当前世界环境

应用线性回归(LR)和人工神经网络(ANN)模型估算温室内空气温度(T)的效率[j]^o48我“我”我“N, 23岁^o57Î " 48Î " Î " E)， Lavreotiki，在本工作中进行了研究。城市气象站(MS)在37年的T数据⁰58我“55”我“N, 23岁^o32Î " 14Î " Î " E，雅典，阿提卡，希腊，距离温室约30公里，被用作预测变量，考虑实际测量时间(ATM)和两小时前(ATM-2)，视情况而定。连续4个月(7 - 10月)监测每个检查区域(温室和MS)的气温数据，并采用两小时的平均值进行上述估计。结果表明，考虑到人工神经网络模型在温室内观测数据与估计数据分布的散点图中表现出的更好的性能，人工神经网络模型优于LR模型，无论是在较高的决定系数(R²)和较低的平均绝对误差(MAE)。最佳人工神经网络模型(最高R²我们的研究结果可能是利用远程ms的外部T数据估计希腊温室内部T的第一步，从而可以显着改善温室的运行。