Salma Ait Oussous · Dauris Madama Lail · Rachid El Bouayadi · Aouatif Amine · IEEE Access · 2025年1月

准确预测温室温度对有效气候控制和优化作物生产至关重要。本文研究深度学习DL模型和早期研究提出的Power LSTM模型在西班牙数据库上预测温室内部温度的性能。通过分析GRU、ANN、LSTM-ANN和LSTM-RNN等DL架构，对比评估PLSTM模型性能。结果显示PLSTM模型始终优于其他DL模型，R²达0.9999，RMSE和MAE显著更低，展示其处理温室条件时间序列预测的鲁棒性，为改进农业精准气候控制和智能温室系统开发提供关键工具。

解读: 该温室气候预测技术对阳光电源农业光伏和智慧农业应用有重要意义。阳光光伏+农业大棚解决方案需要精准的环境控制和能源管理。PLSTM深度学习模型可集成到阳光智慧农业系统，实现温室温度精准预测和智能调控。结合阳光光伏发电和储能系统，可优化温室供暖制冷能源使用，降低农业用能成本。该技术可进一步扩展到光伏电站...