[发明专利]基于大数据与插值预测的粮仓空时温度场预测方法及装置

权利要求书

1.一种基于大数据与插值预测的粮仓空时温度场预测方法，其特征在于，其包括以下步骤：

步骤S1，从一个粮仓数据库中读取粮情数据及对应的仓库信息；

步骤S2，根据所述仓库信息中的仓库状态，截取不同时间点数据；

步骤S3，对温度进行3D空间重建，获得温度点对应的位置信息；

步骤S4，选取要预测的截面，先进行所述截面温度的时序预测；

步骤S5，判断所述截面不同位置的温度点是否为外层温度点；

在所述位置的温度点是所述外层温度点时，执行步骤S6；

步骤S6，选择包括气象数据、内温内湿以及相邻温度点的变量并作为样本数据；

在所述位置的温度点不是所述外层温度点时，执行步骤S7；

步骤S7，选择包括邻近温度点、内温内湿以及水分的变量作为样本数据；

步骤S8，将所述样本数据输入为输入层的输入序列，并选择隐含层节点数；

步骤S9，初始化权值、阈值，设定训练周期及精度；

步骤S10，计算网络层的实际输出；

步骤S11，计算误差，并修正所述权值、所述阈值；

步骤S12，进行BP神经网络训练，并判断训练精度是否达到一个预设精度，或判断训练周期是否达到一个预设周期；

在所述训练精度达到所述预设精度或/和所述训练周期达到所述预设周期时，执行步骤S13；

步骤S13，步骤S13预测出所述截面所有坐标所对应的温度值；

在所述训练精度未达到所述预设精度且所述训练周期未达到所述预设周期时，执行步骤S10；

步骤S14，根据预测点数据，进行空间插值，获得所述截面的温度场图。

2.如权利要求1所述的基于大数据与插值预测的粮仓空时温度场预测方法，其特征在于，空时预测模型的公式为：

式中，z_t+1(ε)为空间中位置为ε的插值数值；z_t+1(a_i,b_i,c_i)为已知位置为(a_i,b_i,c_i)的插值数值；(a_i,b_i,c_i)为粮仓中的行列层，对应粮仓中温度传感器实际的位置；θ[]代表依据真实数据的时序预测过程。

3.如权利要求1所述的基于大数据与插值预测的粮仓空时温度场预测方法，其特征在于，在进行BP神经网络训练之前，还对温度数据进行数据预处理：将不同的温度点分别对应到粮仓的各个位置，并以现场电缆排布为依据进行数据排列；所述空间温度点的数据序列公式为：

X(a,b,c)＝[x₁(a,b,c),x₂(a,b,c),…,x_t(a,b,c)]

式中，X(a,b,c)为粮仓中第a行b列c层的温度点的数据序列，x_t(a,b,c)为粮仓中第a行b列c层的温度点数据，t为取样数据的个数，也代表时间序列。

4.如权利要求1所述的基于大数据与插值预测的粮仓空时温度场预测方法，设，l为所述BP神经网络隐含层的层数，n为所述BP神经网络输入层的层数，m为所述BP神经网络输出层的层数；其特征在于，所述BP神经网络的隐含层的输出公式为：

式中，x_i为所述BP神经网络的输入层的输入值，即为不同位置的x_t(a,b,c)；ω_ij为所述输入层到所述隐含层的权重；α_j为所述输入层到所述隐含层的偏置；g(x)为激励函数，且满足：

5.如权利要求4所述的基于大数据与插值预测的粮仓空时温度场预测方法，其特征在于，所述BP神经网络的输出层的输出公式为：

式中，满足：ξ为1-10的常数；ω_jk为所述隐含层到所述输出层的权重，β_k为所述隐含层到所述输出层的偏置。