基于机器学习的保温被应用性能分析

doi:10.14088/j.cnki.issn0439-8114.2025.01.026

湖北农业科学 ›› 2025, Vol. 64 ›› Issue (1): 162-167.doi: 10.14088/j.cnki.issn0439-8114.2025.01.026

基于机器学习的保温被应用性能分析

朱寅宾^1,2, 骆乾亮^1,2, 雷喜红³, 牛曼丽³, 王平智^1,2, 程杰宇^1,2, 赵淑梅^1,2

1.中国农业大学水利与土木工程学院,北京 100083;
2.农业农村部设施农业工程重点实验室,北京 100083;
3.北京市农业技术推广站,北京 100029

收稿日期:2024-06-07 发布日期:2025-02-20
通讯作者: 牛曼丽（1986-）,女,高级农艺师,主要从事设施农业相关技术及装备研究与示范推广工作,（电子信箱）manli.niu@hotmail.com。
作者简介:朱寅宾（1998-）,男,浙江柯城人,在读硕士研究生,研究方向为设施园艺工程,（电话）18767056312（电子信箱）zhuyb2016@cau.edu.cn。
基金资助:
现代农业产业技术体系北京市设施蔬菜创新团队项目（BAIC01-2024）

Performance analysis of insulation blanket application based on machine learning

ZHU Yin-bin^1,2, LUO Qian-liang^1,2, LEI Xi-hong³, NIU Man-li³, WANG Ping-zhi^1,2, CHENG Jie-yu^1,2, ZHAO Shu-mei^1,2

1. College of Water Resources and Civil Engineering, China Agricultural University, Beijing 100083, China;
2. Key Laboratory of Agricultural Engineering in Structure and Environment, Ministry of Agriculture and Rural Affairs, Beijing 100083, China;
3. Beijing Agricultural Technology Extension Station, Beijing 100029, China

Received:2024-06-07 Online:2025-02-20

摘要/Abstract

摘要： 为满足装配式日光温室夜间保温需要以及研发新型温室保温材料,探索了机器学习在温室环境评价方面的应用,比较分析了骆驼绒和橡塑板为保温芯材的两种新型保温被保温性能。结果表明,高斯回归过程和神经网络算法在温室温度预测方面具有良好的应用潜力。相较于骆驼绒保温被,橡塑板保温被能使温室夜间薄膜内表面平均温度提高0.8 ℃,最低夜间薄膜内表面温度平均提高0.6 ℃。对于橡塑板芯材,应当加强防风措施管理以保证实际保温效果。

关键词: 保温被, 薄膜内表面温度, 机器学习, 高斯过程回归, 神经网络算法

Abstract: To satisfy the nighttime insulation needs of prefabricated greenhouses and to develop novel insulation materials, the use of machine learning for evaluating greenhouse environments was investigated and the insulation efficacy of two new types of blankets was compared, one with camel hair and the other with rubber-plastic board as the core material. The findings indicated that both the Gaussian process regression and neural network algorithm held promise for predicting greenhouse temperatures. Compared to the camel hair blanket, the rubber-plastic insulation blanket increased the average night-time inner film surface temperature by 0.8 ℃ and the average minimum night-time temperature by 0.6 ℃. For the rubber-plastic board material, it was necessary to implement measures to mitigate wind resistance in greenhouses to guarantee the insulation’s effectiveness.

Key words: insulation blanket, film inner surface temperature, machine learning, Gaussian regression process, neural network algorithm

中图分类号:

S626

朱寅宾, 骆乾亮, 雷喜红, 牛曼丽, 王平智, 程杰宇, 赵淑梅. 基于机器学习的保温被应用性能分析[J]. 湖北农业科学, 2025, 64(1): 162-167.

ZHU Yin-bin, LUO Qian-liang, LEI Xi-hong, NIU Man-li, WANG Ping-zhi, CHENG Jie-yu, ZHAO Shu-mei. Performance analysis of insulation blanket application based on machine learning[J]. HUBEI AGRICULTURAL SCIENCES, 2025, 64(1): 162-167.

