CN110850043A - 一种基于gra-bpnn的粮食温湿度预测方法 - Google Patents

一种基于gra-bpnn的粮食温湿度预测方法 Download PDF

Info

Publication number
CN110850043A
CN110850043A CN201911016501.8A CN201911016501A CN110850043A CN 110850043 A CN110850043 A CN 110850043A CN 201911016501 A CN201911016501 A CN 201911016501A CN 110850043 A CN110850043 A CN 110850043A
Authority
CN
China
Prior art keywords
temperature
grain
humidity
detection device
moisture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911016501.8A
Other languages
English (en)
Inventor
马恩恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Zhoubi Cloud Computing Data Technology Co Ltd
Original Assignee
Jiangsu Zhoubi Cloud Computing Data Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Zhoubi Cloud Computing Data Technology Co Ltd filed Critical Jiangsu Zhoubi Cloud Computing Data Technology Co Ltd
Priority to CN201911016501.8A priority Critical patent/CN110850043A/zh
Publication of CN110850043A publication Critical patent/CN110850043A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Drying Of Solid Materials (AREA)

Abstract

本发明公开了一种基于GRA‑BPNN的粮食温湿度预测方法，包括以下步骤，通过水分检测装置检测粮食的水分，通过温度检测装置检测粮仓内的温度、粮堆的温度和大气的温度，通过湿度检测装置检测粮仓内的湿度和大气的湿度，将采集的每一项数据进行逐一记录，分类整合，即时粮堆温度为参考数列，粮食水分、仓温、仓湿、气温、气湿、历史粮堆温度作为比较数列，与此同时，将参考数列和比较数列进行无量纲化处理，利用灰色关联系数公式计算出灰色关联系数。本发明提高预测粮温的准确度，经过试验准确度可达到95.87％，借助GRA‑BPNN的粮温预测方法，在粮堆内传感器损坏的情况下，可以使保管员能够准确的了解粮温的情况从而降低储粮安全风险。

