温室环境系统具有非线性、多变量和强耦合的特点，传统的温室模型难以预测其真实环境。采用极限学习机、BP神经网络和支持向量机三种模型对温室温度、湿度和光照强度进行了预测分析，结果显示极限学习机模型预测值与温室环境实时参数最为相近。为提高温室环境参数的预测精度，采用改进的麻雀搜索算法对极限学习机模型进行优化，预测的环境参数与天津某温室实测数据吻合较好，证实了所提出预测模型用于温室环境调控的可行性。
