[发明专利]一种基于GA-BP神经网络粮情监测方法

权利要求书

1.一种基于GA-BP神经网络粮情监测方法，其特征在于，包括如下步骤：

1)初始化BP神经网络的隐藏层节点数m；BP神经网络的隐藏层节点数n为输入层节点数，l为输出层节点数；

2)设定隐藏层间的传递函数为tanh函数，即隐藏层至输出层的传递函数为sigmiod函数,即

3)利用传感器模块采集粮仓指标数据，并利用中控中心上传数据至云服务器；

4)利用采集的粮仓指标数据建立粮仓数据集T,并从粮仓数据集T中随机选取元素构建数据样本训练集TR和测试集TE；

5)依次对粮仓指标数据中的每一个元素进行归一化处理；

6)利用GA对BP神经网络的连接权值和阈值进行优化，建立GA-BP粮情监测模型；

7)进行粮情监测，判断是否有虫害，即将测试集TE输入到优化后的BP神经网络，如果输出为0表示有虫害，1表示无虫害。

2.如权利要求1所述的基于GA-BP神经网络粮情监测方法，其特征在于，所述步骤3)中的粮仓指标数据包括：节点温度T_node、室内温度T_in、室外温度T_out、节点湿度H_node、室内湿度H_in、室外湿度H_out、节点二氧化碳Co2_node、室内二氧化碳Co2_in和室外二氧化碳Co2_out。

3.如权利要求1所述的基于GA-BP神经网络粮情监测方法，其特征在于，所述步骤5)中归一化公式如下：

式中，x′_i表示粮仓指标数据中第i个元素的归一化结果，x_i表示粮仓指标数据中第i个元素，min(x_i)和max(x_i)分别是x_i的最小值和最大值。

4.如权利要求1所述的基于GA-BP神经网络粮情监测方法，其特征在于，所述步骤6)中建立GA-BP粮情监测模型包括如下步骤：

6.1)构建种群集合D，D＝{i₁，i₂，i₃...i_n}，D中的每一个元素i为个体，个体i包括：输入层和隐含层连接权值隐含层阈值ω_in、隐含层与输出层连接权值以及输出层阈值ω_out；

6.2)计算种群D中每个元素i的个体适应度，计算公式如下：

式中，F_i表示元素i的个体适应度，n为网络输出节点数；y_i为BP神经网络第i个节点的期望输出，o_i为第i个节点的实际输出；k为系数；

6.3)计算种群D中每个元素i的选择概率p_i,计算公式如下：

式中，F_i为元素i的个体适应度，由于适应度值越小越好，所以在个体选择前对适应度求倒数；k为系数；N为种群个体数目；

6.4)将第k个个体a_k和第l个个体a_l在j位进行交叉，计算公式如下：

a_kj＝a_kj(1-b)+a_ljb，a_lj＝a_lj(1-b)+a_kjb

式中，b是[0,1]之间的随机数；

6.5)选取第i个个体的第j个基因a_ij进行变异，计算公式如下：

式中，a_max为基因a_ij的上界；a_min为基因的下界；g为当前迭代次数；G_max是最大进化次数；r为[0,1]间的随机数；

6.6)判断是否达到最大迭代次数，如果达到则结束遗传算法计算，选取适应度值最大的个体作为BP神经网络的最优初始化权值和阈值，转到步骤6.7)；否则转步骤6.3)；

6.7)利用最优初始化权值和阈值对训练集TR进行BP神经网络训练，输出优化后的BP神经网络。

5.如权利要求1所述的基于GA-BP神经网络粮情监测方法，其特征在于，所述方法基于神经网络粮情监测系统实现，所述神经网络粮情监测系统包括传感器模块、中控模块和云端服务器；所述传感器模块安装在粮仓内，包括温湿度传感器、二氧化碳传感器，温湿度传感器用于采集粮仓的温度、湿度，二氧化碳传感器用于采集粮仓的二氧化碳含量，温湿度传感器节点每隔1米安装1个，二氧化碳传感器在粮仓中安装4个；所述中控模块由树莓派和4G模块组成，用于将采集到的粮仓指标数据传输到云端服务器；所述云端服务器用存储数据和GA-BP神经网络训练监测数据；传感器模块与中控模块通过RS485转usb串口线连接，中控模块和云端服务器通过4G网络无线连接。