Print

基于深度学习算法的粮堆温度预测研究

论文摘要

针对粮堆温度的非线性时间序列特点,本文提出一种基于长短时记忆网络（Long Short-Term Memory,LSTM）算法的粮堆温度预测模型,该模型不但解决了传统方法处理非线性数据能力较差的问题,而且较其他现有方法能够更好地处理时间序列数据。本文根据已有的粮仓环境数据搭建模型结构,进行模型训练和测试,并设置支持向量机和整合移动平均自回归模型作为对比实验。实验表明,该模型的均方误差MSE为0.048,较其他方法对粮堆温度的预测效果更好,准确性更高。

论文目录

  • 1 粮堆温度预测模型的介绍
  •   1.1 传统的粮堆温度预测模型
  •   1.2 基于深度学习的粮堆温度预测模型
  • 2 粮堆温度预测模型的建立
  •   2.1 LSTM模型介绍
  •   2.2 搭建粮堆温度预测模型
  • 3 实验及结果分析
  •   3.1 实验准备
  •   3.2 预测结果评价及分析
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 赵岩,周俊冬,任双双

    关键词: 粮堆,长短期记忆网络,非线性时间序列,温度预测

    来源: 粮食科技与经济 2019年11期

    年度: 2019

    分类: 经济与管理科学,农业科技,信息科技

    专业: 农艺学,自动化技术

    单位: 中国矿业大学(北京)机电与信息工程学院

    分类号: TP18;S379

    DOI: 10.16465/j.gste.cn431252ts.20191109

    页码: 52-56

    总页数: 5

    文件大小: 2424K

    下载量: 131

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/102fbee7638e1599caaf36a3.html