予測駆動型気候制御システムによるスマート温室のエネルギー最適化：LSTMモデルの使用

温室は、年間を通じた作物生産のための制御された環境を提供することにより、現代農業において重要な役割を果たしています。しかし、これらの構造内での気候調整は、エネルギー消費の重要な部分を占め、運営コストの50%を超えることもあります。現在の温室システムは主にリアクティブな制御戦略に依存しており、エネルギーの非効率性や内部条件の不安定さを引き起こしています。このギャップに対処するため、本研究では、重要な気候パラメータを予測し、最適なアクチュエーター制御推奨を生成する時系列予測モデル、具体的には長短期記憶（LSTM）を活用した機械学習ベースのフレームワークを開発しました。このシステムは、温度、湿度、CO2レベルを予測するために多変量環境データを利用し、加熱、換気、照明システムへのプロアクティブな調整を通じて複合エネルギー指標を最小化します。実験結果は、高い予測精度（R2 = 0.9835）とエネルギー効率の大幅な改善を示しています。予測分析をリアルタイムセンサーフィードバックと統合することにより、提案されたアプローチは、インテリジェントでエネルギーを意識した意思決定を支援し、プロアクティブな温室気候管理を通じてスマート農業の発展を促進します。