文献类型：期刊文章

作　　者：王传旭[1] 王康[1] 陈林[1] 李学[1] 张红伟[1]

WANG Chuanxu;WANG Kang;CHEN Lin;LI Xue;ZHANG Hongwei(Key Laboratory of Computational Intelligence and Signal Processing,Ministry of Education/School of Electronic and Information Engineering,Anhui University,Hefei 230039,China)

机构地区：[1]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

出　　处：《中国农业科技导报》

基　　金：安徽省科技重大专项项目(180307011488);安徽省高校协同创新项目(GXXT-2019-020)。

年　　份：2021

卷　　号：23

期　　号：9

起止页码：96-102

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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。

关 键 词：粮食温度 BP神经网络 Kriging插值法  温度场预测  

分 类 号：S126]