基于岭回归的河西走廊中部日光温室低温预测模型

doi:10.11923/j.issn.2095-4050.cjas2022-0052

农学学报 ›› 2023, Vol. 13 ›› Issue (5): 96-100.doi: 10.11923/j.issn.2095-4050.cjas2022-0052

• 农业信息农业气象 • 上一篇

基于岭回归的河西走廊中部日光温室低温预测模型

白青华¹(), 殷雪莲¹^,², 王静¹, 张洁¹, 褚超¹, 李学军¹

¹甘肃省张掖市气象局，甘肃张掖 734000
²张掖国家气候观象台，甘肃张掖 734000

收稿日期:2022-04-24 修回日期:2022-07-05 出版日期:2023-05-20 发布日期:2023-05-16
作者简介:
白青华，男，1982年出生，甘肃高台人，工程师，硕士，主要从事设施农业气象服务方面的工作。通信地址：734000 甘肃省张掖市气象局，Tel：0936-8294456，E-mail：baiqinghua51@126.com。
基金资助:
甘肃省科技计划项目“张掖现代丝路寒旱农业气象服务技术研究”(20JR10RG823)

Prediction Model of Minimum Temperature Inside Solar Greenhouse in Central Hexi Corridor Based on Ridge Regression

BAI Qinghua¹(), YIN Xuelian¹^,², WANG Jing¹, ZHANG Jie¹, CHU Chao¹, LI Xuejun¹

¹Zhangye Meteorological Bureau of Gansu Province, Zhangye 734000, Gansu, China
²Zhangye National Climate Observatory, Zhangye 734000, Gansu, China

Received:2022-04-24 Revised:2022-07-05 Online:2023-05-20 Published:2023-05-16

摘要/Abstract

摘要：

为了构建基于气象要素的甘肃省甘州区日光温室低温预测模型，探索应用了岭回归分析的方法。在合理选取预测因子的基础上，对预测因子之间存在的多重共线性进行诊断，为了克服预测因子共线性对模型稳定性的影响，选择岭回归分析的方法进行共线性的处理和模型构建，应用模型的预测值与实测值对模型的精度进行检验。结果表明：选取的预测因子之间存在共线性问题，通过岭回归分析建立的日光低温预测模型可以克服预测因子间由于共线性问题对模型参数造成的影响，模型预测值与实测值之间的绝对误差(≤3℃)的准确率为98.4%，决定系数(R²)为0.8543和均方根误差(RMSE)为0.7849℃，模型精度较好。基于岭回归分析法建立的日光温室低温预测模型能够对当地日光温室低温进行合理而有效的预测。

关键词: 日光温室, 低温, 岭回归, 预测模型

Abstract:

The minimum temperature prediction model inside solar greenhouse in Ganzhou of Gansu Province was established based on meteorological elements by using ridge regression analysis. The multicollinearity of predictors was diagnosed through statistic test on the basis of reasonable selecting predictors, the ridge regression analysis was used to get over the influence of multicollinearity on the model stability, and the accuracy of the prediction model was tested by comparing simulated values and measured values. The results showed that collinearity existed among the predictors, and the prediction model of the minimum temperature inside solar greenhouse based on ridge regression could overcome the influence of collinearity on the model parameters. Between the simulated values and measured values, the accuracy rate of the absolute error (≤3℃) was 98.4%, the coefficient of determination (R²) was 0.8543, the root mean square error (RMSE) was 0.7849℃, and the accuracy of the prediction model was high. The minimum temperature prediction model based on ridge regression could reasonably and effectively predict the minimum temperature inside the local solar greenhouse.

Key words: solar greenhouse, minimum temperature, ridge regression, prediction model

白青华, 殷雪莲, 王静, 张洁, 褚超, 李学军. 基于岭回归的河西走廊中部日光温室低温预测模型[J]. 农学学报, 2023, 13(5): 96-100.

BAI Qinghua, YIN Xuelian, WANG Jing, ZHANG Jie, CHU Chao, LI Xuejun. Prediction Model of Minimum Temperature Inside Solar Greenhouse in Central Hexi Corridor Based on Ridge Regression[J]. Journal of Agriculture, 2023, 13(5): 96-100.

