基于稀疏贝叶斯神经ODE的生菜温室模型

温室生产系统在现代农业中发挥着关键作用，使作物实现全年栽培，通过提供受控环境。然而，有效量化温室系统建模中的不确定性仍是一个具有挑战性的任务。本文应用一种新方法，基于稀疏贝叶斯深度学习进行生菜温室模型的系统辨识。该方法利用深度神经网络的优势，同时纳入贝叶斯推断，以量化神经ODE中权重的不确定性。仿真结果表明，生成的模型能够以概率估计捕捉温室系统中环境变量和生菜生长的固有非线性行为。