針對糧堆溫度的非線性時間序列特點,本文提出一種基于長短時記憶網(wǎng)絡(luò)（Long Short-Term Memory,LSTM）算法的糧堆溫度預(yù)測模型,該模型不但解決了傳統(tǒng)方法處理非線性數(shù)據(jù)能力較差的問題,而且較其他現(xiàn)有方法能夠更好地處理時間序列數(shù)據(jù)。本文根據(jù)已有的糧倉環(huán)境數(shù)據(jù)搭建模型結(jié)構(gòu),進(jìn)行模型訓(xùn)練和測試,并設(shè)置支持向量機(jī)和整合移動平均自回歸模型作為對比實驗。實驗表明,該模型的均方誤差MSE為0.048,較其他方法對糧堆溫度的預(yù)測效果更好,準(zhǔn)確性更高。 

【文章來源】：糧食科技與經(jīng)濟(jì). 2019,44(11)

【文章頁數(shù)】：5 頁

【部分圖文】：

RNN模型內(nèi)部結(jié)構(gòu)圖

LSTM模型遺忘門ft、輸入門it、細(xì)胞狀態(tài)ct、輸出門ot以及單元輸出ht的計算公式：式中：Wf、Wi、Wo分別表示遺忘門、輸入門和輸出門的權(quán)重矩陣；bf、bi、bo分別表示對應(yīng)權(quán)重的偏置項；σ表示Sigmoid函數(shù)；ο表示按元素乘。

本文基于已有的糧倉內(nèi)部溫濕度數(shù)據(jù)，利用LSTM方法建立糧倉內(nèi)部糧堆溫度預(yù)測模型。實驗中使用深度學(xué)習(xí)框架Keras，利用框架中Sequential模型對溫度時間序列進(jìn)行模擬預(yù)測。該模型是由多個網(wǎng)絡(luò)層線性堆疊形成的棧，層與層之間只有相鄰關(guān)系。實驗?zāi)Ｐ痛罱ňW(wǎng)絡(luò)圖見圖3。圖3為LSTM模型搭建的網(wǎng)絡(luò)圖，圖中虛線箭頭表示反向傳播，接收當(dāng)前時間輸出層的殘差和下一時間隱藏層的殘差作為反向傳播的累計殘差；而實線箭頭表示前向傳播，將前一時間隱藏層的輸出與前一個隱藏層經(jīng)過激活函數(shù)的輸出之和作為前向傳播隱藏層的輸入。

【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM的大棚環(huán)境變量預(yù)測[J]. 陳亮,裴曉輝,劉韻婷.  沈陽理工大學(xué)學(xué)報. 2018(05)
[2]基于計算流體力學(xué)的平房倉通風(fēng)系統(tǒng)數(shù)值模擬[J]. 陳桂香,岳龍飛,林淼達(dá).  河南工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2013(05)
[3]平房倉糧堆溫度時空分布的基本統(tǒng)計特征分析[J]. 赫振方,趙玉霞,曹陽,李東方,甄彤,付鵬程,吳建軍.  糧食儲藏. 2010(04)



本文編號：3468674