Neural networks-based models for greenhouse climate control

Abstract

Greenhouses are multivariable and nonlinear systems with high degree of complexity, so it is hard to build models that represent the whole dynamics of the system. This paper presents models of greenhouse climate based on neural networks. The models predict inside air temperature and relative humidity in the greenhouse as a function of the variables used as input for the network, as outside temperature, relative humidity, solar radiation, etc., and the actuators state signals, as window opening and others. Data sets used for modelling have been measured with real red pepper plants inside the greenhouse. The developed models are described and the achieved results are reported.

Los invernaderos son sistemas multivariables y no lineales con un alto grado de complejidad, por lo que es difícil construir modelos que representen toda la dinámica del sistema. Este artículo presenta modelos de clima de invernadero basados en redes neuronales. Los modelos predicen la temperatura del aire interior y la humedad relativa en el invernadero en función de las variables utilizadas como entrada para la red, como la temperatura exterior, la humedad relativa, la radiación solar, etc., y las señales de estado de los actuadores, como la apertura de la ventana y otros. Los conjuntos de datos utilizados para el modelado se han medido con plantas reales de pimiento rojo dentro del invernadero. Se describen los modelos desarrollados y se reportan los resultados obtenidos.