[发明专利]一种基于多级注意力网络的仓储粮堆温度预测方法及装置

说明书

本发明涉及一种基于多级注意力网络的仓储粮堆温度预测方法及装置，本发明通过采用多级注意力网络的注意力机制构建基于LSTM的编码‑解码的预测模型，并训练得到粮堆温度预测模型，以此来预测温度传感器的温度。其中，多级注意力网络的注意力机制包括两级注意力机制，第一级为空间注意力机制，以得到不同传感器在时间序列上的空间关系；第二级为时间注意力机制，利用其对空间注意力的输出进行筛选，得到其中对预测影响较大的时间点，并由此得到上下文向量。该方法依据粮堆中温度传感器布置密集的特性，在基于LSTM的编码‑解码的预测模型中增设空间注意力机制和时间注意力机制，提高了仓储粮堆温度预测的准确性，对仓储粮温预测预警有很好的指导作用。

技术领域

本发明属于仓储粮堆温度预测技术领域，具体涉及一种基于多级注意力网络的仓储粮堆温度预测方法及装置。

背景技术

粮食是重要的农产品，我国的粮仓数量众多，单仓储粮量大，储备时间长，储粮的质量安全品质需要格外重视。其中，粮堆温度是影响其储藏品质的重要因素之一，是粮食仓储保管人员控制粮情的重要依据。影响粮堆温度变化的原因包括内因和外因两部分，内因是指因粮食自身以及微生物呼吸产生热量，而外因主要是指储粮生态系统中气温、生物群落等产生热量。

目前常用的方法是在粮堆中布设大量的温度传感器来监测粮堆的温度，再通过经验丰富的管理人员采用人工分析的方法对粮堆温度进行判断。该种方法很容易出现误判、错判的情况出现，进而使粮堆温度控制不当，导致霉变、生虫，降低粮食储藏品质。而且，该方法是在发现粮堆温度已较高的情况下才进行补救处理(例如通风处理)，此时不仅会造成粮食水分的丢失，而且粮食的霉变很可能已不可逆，补救措施已无效，这将减少粮食储备，带来损失。若能够对粮堆内的温度进行预测，将大大减少损失。

现有已有较多方法来进行仓储粮堆温度预测，例如作者为张银花、甄彤、吴建军的《基于云遗传RBF神经网络的储粮温度预测研究》根据粮堆过去的温度数据对未来一段时间内的粮堆内部温度场变化情况进行预测。该方法只基于历史数据来对未来数据进行预测，未考虑粮堆内布置传感的空间关联性，对粮堆温度预测不准。

发明内容

本发明提供了一种基于多级注意力网络的仓储粮堆温度预测方法及装置，用于解决现有的粮堆温度预测不准的问题。

为解决上述技术问题，本发明的技术方案和有益效果为：

本发明的一种基于多级注意力网络的仓储粮堆温度预测方法，包括如下步骤：

构建基于LSTM的编码-解码的预测模型，所述基于LSTM的编码-解码的预测模型包括编码器和解码器；编码器包括空间注意力模块和第一LSTM模块，所述空间注意力模块用于根据各温度传感器的历史温度值以及各温度传感器间的空间关系得到各温度传感器间的空间注意力，所述第一LSTM模块用于根据各温度传感器间的注意力和上一时刻编码器的隐藏状态对编码器的隐藏状态进行实时更新；所述解码器包括时间注意力模块、第二LSTM模块和线性变换模块，所述时间注意力模块用于根据实时更新的编码器的隐藏状态确定编码器隐藏状态的时间注意力，并根据编码器隐藏状态的时间注意力确定上下文向量，所述第二LSTM模块用于根据上下文向量和上一时刻解码器的隐藏状态对解码器的隐藏状态进行实时更新，所述线性变换模块用于根据更新后的解码器的隐藏状态和对应时刻的上下文向量对温度进行预测；利用获取的粮堆内部布设的各温度传感器的历史温度值以及各温度传感器间的空间关系训练所述基于LSTM的编码-解码的预测模型，得到粮堆温度预测模型；获取待预测温度传感器所需历史时刻的温度值和粮堆内其余温度传感器所需历史时刻的温度值，以及各温度传感器间的空间关系，输入至粮堆温度预测模型中，得到待预测温度传感器预测时刻的温度值。