[发明专利]基于改进长短时记忆神经网络的连锁药店温湿度预警系统

说明书

基于改进长短时记忆神经网络的连锁药店温湿度预警系统，硬件部分包括温湿度监测仪、云计算平台、数据分析系统和手机APP，可以实时显示温湿度数据并上传到云计算平台进行存储，也可以通过手机APP显示预测数据并报警。本发明有以下良好的效果：效果1：系统采用2000mAh的聚合物锂离子电池供电，解决现场布线问题，安装方便，配合整机低功耗工艺，充满一次电可以使用四个月以上时间。效果2：与现有时间序列预测技术相比，改进LSTM有良好的时间序列建模能力，训练速度快，预测拟合度高效果3：本发明能有效利用大量历史温湿度数据进行预测，从而提前预警，以便门店及时采取相应的处理措施，确保药品安全。

技术领域

本发明涉及GSP(《药品经营质量管理规范》)温湿度预测、深度学习技术等领域，具体是设计一种基于改进长短时记忆神经网络的连锁药店温湿度预警系统对药店内存储药品的环境温湿度进行预测的技术。

背景技术

近年来，随着社会的进步和经济的不断发展，用药安全逐渐成了社会关注的热点和焦点。储存和运输环节是药品在流通过程中所涉及的重要一环。如何利用信息化手段做好药品仓储、运输环节的风险防范，成为了企业和监管部门着重需要解决的重要工作之一。

发明内容

发明目的：

本发明的目的是提供一个连锁药店温湿度预警系统，以便门店及时采取相应的处理措施，确保药品安全。

技术方案：

本发明所采用的的技术方案是：

一种基于改进长短时记忆神经(LSTM)网络的连锁药店温湿度预警系统，由硬件和软件两部分组成；

硬件部分包括温湿度监测仪、云计算平台、数据分析系统和手机APP，可以实时显示温湿度数据并上传到云计算平台进行存储，也可以通过手机APP显示预测数据并报警。

所述软件部分包括数据处理、训练模型和预测模型。

所述数据处理为数据归一化和均值插补，用于将从云计算平台读取的数据进行预处理。

所述训练模型是利用预处理后的数据样本训练模型，使模型能达到预期的精度。

所述预测模型是用来预测温湿度并报警。

本发明的一种基于改进长短时记忆网络的连锁药店温湿度预警系统，包括下述步骤：

1)温湿度监测仪采集药店冷藏柜中的温湿度数据；

2)将温湿度监测仪采集到的数据通过Wi-Fi网络上传到云计算平台和手机APP；

3)将云计算平台的温湿度数据上传到数据分析系统进行分析与预测；

4)将数据分析系统的预测结果上传到手机APP，通过手机APP查看预测结果；

进一步，所示步骤3)具体包括如下步骤：

31)改进长短期记忆神经网络的结构；

32)对读取的温湿度数据集进行预处理，并将数据集分为训练集和测试集；

33)以固定步长构建短时间输入序列；

34)利用改进长短时记忆神经网络搭建训练模型，并进行模型训练和性能验证；

35)利用改进长短时记忆神经网络搭建预测模型,将历史温湿度数据输入到预测模型中进行预测；

进一步，所述步骤1)具体为：