Description

一种基于GRA-BPNN的粮食温湿度预测方法
技术领域
本发明涉及粮食温湿度预测技术领域，尤其涉及一种基于GRA-BPNN的粮食温湿度预测方法。
背景技术
粮库在粮食日常保管中，为了确保储粮安全，需要对粮堆内部温度进行检测，以便及时发现粮堆内的温度是否存在异常，为保管员作业提供数据支持。
由于仓内面积较大，且粮堆高度较高，因此需要将很多根测温电缆插入到粮堆中，同时每根电缆上平均分布着温度传感器以便全面监测粮堆内各个部位的粮温情况，然而由于温度传感器是易耗品，经常发生传感器损坏而无法检测粮温的情况，同时由于缺乏有效的预测方法从而导致保管员无法得知粮堆某部位的温度，所以急需一种基于GRA-BPNN的粮食温湿度预测方法来改变这一现状。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于GRA-BPNN的粮食温湿度预测方法。
本发明提出的一种基于GRA-BPNN的粮食温湿度预测方法，包括以下步骤：
S1：通过水分检测装置检测粮食的水分，通过温度检测装置检测粮仓内的温度、粮堆的温度和大气的温度，通过湿度检测装置检测粮仓内的湿度和大气的湿度；
S2：将采集的每一项数据进行逐一记录，分类整合，即时粮堆温度为参考数列，粮食水分、仓温、仓湿、气温、气湿、历史粮堆温度作为比较数列，与此同时，将参考数列和比较数列进行无量纲化处理；
S3：利用灰色关联系数公式计算出灰色关联系数；
S4：利用关联度计算公式计算出关联度；
S5：然后利用整理后集合来进行BPNN的学习与训练，并依次建立关系简化模型和鲁棒性预测模型；
S6：最后以预测模型的打分为依据，从中选取最优的一个数据作为结果。
优选地，所述检测系统包括水分检测装置、温度检测装置和湿度检测装置，水分检测装置包括水分检测仪，水分检测器和粮食测水仪。
优选地，所述温度检测装置包括温度传感器，温度检测仪和红外测温仪，湿度检测装置包括湿度传感器、湿度检测仪和湿度测定器，水分检测装置、温度检测装置和湿度检测装置的信号输出端分别通过信号线连接有控制器。
优选地，所述灰色关联系数公式为ξ(Xi)＝(Δmin+ρΔmax)÷(Δoi(k)+ρΔmax)，其中ρ为分辨系数，一般在0～1之间，通常取0.5，Δmin为第二级最小差，Δmax为两级最大差，Δoi(k)为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。
优选地，所述关联度计算公式为ri＝(1÷N)∑ξ(k),其中ri值越接近1，说明相关性越好，然后根据关联度高低做排序，消除关联度较低的数据。
优选地，所述关系简化模型为T＝[W,S,H,A,G,t]，其中T—测温点位的温度，W—即时粮食水分，S—即时仓内温度，H—即时仓内湿度，A—即时大气温度，G—即时大气湿度，t—测温点位历史粮堆温度。
本发明的有益效果为：本发明利用基于灰色关联分析法(GRA)和BP神经网络(BPNN)的方法，以粮食水分、仓温、仓湿、气温、气湿、历史粮堆温度构建数据集合为依据，使用灰色关联分析得到关联度，消除关联度较低的数据，最后利用BPNN对关联度较高的数据进行建模预测粮温，充分利用了灰色关联分析法以及BP神经网络的优点，在确定各类参数与粮温的关联度方面实现了量化，同时借助BP神经网络算法，利用输入和输出数据通过迭代校验来寻找最优解，提高预测粮温的准确度，经过试验准确度可达到95.87％，借助GRA-BPNN的粮温预测方法，在粮堆内传感器损坏的情况下，可以使保管员能够准确的了解粮温的情况从而降低储粮安全风险。
附图说明
图1为本发明提出的一种基于GRA-BPNN的粮食温湿度预测方法的预测流程结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1，一种基于GRA-BPNN的粮食温湿度预测方法，包括以下步骤：
S1：通过水分检测装置检测粮食的水分，通过温度检测装置检测粮仓内的温度、粮堆的温度和大气的温度，通过湿度检测装置检测粮仓内的湿度和大气的湿度；
S2：将采集的每一项数据进行逐一记录，分类整合，即时粮堆温度为参考数列，粮食水分、仓温、仓湿、气温、气湿、历史粮堆温度作为比较数列，与此同时，将参考数列和比较数列进行无量纲化处理；
S3：利用灰色关联系数公式计算出灰色关联系数；
S4：利用关联度计算公式计算出关联度；
S5：然后利用整理后集合来进行BPNN的学习与训练，并依次建立关系简化模型和鲁棒性预测模型；
S6：最后以预测模型的打分为依据，从中选取最优的一个数据作为结果。
本发明中，检测系统包括水分检测装置、温度检测装置和湿度检测装置，水分检测装置包括水分检测仪，水分检测器和粮食测水仪。
本发明中，温度检测装置包括温度传感器，温度检测仪和红外测温仪，湿度检测装置包括湿度传感器、湿度检测仪和湿度测定器，水分检测装置、温度检测装置和湿度检测装置的信号输出端分别通过信号线连接有控制器。
本发明中，灰色关联系数公式为ξ(Xi)＝(Δmin+ρΔmax)÷(Δoi(k)+ρΔmax)，其中ρ为分辨系数，一般在0～1之间，通常取0.5，Δmin为第二级最小差，Δmax为两级最大差，Δoi(k)为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。
本发明中，关联度计算公式为ri＝(1÷N)∑ξ(k),其中ri值越接近1，说明相关性越好，然后根据关联度高低做排序，消除关联度较低的数据。
本发明中，关系简化模型为T＝[W,S,H,A,G,t]，其中T—测温点位的温度，W—即时粮食水分，S—即时仓内温度，H—即时仓内湿度，A—即时大气温度，G—即时大气湿度，t—测温点位历史粮堆温度。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于GRA-BPNN的粮食温湿度预测方法，其特征在于，包括以下步骤：
S1：通过水分检测装置检测粮食的水分，通过温度检测装置检测粮仓内的温度、粮堆的温度和大气的温度，通过湿度检测装置检测粮仓内的湿度和大气的湿度；
S2：将采集的每一项数据进行逐一记录，分类整合，即时粮堆温度为参考数列，粮食水分、仓温、仓湿、气温、气湿、历史粮堆温度作为比较数列，与此同时，将参考数列和比较数列进行无量纲化处理；
S3：利用灰色关联系数公式计算出灰色关联系数；
S4：利用关联度计算公式计算出关联度；
S5：然后利用整理后集合来进行BPNN的学习与训练，并依次建立关系简化模型和鲁棒性预测模型；
S6：最后以预测模型的打分为依据，从中选取最优的一个数据作为结果。
2.根据权利要求1所述的一种基于GRA-BPNN的粮食温湿度预测方法通过检测系统实施，其特征在于，所述检测系统包括水分检测装置、温度检测装置和湿度检测装置，水分检测装置包括水分检测仪，水分检测器和粮食测水仪。
3.根据权利要求2所述的一种基于GRA-BPNN的粮食温湿度预测方法，其特征在于，所述温度检测装置包括温度传感器，温度检测仪和红外测温仪，湿度检测装置包括湿度传感器、湿度检测仪和湿度测定器，水分检测装置、温度检测装置和湿度检测装置的信号输出端分别通过信号线连接有控制器。
4.根据权利要求1所述的一种基于GRA-BPNN的粮食温湿度预测方法，其特征在于，所述灰色关联系数公式为ξ(Xi)＝(Δmin+ρΔmax)÷(Δoi(k)+ρΔmax)，其中ρ为分辨系数，一般在0～1之间，通常取0.5，Δmin为第二级最小差，Δmax为两级最大差，Δoi(k)为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。
5.根据权利要求1所述的一种基于GRA-BPNN的粮食温湿度预测方法，其特征在于，所述关联度计算公式为ri＝(1÷N)∑ξ(k),其中ri值越接近1，说明相关性越好，然后根据关联度高低做排序，消除关联度较低的数据。
6.根据权利要求1所述的一种基于GRA-BPNN的粮食温湿度预测方法，其特征在于，所述关系简化模型为T＝[W,S,H,A,G,t]，其中T—测温点位的温度，W—即时粮食水分，S—即时仓内温度，H—即时仓内湿度，A—即时大气温度，G—即时大气湿度，t—测温点位历史粮堆温度。
CN201911016501.8A 2019-10-24 2019-10-24 一种基于gra-bpnn的粮食温湿度预测方法 Pending CN110850043A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911016501.8A CN110850043A (zh) 2019-10-24 2019-10-24 一种基于gra-bpnn的粮食温湿度预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911016501.8A CN110850043A (zh) 2019-10-24 2019-10-24 一种基于gra-bpnn的粮食温湿度预测方法

