论文部分内容阅读
以采集的植物电信号为生理指标，综合分析其时域、频域和时频域中的典型特征值，利用学习速度快、泛化性能好的极限学习机算法，以电信号的多个特征及环境参数作为输入量，建立适合植物生长的环境因子（温度、湿度、光照度）预测模型。结果表明：通过对采集的碧玉叶面电信号进行不同域的分析，得出植物电信号属于低频微弱信号；利用极限学习机（ELM）分别对适合碧玉生长的温度、湿度及光照度3个环境因子建立预测模型，通过与传统的BP神经网络对比，ELM算法下的均方根误差小于0．97，而决定系数大于0．92，训练所需的时间低于0．03s