基于Kriging插值和BP神经网络结合的粮仓温度场预测模型研究及实现

S126; 针对复杂仓储环境中粮情温度单点预测效果不理想、现有温度场建模难以满足工程应用需求等问题,基于温度场理论,结合分布式测温系统结构,提出了基于粮堆温度数据的温度场预测模型.该模型基于BP神经网络,利用粮仓内离散测温点数据预测对应点的未来温度数据;再采用Kriging插值法进行空间插值,利用已知位置的温度值估计出未知点的温度值,进而建立温度场的预测模型.仿真测试结果表明,温度预测的平均绝对百分误差为1.2535％,均方根误差为0.1060,预测效果良好.采用Kriging插值法进行温度点的插值,其平均绝对百分误差为9.4700％,均方根误差为0.8651.对比于传统的粮堆温度单点预测算法...

Full description

Saved in:
Bibliographic Details
Published in中国农业科技导报 Vol. 23; no. 9; pp. 96 - 102
Main Authors 王传旭, 王康, 陈林, 李学, 张红伟
Format Journal Article
LanguageChinese
Published 安徽大学电子信息工程学院,计算智能与信号处理教育部重点实验室,合肥230039 2021
Subjects
粮食温度;BP神经网络;Kriging插值法;温度场预测
Online AccessGet full text
ISSN1008-0864
DOI10.13304/j.nykjdb.2020.0326

Cover

More Information
Summary:S126; 针对复杂仓储环境中粮情温度单点预测效果不理想、现有温度场建模难以满足工程应用需求等问题,基于温度场理论,结合分布式测温系统结构,提出了基于粮堆温度数据的温度场预测模型.该模型基于BP神经网络,利用粮仓内离散测温点数据预测对应点的未来温度数据;再采用Kriging插值法进行空间插值,利用已知位置的温度值估计出未知点的温度值,进而建立温度场的预测模型.仿真测试结果表明,温度预测的平均绝对百分误差为1.2535％,均方根误差为0.1060,预测效果良好.采用Kriging插值法进行温度点的插值,其平均绝对百分误差为9.4700％,均方根误差为0.8651.对比于传统的粮堆温度单点预测算法,该模型能够更好地反映粮仓内温度场变化趋势以及温度分布的情况,为粮仓管理者提供更好的数据支持,实现辅助决策.该模型可扩展性强,能够适用于各种仓储现场.
ISSN:1008-0864
DOI:10.13304/j.nykjdb.2020.0326