[发明专利]一种基于SVM的粮情预测预警方法及系统

说明书

技术领域

本发明涉及粮食存储安全监测领域，特别涉及一种基于SVM的粮情预测预警方法及系统。

背景技术

预测预警方法是将来自传感器的信息和数据经过综合处理，找出暗含其中的规律并通过数学模型揭示出来，进而实现对对象的更加准确、可靠的控制。现有的粮情预测方法和系统对粮情信号采集往往由单一的传感器(如温度传感器)来完成，即使采用多个(种)传感器也仅是从各个不同的侧面孤立反映目标信息。实际上，粮情是由温度、湿度、水分、虫害、霉菌等因素共同决定的，必须同时综合考虑这些因素，才能获得充分反映粮情状安全状况的结论，并由此得出处理建议和控制措施。但是，传统的多元回归统计分析预测模型、GM（1，N）模型等线性预测模型都很难解决这种多参数时间序列间的复杂非线性关系，人工神经网络技术又存在训练速度慢，易陷入局部极小点和全局搜索能力弱的缺陷。而支持向量机（SVM）能够在有限样本情况下，求得全局最优解，并且将算法复杂程度保持在一个合适的范围内，不但能整合多信息数据，而且能够实现复杂非线性模型逼近，得出有效的数据模型，是建立现代粮情预测模型的优良方案。

发明内容

本发明所要解决的技术问题是提供一种基于SVM的粮情预测预警方法及系统，解决了现有技术中粮情预测方法及预测系统不能综合考虑影响粮情安全状况的各种因素，且预测结果不可靠的技术问题。

本发明解决上述技术问题的技术方案如下：一种基于SVM的粮情预测预警方法，包括以下步骤：

（1）设定影响粮情安全等级的多个参数，所述参数包括温度、湿度、水分、虫害和/或霉素；

（2）收集所述各参数的历史数据，并将所述历史数据映射到[0，1]空间，形成规范化的历史数据样本；

（3）建立基于SVM回归模型的预测模型，所述预测模型的输入数据为所述各参数值，所述预测模型的输出数据为粮情安全等级的预测结果；通过所述规范化的历史数据样本对所述预测模型进行训练，调整所述预测模型的结构，使所述粮情安全等级的预测结果与影响粮情安全等级的各参数相对应；

（4）连续采集所述各参数的当前数据，并通过所述预测模型得到粮情安全等级的预测结果，采用列表和/或曲线的方式显示所述粮情安全等级预测结果的变化趋势；

（5）判断所述粮情安全等级预测结果的变化趋势是否正常，若变化趋势正常，则将所述粮情安全等级的预测结果发送给上位机；若变化趋势异常，则发出报警信号。

本发明的有益效果是：本发明的粮情预测预警方法和系统中，核心的预测模型是根据支持向量机（SVM）对已有的粮情历史数据（温度、湿度、水分、虫害等）进行整合、优化处理后建立的有效数学模型，其包含各种粮情数据之间的关系以及粮情变化规律信息，根据所述预测模型，可以对粮情安全等级的变化情况作出可靠预测，当粮情安全出现异常时，报警提示管理人员提前做好改善粮情的准备工作，为粮情测控系统的控制策略提供及时的依据，提高了测控系统的可靠性。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述粮情安全等级通过数值1～10来表征；所述粮情安全分为五个等级，其中1～2表示粮情不安全，2～4表示粮情较不安全，4～6表示粮情一般安全，6～8表示粮情较安全，8～10表示粮情安全。

进一步，所述步骤（2）中采用最小-最大规范化方法，将所述各参数的历史数据映射到[0，1]空间，具体公式为：

si′=max{si}-simax{si}-min{si}]]>