Debido a las capacidades de modelado no lineal, las redes de predicción de aprendizaje profundo se han vuelto ampliamente utilizadas en la agricultura inteligente. Dado que los datos de sensores tienen ruido y no linealidad compleja, todavía es un tema abierto mejorar su rendimiento. Este artículo propone una red de Normalización de Selección Automática Reversible (RASN), integrando la capa de normalización y renormalización para evaluar y seleccionar el módulo de normalización del modelo de predicción. La precisión de la predicción ha mejorado efectivamente escalando y trasladando la entrada con parámetros aprendibles. Los resultados de la aplicación de la predicción muestran que el modelo tiene buena capacidad de predicción y adaptabilidad para el invernadero en el Sistema de Agricultura Inteligente.