توسعه مدل داده محور برای پیش بینی و مدیریت مصرف انرژی در سیستم کشت عمودی

مصرف بالای انرژی در سیستم های کشت عمودی یکی از چالش های اساسی کشاورزی شهری برای تضمین امنیت غذایی است. این مطالعه با هدف مدیریت مصرف انرژی، مدل یادگیری ماشین گرادیان تقویتی (XGBoost) را برای پیش بینی مصرف روزانه انرژی روشنایی، سرمایش و رطوبت زدا بر اساس پارامترهای کیفیت هوای داخلی توسعه داده است. نتایج نشان داد که مدل با ضریب تعیین ۰.۹۹۹، می تواند به عنوان ابزاری کارآمد در بهره برداری و بهبود عملکرد و پایداری سیستم های کشت عمودی مورد استفاده قرار گیرد. هم چنین، تحلیل اثر تغییرات پارامترهای محیطی نشان می دهد که افزایش شدت نور از ۱۰۰ تا ۲۰۰ μmol/(m^۲.s)، به عنوان اثرگذارترین پارامتر، مصرف انرژی را ۵۸.۶ درصد افزایش می دهد.

کلیدواژه ها:

کشت عمودی ، کشاورزی شهری ، مدیریت مصرف انرژی ، مدل یادگیری ماشین XGBoost.