摘要：以采集的植物电信号为生理指标，综合分析其时域、频域和时频域中的典型特征值，利用学习速度快、泛化性能好的极限学习机算法，以电信号的多个特征及环境参数作为输入量，建立适合植物生长的环境因子（温度、湿度、光照度）预测模型。结果表明：通过对采集的碧玉叶面电信号进行不同域的分析，得出植物电信号属于低频微弱信号；利用极限学习机（ELM）分别对适合碧玉生长的温度、湿度及光照度3个环境因子建立预测模型，通过与传统的BP神经网络对比，ELM算法下的均方根误差小于0．97，而决定系数大于0．92，训练所需的时间低于0．03s，验证了此方法的可行性，为科学指导温室环境因子调控提供科学依据。

关键词：植物电信号 极限学习机 特征值 环境因子 预测模型 

单位：南京农业大学江苏省智能化农业装备重点实验室 南京210031 东南大学信息科学与工程学院 南京211189