[发明专利]粮食温度预测方法与装置

说明书

本申请实施例提供了一种粮食温度预测方法与装置，其中，该方法利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练，得到各粮食温度层的预测结果；再利用深度学习CNN算法，捕捉各粮食温度层的测温点温度之间的空间关系，预测各粮食温度层的各测温点的温度值，建立预测模型；将当前粮情信息和当前气象数据作为所述预测模型的输入，输出预测的粮食温度。本发明能提高粮食温度预测的精准度。

技术领域

本申请涉及机器学习方法应用领域，尤其涉及一种粮食温度预测方法与装置。

背景技术

我国是粮食和人口大国，2016年全国粮食总产量6.16亿吨，粮食的存储安全影响到国民生计，对于经济健康发展具有重大意义，然而我国每年在存储过程损失掉的粮食超过3500万吨，因此如何在粮食存储安全的条件下，减少存储过程中的粮食损耗，是一个非常有价值的研究问题。

为了保障粮食的品质安全，避免因发热导致粮食损坏变质，就需要进行通风，而通风导致的粮食水分损失就是粮食仓储主要的损失。由于粮食发热的原因复杂，和粮食品种、水分、杂质、虫害都有关联；常规手段比如根据其中某个因素进行单一分析容易遗漏重要的影响因素，得出的结论单薄且片面，导致预测不准；与此同时，如果等待粮食发热时再去进行通风处理，不仅需要耗费更多的人力物力，通风后造成的水分损失也更大；更糟糕的情况是，由于通风不利或者使用了不当的通风手段，造成有害通风，不仅会加大水分损耗，更可能会损坏粮食，减少储粮数量，给企业和国家带来巨大的损失。

因此，需要提出有效的一种粮食温度预测方法与装置。

发明内容

有鉴于此，本发明实施例所解决的技术问题之一在于提供一种粮食温度预测方法与装置，用以克服现有技术中不能准确预测粮食温度的情况。

本申请实施例提供了一种粮食温度预测方法，包括：

利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练，得到各粮食温度层的预测结果；

再利用深度学习CNN算法，捕捉各粮食温度层的测温点温度之间的空间关系，预测各粮食温度层的各测温点的温度值，建立预测模型；

将当前粮情信息和当前气象数据作为所述预测模型的输入，输出预测的粮食温度。

进一步地，所述粮食温度层包括四个。

进一步地，所述利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练的步骤之前包括：

对历史粮温数据和历史气象数据进行清洗处理。

进一步地，所述将当前粮情信息和当前气象数据作为所述预测模型的输入的步骤之前包括：

将当前粮情信息和当前气象数据进行清洗处理。

本申请实施例提供了一种粮食温度预测装置，包括：

模型学习模块，用于利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练，得到各粮食温度层的预测结果；再利用深度学习CNN算法，捕捉各粮食温度层的测温点温度之间的空间关系，预测各粮食温度层的各测温点的温度值，建立预测模型；

预测模块，用于将当前粮情信息和当前气象数据作为所述预测模型的输入，输出预测的粮食温度。

进一步地，所述粮食温度层包括四个。

进一步地，所述的粮食温度预测装置还包括数据预处理模块，用于在所述模型学习模块利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练之前，对历史粮温数据和历史气象数据进行清洗处理。

进一步地，所述数据预处理模块还用于在所述预测模块将当前粮情信息和当前气象数据作为所述预测模型的输入之前，将当前粮情信息和当前气象数据进行清洗处理。