参考文献

[1] NAHAR N M,MARSHALL R H,BRINKWORTH B J.Investigations of flat plate collectors using transparent insulation materials[J]. International journal of solar energy,1995,17(2-3):117-134.
[2] GARZOLI K, BLACKWELL J.An analysis of the nocturnal heat loss from a single skin plastic greenhouse[J]. Journal of agricultural engineering research, 1981, 26:203-214.
[3] 陈端生, 郑海山, 刘步洲. 日光温室气象环境综合研究Ⅰ.墙体、覆盖物热效应研究初报[J]. 农业工程学报, 1990,6(2): 77-81.
[4] 周长吉, 高贺昌, 李艳, 等. 周博士考察拾零(一百二十七) 一种自防水无拼缝橡塑保温被围护的主动储放热组装结构日光温室——记北京华美沃龙农业科技有限公司的创新[J]. 农业工程技术, 2022,42(10): 36-45.
[5] 刘河敬, 席时春. 新型保温材料——橡塑海绵在海洋石油平台及FPSO上的应用[J]. 中国造船, 2007, 48(S):151-154.
[6] 马承伟, 王平智, 赵淑梅, 等. 日光温室保温被材料及保温性能评价[J]. 农业工程技术, 2018,38(31): 12-16.
[7] 张俊芳, 马承伟, 覃密道, 等. 温室覆盖材料传热系数测试台的研究开发[J]. 农业工程学报, 2005(11): 149-153.
[8] 刘晨霞, 马承伟, 张锡玉. 山东寿光代表性保温被保温性能测试分析[J]. 绿色科技, 2019(24): 232-235.
[9] 刘晨霞. 日光温室保温被传热模型的建立及保温性影响因素分析[D]. 北京:中国农业大学, 2015.
[10] WANG D C, WANG M H, QIAO X J.Support vector machines regression and modeling of greenhouse environment[J]. Computers and electronics in agriculture, 2009,66(1): 46-52.
[11] ESCAMILLA-GARCIA A,SOTO-ZARAZUA G M, TOLEDANO-AYALA M, et al. Applications of artificial neural networks in greenhouse technology and overview for smart agriculture development[J]. Applied sciences-basel, 2020,10(11):3835.
[12] 宗成骥, 王建玉, 宋卫堂, 等. 基于天气预报的日光温室夜间逐时气温预测模型构建[J]. 农业工程学报, 2022,38(S1): 218-225.
[13] LIU Y, LI D, WAN S, et al.A long short-term memory-based model for greenhouse climate prediction[J]. International journal of intelligent systems, 2021(1):135-151.
[14] GREENER J G, KANDATHIL S M, MOFFAT L, et al.A guide to machine learning for biologists[J]. Nature reviews molecular cell biology, 2022,23(1): 40-55.
[15] 郑佳运. 模块化植物工厂内环境智能控制模型研究与系统设计[D]. 陕西杨凌:西北农林科技大学, 2023.
[16] 刘晨霞, 马承伟, 王平智, 等. 日光温室保温被传热的理论解析及验证[J]. 农业工程学报, 2015,31(2): 170-176.
[17] 张军华, 陈丹艳, 张仲雄, 等. 多因子约束的卷帘机揭盖被决策方法与控制系统研究[J]. 农业机械学报, 2022,53(9): 354-364.
[18] SNEE R.Regression diagnostics: Identifying influential data and sources of collinearity[J]. Journal of quality technology,1983, 15(3):149-153.
[19] CHAN J Y, LEOW S M, BEA K T, et al.Mitigating the multicollinearity problem and its machine learning approach: A review[J]. Mathematics, 2022, 10(8):1-17.
[20] WEISBERG S.Applied linear regression[M]. Wiley, 2013.368.
[21] 刘晨霞, 马承伟, 王平智, 等. 日光温室保温被保温性能影响因素的分析[J]. 农业工程学报, 2015,31(20): 186-193.
[22] 张俊芳, 马承伟, 覃密道, 等. 温室覆盖材料传热系数测试台的研究开发[J]. 农业工程学报, 2005(11): 149-153.
[23] 马承伟, 苗香雯. 农业生物环境工程[M]. 北京:中国农业出版社, 2005.

基于机器学习的保温被应用性能分析

Performance analysis of insulation blanket application based on machine learning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

[1]	杨延晓, 曹姗姗, 李全胜, 张鲜花, 孙伟. 基于Landsat 8和机器学习的塔城地区草地地上生物量估测模型[J]. 湖北农业科学, 2024, 63(8): 66-71.
[2]	马楠, 蔡朝朝, 白涛. 基于机器学习的新疆植被覆盖变化及其影响因子之间的关系[J]. 湖北农业科学, 2024, 63(8): 216-222.
[3]	唐子茹, 吴彤, 谭世林, 岳胜如. 基于遥感导数处理和最优光谱指数的土壤盐渍化监测模型[J]. 湖北农业科学, 2024, 63(8): 223-230.
[4]	吴成秋, 曹召丹, 赵小二, 吴宏宇, 邓科. 基于水文气象因子的农田生态系统碳通量预测[J]. 湖北农业科学, 2024, 63(8): 267-280.
[5]	王林, 左平聪, 闫铁军, 管雨涵, 周平, 吴庆华. 卷烟配方模块价值计量分析模型研究[J]. 湖北农业科学, 2024, 63(1): 190-194.
[6]	刘晓翠, 吾木提·艾山江, 尼加提·卡斯木. 基于三维光谱指数的春小麦SPAD高光谱估算[J]. 湖北农业科学, 2023, 62(9): 151-157.
[7]	邓环环, 秦鹏程, 万素琴, 邓爱娟, 汤阳. 湖北省绿茶气候品质综合指数模型研究[J]. 湖北农业科学, 2023, 62(6): 46-50.
[8]	董陈超, 田明昊, 赵伟朝. 基于GA优化的RF-Softmax水质预测模型研究[J]. 湖北农业科学, 2022, 61(7): 60-65.
[9]	王涛, 刘星亮, 王泓淇, 于志军. 基于机器学习的富硒茶评论文本消费者满意度感知研究[J]. 湖北农业科学, 2022, 61(1): 146-152.
[10]	董陈超. 基于遗传算法-生成对抗神经网络模型的宁夏自流灌区水资源优化调度研究[J]. 湖北农业科学, 2021, 60(15): 174-180.