图/表 5

参考文献 17

[1]	温永菁, 李春, 薛庆禹, 等. 基于逐步回归与BP神经网络的日光温室温湿度预测模型对比分析[J]. 中国农学通报, 2018, 34(16):115-125. doi: 10.11924/j.issn.1000-6850.casb17060118
[2]	张磊, 曹宁, 卫建国, 等. 宁南山区日光温室内气温变化规律与最低气温预测[J]. 干旱地区农业研究, 2014, 32(1):230-235.
[3]	戴明晶. 日光温室冬季气温特点及低温预报模型研究[J]. 北方农业学报, 2019, 47(6):84-89. doi: 10.3969/j.issn.2096-1197.2019.06.15
[4]	陈玲燕. 多重共线性下的线性回归方法综述[J]. 市场研究, 2008(4):39-41.
[5]	李宁, 申双和, 黎贞发, 等. 基于主成分回归的日光温室内低温预测模型[J]. 中国农业气象, 2013, 34(3):306-311.
[6]	金志凤, 符国槐, 黄海静, 等. 基于BP神经网络的杨梅大棚内气温预测模型研究[J]. 中国农业气象, 2011, 32(3):362-367.
[7]	崔建云, 董晨娥, 左迎之. 外部环境气象条件对日光温室气象条件的影响[J]. 气象, 2006, 32(3):101-106.
[8]	丁元林, 孔丹莉, 毛宗福, 等. 多重线性回归分析中的常用共线性诊断方法[J]. 数理医药学杂志, 2004, 17(4):299-300.
[9]	王娟, 梁登星. 岭回归在修正多重共线性中的应用[J]. 四川理工学院学报, 2013, 26(3):98-100.
[10]	王强, 胡海清. 基于岭回归和人工神经网络估测森林可燃物负荷量[J]. 林业科学, 2012, 48(9):108-114.
[11]	张青雯, 崔宁博, 冯禹, 等. 基于气象资料的日辐射模型在中国西北地区适用性评价[J]. 农业工程学报, 2018, 34(2):189-194.
[12]	李德, 张学贤, 祁宦, 等. 宿州日光温室内部最高和最低气温的预报模型[J]. 中国农业气象, 2013, 34(2):170-178.
[13]	曾庆, 周燕荣. 岭回归分析及其在大气环境因素对人群健康影响分析中的应用[J]. 中国卫生统计, 1997, 14(4):25-28.
[14]	牛慧伟, 许自成, 李青常, 等. 基于岭回归分析的烤烟焦油含量预测模型构建[J]. 湖南农业大学学报(自然科学版), 2012, 38(3):245-250.
[15]	郭树昌, 冯双磊, 隆霄, 等. 基于岭回归方法的华中地区闪电潜势预报[J]. 兰州大学学报, 2021, 57(2):244-251.
[16]	杨楠. 岭回归分析在解决多重共线性中的独特作用[J]. 统计与决策, 2004(3):14-15.
[17]	申婷婷, 鲍恩财, 曹晏飞, 等. 不同墙体结构日光温室性能测试及分析[J]. 中国农业大学学报, 2019, 24(3):94-101.

变量	T_Max	T_Min	N	T_Mean-1	T_Max-1	T_Min-1	T_max-1	T_min-1	T_mean-1
T_Min	0.63^**	-	-	-	-	-	-	-	-
N	-0.22	0.29	-	-	-	-	-	-	-
T_Mean-1	0.59^**	0.87^**	0.04	-	-	-	-	-	-
T_Max-1	0.51^**	0.70^**	-0.17	0.86^**	-	-	-	-	-
T_Min-1	0.60^**	0.85^**	0.11	0.94^**	0.68^**	-	-	-	-
T_max-1	-0.14	-0.14	0.02	-0.11	0.15	-0.24	-	-	-
T_min-1	0.45^*	0.75^**	0.28	0.83^**	0.52^**	0.90^**	-0.16	-	-
T_mean-1	-0.03	0.03	0.18	0.05	0.1	0.03	0.65^**	0.23	-
T_min	0.48^**	0.88^**	0.16	0.82^**	0.72^**	0.75^**	0.33^*	0.76^**	0.36^*

变量	T_Max	T_Min	N	T_Mean-1	T_Max-1	T_Min-1	T_max-1	T_min-1	T_mean-1
T_Min	0.63^**	-	-	-	-	-	-	-	-
N	-0.22	0.29	-	-	-	-	-	-	-
T_Mean-1	0.59^**	0.87^**	0.04	-	-	-	-	-	-
T_Max-1	0.51^**	0.70^**	-0.17	0.86^**	-	-	-	-	-
T_Min-1	0.60^**	0.85^**	0.11	0.94^**	0.68^**	-	-	-	-
T_max-1	-0.14	-0.14	0.02	-0.11	0.15	-0.24	-	-	-
T_min-1	0.45^*	0.75^**	0.28	0.83^**	0.52^**	0.90^**	-0.16	-	-
T_mean-1	-0.03	0.03	0.18	0.05	0.1	0.03	0.65^**	0.23	-
T_min	0.48^**	0.88^**	0.16	0.82^**	0.72^**	0.75^**	0.33^*	0.76^**	0.36^*

