温室中微气候的监测和控制已成为农业气象学领域的研究热点之一，无线传感器网络（WSN）的自适应，适应性强和成本效益高的特点使无线传感器网络（WSN）的应用近来引起了越来越多的关注。 当前的微气候监测和控制系统通过操纵捕获的环境因素和传统的神经网络算法来实现其预测。 然而，当部署WSN网络时，这些系统面临快速预测（例如每小时甚至每分钟）的挑战。 本文提出了一种基于极限学习机（ELM）算法和KELM（基于内核的ELM）的新颖预测方法，用于预测南京市实际温室环境中的温度和湿度。 通过WSN节点将室内温度