使用统计模型估算玻璃室内的内部气温
konstantinos chronopoulos2*和aristidis matsoukis.1
1希腊雅典农业大学农业大学农业大学农业大学农业科学系。
2雅典农业大学，雅典农业大学，雅典，11855希腊，生物技术系。
http://dx.doi.org/10.12944/cwe.12.1.01
应用线性回归（LR）和人工神经网络（ANN）模型的效率来估计玻璃盆间的气温（T）（37O.48α“20”ΓN，23O.在目前的工作中研究了57α“48”î“e），Lavreotiki。来自城市气象站（MS）的T数据在370.58/55/55/“î”N，23O.32 kea“14”Γe，雅典，阿提卡距离Glasshouse约30公里，用作预测因子变量，考虑到实际测量时间（ATM）和两小时（ATM-2），取决于在案件上。在每个检查区域（Glasshouse和MS）中监测空气温度数据四个连续几个月（7月至10月），并将两小时的平均值用于上述估算。结果表明，由于较高的玻璃料系数，考虑到玻璃料的分布在玻璃料中的散点图中所示的散点图，ANN均优于LR模型。2）和较低的平均绝对误差（MAE）。最好的Ann模型（最高r2通过使用ATM和来自MS的ATM-2的T AT AT AT AT AT的T at The T at This The Tim-2来实现最低的MAE）。我们的研究结果可能是朝着希腊在远程MS的外部数据的玻璃室内估计的第一步。因此，可以显着提高玻璃容器的操作。
气温;估计;温室;线性回归;神经网络模型
复制以下内容以引用本文：
Matsoukis A，Chronopoulos K.使用统计模型估算玻璃室内的空气温度。Curr World Environ 2017; 12（1）。DOI：http://dx.doi.org/10.12944/cwe.12.1.01
复制以下内容以引用此URL：
Matsoukis A，Chronopoulos K.使用统计模型估算玻璃室内的空气温度。Curr World Environ 2017; 12（1）。可从：//www.a-i-l-s-a.com/?p=16821
[HTML全文]
这项工作是在授权下获得的Creative Commons attage 4.0国际许可证。
