節(jié)的模擬精度較高; BP模型 的模擬結(jié)果地區(qū) 間 差異并不明 顯 ,但其也表現(xiàn)為在 秋冬季節(jié)的模擬效果較好; WCALC模型的模擬誤差 相 比泰州 地區(qū) 減 少了 17%,并且在秋季誤差較小; WAV E和 SAWTOOH的模擬誤差相近,均 稍 高于實 際 氣溫并且在夏季誤差最小。 &nbsp;綜上 可 知 , 5種模型均可 根 據(jù)日最高、最低氣溫 模擬玻璃溫室內(nèi)氣溫的逐時日變化, 5種模型的平均 誤差分別為 1.14、 0.97、 0.55、 1.22、 0.79。對 比 可 知 , TEMP模型和 BP在模擬精度 上 具有明 顯優(yōu)勢 , 且其季節(jié)變化特 征 在不同的玻璃溫室也表現(xiàn)不一; WCALC的模擬效果較好, 與 其 它 模型不同的是其模 擬結(jié)果通常 稍 低于實測值; WAV E和 SAWTOOH的 模擬精度較低,且 都 在夏季模擬效果最好。 &nbsp;2.2.2 &nbsp;各季節(jié) 典 型日模擬結(jié)果 比 較 &nbsp;在 泰州 和 浦口 地區(qū), 每個 季節(jié)選 取 一 個典 型晴 天和 典 型陰雨天,分別利用 5種模型計算 每 日玻璃 溫室內(nèi)逐時氣溫, 與 相應實測數(shù)據(jù)進行對 比 ,結(jié)果 如圖 5、 圖 6所 示 。 由圖 可 見 ,玻璃溫室內(nèi)的氣溫分 布 也 符合 下 降 快速上升 快速 下 降 的基本規(guī)律, 并且晴天和陰雨天的氣溫分 布 也 與 塑料大棚類 似 , 5 種模型模擬的逐時氣溫變化過程 與 實測數(shù)據(jù)分 布 特 點 基本一致。表 5為 5種模型對玻璃溫室內(nèi) 四 季 典 型 圖 4 &nbsp;玻璃溫室內(nèi)四季逐時平均氣溫模擬值與實測值的日內(nèi)變化 &nbsp;Fig. 4 Daily variation of the simulated by five models and observed values of the seasonal average of hourly temperature inside &nbsp;the glass greenhouse &nbsp;第 10期 韋婷婷等:玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型 ·651· 表 4 &nbsp;五種模型對玻璃溫室內(nèi)四季逐時平均氣溫模擬精度 &nbsp;Table 4 &nbsp;Simulation accuracy of five models for seasonal average hourly temperature in the glass greenhouses &nbsp;春 Spring 夏 Summer 秋 Autumn 冬 Winter &nbsp;地區(qū) &nbsp;Area &nbsp;模型 &nbsp;Model R &nbsp;RMSE ( ) &nbsp;MBE ( ) &nbsp;R &nbsp;RMSE ( ) MBE ( ) &nbsp;R &nbsp;RMSE ( ) MBE</p>

注意事項

本文(玻璃溫室和塑料大棚內(nèi)逐時氣溫模擬模型.pdf)為本站會員(magazine@RS)主動上傳,園藝星球(共享文庫)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對上載內(nèi)容本身不做任何修改或編輯。 若此文所含內(nèi)容侵犯了您的版權(quán)或隱私,請立即通知園藝星球(共享文庫)(發(fā)送郵件至admin@cngreenhouse.com或直接QQ聯(lián)系客服),我們立即給予刪除!

溫馨提示:如果因為網(wǎng)速或其他原因下載失敗請重新下載,重復下載不扣分。




固源瑞禾
關于我們 - 網(wǎng)站聲明 - 網(wǎng)站地圖 - 資源地圖 - 友情鏈接 - 網(wǎng)站客服 - 聯(lián)系我們

copyright@ 2018-2020 華科資源|Richland Sources版權(quán)所有
經(jīng)營許可證編號:京ICP備09050149號-1

     京公網(wǎng)安備 11010502048994號


 

 

 

收起
展開