农业环境科学学报

作者：张疏桐,张传颂,冯雄,冯克鹏

单位：宁夏大学土木与水利工程学院, 银川 750021,宁夏大学土木与水利工程学院, 银川 750021,宁夏大学土木与水利工程学院, 银川 750021,宁夏大学土木与水利工程学院, 银川 750021,旱区现代农业水资源高效利用教育部工程研究中心, 银川 750021,宁夏节水灌溉与水资源调控工程技术研究中心, 银川 750021,宁夏大学干旱灌区水文与智慧水利野外科学观测研究站, 银川 750021

关键词：日光温室,温湿度预测,随机森林（RF）,循环神经网络（RNN）,长短期记忆网络（LSTM）,Kolmogorov-Arnold网络（KAN）,SHAP,

基金：清华大学-宁夏银川水联网数字治水联合研究院专项统筹重点项目（SKL-IOW-2023TC2301）

针对日光温室在不同时间步长下温湿度预测精度低，不同温度条件下最小建模数据量不明确的问题，本研究引入Kolmogorov-Arnold（KAN）网络，与随机森林（RF）、循环神经网络（RNN）和长短期记忆网络（LSTM）3种机器学习算法比较，以确定不同时间步长下温湿度预测性能最优模型，然后通过对比不同建模数据量模型预测效果确定不同温度条件下的最小建模数据量，最后利用SHapley Additive exPlanations（SHAP）分析解释了各特征对4种模型预测结果的影响。结果表明：RF、LSTM和KAN模型均在15 min~1 h时间步长的温度预测中表现较好，R2均大于0.9，KAN模型在15 min~1 h时间步长的湿度预测中表现优秀，15min时的R2为0.82，均方根误差（RMSE）为0.14 kPa；1~3 d时间步长下RF、LSTM和KAN模型温度预测性能良好，R2均大于0.8，KAN模型在1 d时间步长下湿度预测效果良好，R2为0.62，7 d时间步长下各模型均无法准确预测温室温湿度。不同训练数据量的结果表明，仅需10 d数据即可构建精准的温度预测模型，湿度预测模型则至少需要20 d的数据。SHAP分析结果揭示，室外空气温度（ATO）是温度预测最重要的特征，室外空气湿度（VPO）则为湿度预测最重要的特征。研究表明，KAN网络在温室环境预测领域有广泛应用前景，尤其适用于湿度预测，在建模时仅需要10 d数据即可构建温室温度预测模型，20 d数据即可构建湿度预测模型，ATO和VPO分别对温室温度和湿度预测影响最大。

来源：2025年第11期

《农业环境科学学报》期刊编辑部

查看农业环境科学学报杂志2025年第11期