经常用于寒冷季节喜温作物种植栽培的日光温室,透光和保温功能良好。日光温室可以应对严寒、霜冻等极端恶劣的气候环境对作物产生的影响,提高作物产量和质量。现代化的日光温室,不仅能够密封保温、通风降温,同时具有调控室内温湿度、光照等环境的功能,用计算机自动控制创造作物所需的最佳环境条件。使得作物在外界环境极为恶劣的条件下,也能够在温室内正常生长发育。建立日光温室小气候模型是实现日光温室控制的重要环节。由于室内温度和湿度环境不仅受到室内环境因素和温室结构的影响,还受到室外气象条件的影响,并且这些影响因子之间有着十分复杂的关系,因此,日光温室小气候环境是一个高度非线性、强耦合、大时延的系统,建立它的机理模型相对困难。基于日光温室的复杂特性,本文采用人工神经网络建立基于贝叶斯正则化算法的日光温室温度和湿度的神经网络预测模型。该模型首先采用主成分分析法简化网络模型的输入,解耦影响因子间的耦合关系。然后采用贝叶斯正则化算法优化网络模型,提高网络泛化能力。为了验证所建立的预测模型的效果,本文又选取了神经网络的常用算法(梯度下降法、动量梯度下降法)建立了温度和湿度的预测模型,通过对比发现,采用贝叶斯正则化算法建立的模型预测精度高,网络泛化能力强。基于所建立的日光温室小气候环境预测模型,本文提出日光温室温度环境的控制策略。提出将具有知识表达能力的模糊逻辑与具有自学习自适应能力的神经网络相结合,设计建立模糊神经网络控制器。采用模糊神经网络控制方案来仿真验证日光温室温度环境控制系统,仿真结果显示,利用模糊神经网络实现对日光温室小气候温度环境的控制是行得通的,并且模糊推理规则被神经网络记忆,不仅可以提高控制精度,而且可以增强控制系统的自适应能力。