变量	非标准化系数		标准系数	t	显著水平	共线性统计量
变量	B	标准误差	标准系数	t	显著水平	容忍度TOL	膨胀系数VIF
常量	5.781	1.96		2.9494	0.0079
T_Max	-0.039	0.0248	-0.1261	-1.5854	0.1286	0.3806	2.6277
T_Min	0.33	0.0504	0.9513	6.5455	0	0.1139	8.7772
N	-0.034	0.0415	-0.0677	-0.8108	0.427	0.3451	2.8977
T_Mean-1	0.11	0.1474	0.3124	0.7455	0.4646	0.0137	72.9537
T_Max-1	-0.001	0.0641	-0.0025	-0.0117	0.9908	0.0509	19.6612
T_Min-1	-0.177	0.0874	-0.5181	-2.0203	0.057	0.0366	27.3287
T_max-1	0.031	0.0261	0.0981	1.2081	0.2411	0.3649	2.7407
T_min-1	0.293	0.1623	0.2966	1.8064	0.0859	0.0893	11.198
T_mean-1	0.173	0.0671	0.2088	2.5817	0.0178	0.3678	2.7186

变量	非标准化系数		标准系数	t	显著水平	共线性统计量
变量	B	标准误差	标准系数	t	显著水平	容忍度TOL	膨胀系数VIF
常量	5.781	1.96		2.9494	0.0079
T_Max	-0.039	0.0248	-0.1261	-1.5854	0.1286	0.3806	2.6277
T_Min	0.33	0.0504	0.9513	6.5455	0	0.1139	8.7772
N	-0.034	0.0415	-0.0677	-0.8108	0.427	0.3451	2.8977
T_Mean-1	0.11	0.1474	0.3124	0.7455	0.4646	0.0137	72.9537
T_Max-1	-0.001	0.0641	-0.0025	-0.0117	0.9908	0.0509	19.6612
T_Min-1	-0.177	0.0874	-0.5181	-2.0203	0.057	0.0366	27.3287
T_max-1	0.031	0.0261	0.0981	1.2081	0.2411	0.3649	2.7407
T_min-1	0.293	0.1623	0.2966	1.8064	0.0859	0.0893	11.198
T_mean-1	0.173	0.0671	0.2088	2.5817	0.0178	0.3678	2.7186

基于岭回归的河西走廊中部日光温室低温预测模型

Prediction Model of Minimum Temperature Inside Solar Greenhouse in Central Hexi Corridor Based on Ridge Regression

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 17

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	吉志红, 刘晓迎, 张燕燕, 曹苏娅. 三门峡红富士苹果始花期预测模型研究[J]. 农学学报, 2022, 12(8): 81-86.
[2]	王志强, 唐琪. 新疆农村居民生活消费碳排放及影响因素研究——基于SITRPAT模型[J]. 农学学报, 2022, 12(4): 80-88.
[3]	张纪涛, 史向远, 李永平, 张晓晨, 王保平, 周静, 王秀红. 优化日光温室热环境与建构的工程技术研究进展[J]. 农学学报, 2021, 11(9): 72-78.
[4]	王丽, 路运才. 玉米抗低温灾害调控技术研究进展[J]. 农学学报, 2021, 11(5): 1-4.
[5]	孙军伟, 杨子光, 孟丽梅, 张珂. 小麦冬春性鉴定方法及评价指标研究[J]. 农学学报, 2021, 11(2): 12-22.
[6]	盖志佳, 刘婧琦, 蔡丽君, 杜佳兴, 谷维, 张敬涛, 吴俊江. 大豆低温冷害研究进展及防控技术[J]. 农学学报, 2021, 11(1): 7-10.
[7]	廖要明, 潘江萍, 吕渊. 湖南邵阳县油茶生产气候适宜性分析[J]. 农学学报, 2020, 10(7): 62-68.
[8]	彭荣南, 陈冰, 陈观浩, 何泽华, 邱世善, 宋祖钦, 梁盛铭. 水稻白叶枯病发生流行与气象条件关系及预测模型研究[J]. 农学学报, 2020, 10(2): 29-33.
[9]	张纪涛,李翠. 砖墙日光温室结构传热特征的监测研究[J]. 农学学报, 2019, 9(5): 62-68.
[10]	赵满兴,刘慧,白二磊,万娅妮,王文强. 延安不同种植年限日光温室土壤肥力评价[J]. 农学学报, 2019, 9(4): 54-58.
[11]	盖志佳,张敬涛,刘婧琦,蔡丽君,杜佳兴,孟庆英,谷维,陈磊. 低温胁迫对大豆幼苗形态生理指标及籽粒产量的影响[J]. 农学学报, 2019, 9(12): 1-4.
[12]	丁圣,张茂松,赵兴东. 元江县红心火龙果精细化农业气候区划[J]. 农学学报, 2019, 9(11): 27-33.
[13]	黄华英,陈观浩,梁盛铭,陈梅珍. 南方水稻黑条矮缩病测报技术研究[J]. 农学学报, 2017, 7(5): 6-9.
[14]	白雪,李兴,刘鹏,郑根昌,李旭新,张春兰. 低温胁迫对蓖麻种子萌发过程中生理生化影响[J]. 农学学报, 2017, 7(3): 5-8.
[15]	王晓蓉,吕雄杰,贾宝红. 基于物联网技术的日光温室黄瓜白粉病预警系统的研究[J]. 农学学报, 2016, 6(8): 50-53.