首页|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

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

Research and Realization of Granary Temperature Field Prediction Model Based on Kriging Interpolation and BP Neural Network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
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.

王传旭、王康、陈林、李学、张红伟

展开 >

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

粮食温度 BP神经网络 Kriging插值法 温度场预测

180307011488GXXT-2019-020

2021

10.13304/j.nykjdb.2020.0326

中国农业科技导报
中国农村技术开发中心

中国农业科技导报

CSTPCDCSCD北大核心
影响因子：1.252
ISSN：1008-0864
年,卷(期)：2021.23(9)
  • 5
  • 6