糧食數量安全事關糧食安全,研究開發(fā)方便、快捷、準確的在線及網絡化國家糧食儲藏數量監(jiān)測技術,對于保障我國糧食儲藏數量安全,提高糧食宏觀調控能力具有十分重大的意義。本文系統(tǒng)研究了現有糧倉儲糧數量檢測方法,在此基礎上,針對基于壓力傳感器的糧倉儲糧數量檢測中所涉及的壓強數據預處理和檢測模型建模等理論與技術問題,基于機器學習理論研究了數據預處理以及糧倉儲糧數量檢測模型構建等理論與技術問題。本文針對糧倉底面單圈的壓力傳感器布置,探索了基于改進蟻群算法的數據預處理方法,研究了基于極限學習機、支持向量回歸機等融合學習的糧倉儲糧數量檢測模型構建。主要研究包括:1.針對糧倉底面單圈的壓力傳感器布置,分析了壓力傳感器輸出值數據特性,研究了數據選擇相關規(guī)則,提出了一種基于改進蟻群算法的壓力傳感器數據預處理方法,通過找到目標矩陣的極大線性無關組降低數據的維度,實現了壓力傳感器輸出值的選擇優(yōu)化。實際應用結果證明了所提出壓力傳感器數據預處理方法的可行性于有效性。2.引入了基于SPXY算法的檢測樣本集劃分方法,給出了基于支持向量回歸機、BP神經網絡和極限學習機的糧倉儲量數量檢測模型構建方法,研究了建模參數的選取方式,... 

【文章來源】：河南工業(yè)大學河南省

【文章頁數】：59 頁

【學位級別】：碩士

【部分圖文】：

糧倉底面壓力傳感器布置模型

河南工業(yè)大學碩士學位論文13圖2-2糧倉底面單圈壓力傳感器布置模型2.3本章小結本章主要介紹論文中涉及到的儲糧數量檢測理論模型，介紹了布置壓力傳感器的兩種考慮方法，最后說明考慮系統(tǒng)成本等問題選擇單圈壓力傳感器作為后續(xù)實驗基礎的理由。

第四章基于SVR的儲糧數量檢測模型22第四章基于SVR的儲糧數量檢測模型4.1支持向量回歸原理SVR與現今流行的神經網絡不同，其不需依靠大量的學習樣本，僅需小樣本即可構建出置信區(qū)間�；驹硎且谝欢ǖ挠柧氄`差的范圍區(qū)間來進行擬合回歸，有效避免了學習過量的問題，由于通過構建最佳置信區(qū)間來實現算法，全局最優(yōu)的效果也能滿足，假設所求回歸關系如式(4-1)所示[46-47]：bxwxfTsvr)((4-1)式(3-1)中，svrw、b為待定參數，其回歸示意圖如圖4-1所示。圖4-1SVR回歸示意圖SVR求解如式(4-2)所示：mixfyyxftsCwminiiiiiiim1i*svr,2,1,0,0)()(..21*2）（(4-2)其中，C為懲罰因子，，*為松弛因子，iy為實際函數，引入拉格朗日因子后可得下式：miiiiiiimiiiimisvrsvrxfywwxfyCbi1**m1i*i*i11*2)))(())(()(21,,,L）（(4-3)對參數svrw、b、、*i求偏導，在偏導數為0的前提下，可得SVR的對偶問題如


本文編號：3281348