%T Using Statistical Models estimation Inside Air Temperature of a Glasshouse %9文章%D %J Current World Environment %R 10.12944/ cwe . 12.1.01% P 01- 05% V 39 %N 40 %U www.a-i-l-s-a.com/article/988/ %8 - 2月9日，2017 %x -文摘:本文研究了线性回归(LR)和人工神经网络(ANN)模型在Lavreotiki温室(37o48΄20΄΄N, 23o57΄48΄΄E)室内气温(T)估算中的有效性。T数据来自一个城市气象站(MS)，位于37058΄55΄΄N, 23o32΄14΄΄E，雅典，阿提卡，希腊，大约30公里，考虑到实际测量时间(ATM)和两个小时前(ATM-2)，根据情况，作为预报变量。连续4个月(7 - 10月)监测各监测区域(温室和MS)的气温数据，并以2小时为平均值进行上述估计。结果表明，人工神经网络模型优于LR模型，其在温室T数据的观测散点分布上表现较好，具有较高的决定系数(R2)和较低的平均绝对误差(MAE)。最好的ANN模型(R2最高和最低MAE)是通过使用预测变量T在ATM和T ATM-2女士从我们研究的结果可能是第一步在T的估计的温室在希腊,从外面T数据的远程女士因此,温室的操作可以改善明显。%0 -期刊文章%I - %@ - 0125-895