Publications (1)

Publication Number Publication Date
CN110850043A true CN110850043A (zh) 2020-02-28

Family

ID=69596872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911016501.8A Pending CN110850043A (zh) 2019-10-24 2019-10-24 一种基于gra-bpnn的粮食温湿度预测方法

Country Status (1)

Country Link
CN (1) CN110850043A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112729552A (zh) * 2020-12-11 2021-04-30 江苏大学 一种基于红外测温的堆置发酵内部温度测量方法与装置
CN116773046A (zh) * 2023-08-21 2023-09-19 中储粮成都储藏研究院有限公司 一种基于粮仓温度的发热判定方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020737A (zh) * 2018-01-02 2019-07-16 航天信息股份有限公司 粮食温度预测方法与装置
CN110348520A (zh) * 2019-07-12 2019-10-18 河南工业大学 一种基于气象数据预测仓储粮堆表层温度的方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110020737A (zh) * 2018-01-02 2019-07-16 航天信息股份有限公司 粮食温度预测方法与装置
CN110348520A (zh) * 2019-07-12 2019-10-18 河南工业大学 一种基于气象数据预测仓储粮堆表层温度的方法和系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
尹君等: "基于温湿度场耦合的粮堆离散测点温度场重现分析", 《中国粮油学报》 *
戎陆庆等: "基于GRA&BPNN的广西粮食产量预测研究", 《中国农业资源与区划》 *
王孝成等: "基于多线性主成分分析和径向基神经网络的储粮温度变化预测", 《粮食与饲料工业》 *
肖乐等: "基于RBF神经网络的粮库温度预测", 《微计算机信息》 *
郭平飞等: "基于GANPSO⁃BP神经网络的粮情预测模型研究", 《现代电子技术》 *
高松等: "基于BP神经网络方法的高大平房仓温度场预测研究", 《粮油食品科技》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112729552A (zh) * 2020-12-11 2021-04-30 江苏大学 一种基于红外测温的堆置发酵内部温度测量方法与装置
CN116773046A (zh) * 2023-08-21 2023-09-19 中储粮成都储藏研究院有限公司 一种基于粮仓温度的发热判定方法
CN116773046B (zh) * 2023-08-21 2023-11-07 中储粮成都储藏研究院有限公司 一种基于粮仓温度的发热判定方法

Similar Documents

Publication Publication Date Title
US10809153B2 (en) Detecting apparatus, detection method, and program
CN102265227B (zh) 用于在机器状况监视中创建状态估计模型的方法和设备
CN108956111B (zh) 一种机械部件的异常状态检测方法及检测系统
CN110850043A (zh) 一种基于gra-bpnn的粮食温湿度预测方法
CN108107086B (zh) 一种基于阵列气体传感器的气体检测方法及气体传感器
US11544554B2 (en) Additional learning method for deterioration diagnosis system
CN110826855A (zh) 智能配电房状态监测传感器入网性能的检验方法及系统
CN117196353B (zh) 基于大数据的环境污染评估与监测方法及系统
CN114492629A (zh) 异常检测方法、装置、电子设备及存储介质
CN110555235A (zh) 基于向量自回归模型的结构局部缺陷检测方法
CN108519171B (zh) 一种仓储谷物粮情的判定方法
CN112129893A (zh) 一种电池热失控监测系统的co传感器在线校准方法
CN113858566B (zh) 一种基于机器学习的注塑机能耗预测方法及系统
WO2020255305A1 (ja) 予測モデル再学習装置、予測モデル再学習方法及びプログラム記録媒体
CN111079348A (zh) 一种缓变信号检测方法和装置
CN112763045A (zh) 车辆自载重检测云端标定预测方法
Carratù et al. Data fusion for timber bundle volume measurement
CN114297264A (zh) 一种时序信号异常片段检测方法及系统
CN206833239U (zh) 一种基于数据驱动的火电厂控制系统故障检测系统
JP7046760B2 (ja) 信号解析装置及び信号解析方法並びに信号解析プログラム
CN115659271A (zh) 传感器异常检测方法、模型训练方法、系统、设备及介质
JP2019113914A (ja) データ識別装置およびデータ識別方法
WO2020183781A1 (ja) 異常診断装置
CN107506824B (zh) 一种配电网的不良观测数据检测方法及装置
CN110648689B (zh) 基于音频信号进行冲击载荷波形分析与特征辨识的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200228

RJ01 Rejection of invention patent application after publication