-
在温室温度预测研究方面，国内对温室温度预测的研究，大多还都是通过计算流体动力学等方法进行建模，考虑的情况之复杂，牵扯到的参数之多，让研究者在实际操作的过程中投入大量的时间和精力。另一方面，国内的温室控制也大都是比较传统的，通过对各种各样的指标实现对温室设施的控制[4][5]，预测应用在温室中的情况还不是很常见。国外的温室设施比较先进，通过自动化操作，能够精确的调节作物的生长环境，同时能够节省大量的人力物力，而且还能带来的可观的收入，从而实现农业发展的良性循环[6]，但是很少有通过神经网络对温室温度预测的研究。在RNN方面，目前国内外的研究情况都集中在语言生成、文本模型和语音识别等方面[7][8]，国内的也有将神经网络应用预测的研究，如广告点击率[9][10][11]，不过目前使用RNN进行温室温度预测的文献还不多见。34941
- 上一篇：自动化测试国内外研究现状参考文献
- 下一篇：耕地资源可持续利用国内外研究现状
参考文献：
[1] 韩跃, 汪春. 东北夏季Venlo型温室温度的时间预测模型构建与检验[J]. 黑龙江八一农垦大学学报, 2012, 24(3):19-23.
[2] 左志宇, 毛罕平, 张晓东,等. 基于时序分析法的温室温度预测模型[J]. 农业机械学报, 2010, 41(11):173-177.
[3] Lipton Z C, Berkowitz J, Elkan C. A Critical Review of Recurrent Neural Networks for Sequence Learning[J]. Computer Science, 2015.
[4] 郑红平, 赵丽华, 曾松伟. 自动化温室测控系统的设计[J]. 农机化研究, 2004(2):131-132.
[5] 邱增帅. 温室大棚的环境参数控制[D]. 沈阳：沈阳工业大学, 2013.论文网
[6] 于海业, 马成林, 陈晓光. 发达国家温室设施自动化研究的现状[J]. 农业工程学报, 1997, 13(S1):260-264..
[7] Mikolov T, Karafiát M, Burget L, et al. Recurrent neural network based language model[C]// INTERSPEECH 2010, Conference of the International Speech Communication Association, Makuhari, Chiba, Japan, September. DBLP, 2010:1045-1048.
[8] Sutskever I, Martens J, Hinton G E. Generating Text with Recurrent Neural Networks[C]// International Conference on Machine Learning, ICML 2011, Bellevue, Washington, Usa, June 28 - July. DBLP, 2011:1017-1024.
[9] Huang Z, Zweig G, Dumoulin B. Cache based recurrent neural network language model inference for first pass speech recognition[C]// ICASSP 2014 - 2014 IEEE International Conference on Acoustics, Speech and Signal Processing. IEEE, 2014:6354-6358.
[10] 黄积杨. 基于双向LSTMN神经网络的中文分词研究分析[D]. 南京：南京大学, 2016.
[11] 陈巧红, 孙超红, 余仕敏, 等. 基于递归神经网络的广告点击率预估研究[J]. 浙江理工大学学报, 2016, 35(6): 880-885.
[12] Deutsch. Supervised Sequence Labelling with Recurrent Neural Networks | Springer[J]. Springer-Verlag Berlin Heidelberg, 2012.
[13] Hochreiter S, Schmidhuber J. Long Short-Term Memory[J]. Neural Computation, 2012, 9(8):1735.
[14] Cho K, Van Merriënboer B, Gulcehre C, et al. Learning phrase representations using RNN encoder-decoder for statistical machine translation[J]. arXiv preprint arXiv:1406.1078, 2014.
[15] 汤荣志, 段会川, 孙海涛. SVM训练数据归一化研究[J]. 山东师范大学学报:自然科学版, 2016, 31(4):60-65.