为实现农作物全年种植、生产,我国大力发展应用在设施农业上的先进设备与技术。其中,现代化棚室是设施农业的重要组成部分,能够创造出适应各种农作物生长的良好环境。棚室温度是影响作物生长最重要的因素之一,如何准确预测棚室温度是现阶段设施农业研究的热点之一。目前构建的棚室温度预测模型中,一方面从机理的角度考虑温度变化,模型构建复杂,大量参数难以确定,精度相对较低。另一方面选用系统辨识的方法,多数利用神经网络算法来建立棚室温度变化的输入输出模型。模型的输入多为棚室内、外环境变量和设备状态变量,较少与当地气象预报相结合,且研究北方阳光板棚室温度短期预测模型较少。因此,本文为合理将气象数据引入到棚室温度短期预测模型中,先构建基于气象数据等参数的棚外温度预测模型,将其输出作为预测模型的输入之一,再构建LM-BP神经网络棚室温度短期模型。最后,通过思维进化算法优化模型,提升棚室温度预测效果。主要研究内容包括以下几个方面:(1)基于能量守恒理论构建阳光板试验棚室温度机理模型,确定试验需要采集的环境变量。并对拟采用的BP神经网络算法从网络结构、原理等方面进行研究,为后续棚室温度建模提供一定理论依据。(2)通过Delphi软件编写棚室环境采集上位机,实现实时采集棚室内外相关环境变量,并利用物元分析关联度的聚类分析方法科学、合理的布控温度传感器。同时,将采集的棚室内、外相关数据缺失填补后,依次进行卡尔曼滤波处理、归一化处理和相关性分析。(3)构建基于气象数据的棚内温度短期预测模型。为保证构建模型时选择少量且有效的输入变量,结合相关性分析结果,使用新的思路更合理的引入气象预报数据构建棚室温度短期模型,即先利用气象数据和t时刻棚外环境相关变量构建棚外温度预测模型,再将其输出与其他相关变量作为输入,棚室温度作为输出,构建棚室短期温度模型。分别构建预测下一时刻和未来12小时的LM-BP温度短期预测模型。同时,构建直接以气象数据等相关变量作为输入的LM-BP温度短期预测模型。通过试验结果分析,利用新思路引入气象预报数据构建试验棚室短期温度模型预测效果更好,可以较好预测下一时刻和短期12小时棚内温度变化趋势。(4)利用思维进化算法(MEA)分别对下一时刻温度预测模型LM-BP和短期12小时温度预测模型LM-BP12进行优化。同时,采用遗传算法(GA)建立GA-LM-BP神经网络棚室温度短期预测模型。通过比较各个模型间的评价指标,MEA-LM-BP模型与MEA-LM-BP12模型均方根误差分别1.194℃和2.483℃,模型有效性分别为99.01%和96.14%,证明由MEA优化LM-BP模型无论在预测效果方面还是在模型有效性方面均优于其他模型。该研究将气象数据与设施农业相结合,通过神经网络算法实现了对下一时刻和未来12小时的棚内温度预测,并利用思维进化算法对模型进行优化,为棚室温度的合理调控提供了理论基础。