[发明专利]一种药品库房温湿度预测方法

说明书

本发明公开了一种基于Temporal_ATT‑Former的药品库房温湿度预测方法，包括如下步骤：获取药品库房环境的温湿度的历史数据，对历史数据进行预处理；建立Temporal_ATT‑Former温湿度预测模型；将获取的药品库房的温湿度数据特征，对Temporal_ATT‑Former进行温湿度预测模型训练；测试Temporal_ATT‑Former模型的效果；建立药品库房温湿度预警系统。本发明方法对未来某一时间区间内药品库房的温湿度进行准确预测，满足药品在库房中安全的环境下存放，具有广泛的应用前景和实用价值。

技术领域

本发明涉及监督算法和基于时间序列预测技术，尤其涉及一种基于 Temporal_ATT-Former的药品库房温湿度预测方法。

背景技术

目前关于温湿度的预测，研究者们会选择将采集的温湿度数据进行数学建模，结合统计学和机器学习方法来预测温湿度，这种方法弊端明显，运算量大，精度不高。

已有论文主要基于传统的循环神经网络方法对采集的温湿度特征提取来实现温湿度的预测。比如谢秋菊,郑萍,包军,苏中滨.基于深度学习的密闭式猪舍内温湿度预测[J/OL].农业机械学报，2021.结合实际温湿度传感器监测的密闭式猪舍内历史数据建立长短期记忆网络预测模型。但是由于长短期记忆网络训练速度慢以及不能并行从而降低模型的预测速度。也有论文结合CNN和GRU预测温湿度，比如赵全明,宋子涛,李奇峰,郑文刚,刘宇,张钟莉莉.基于CNN-GRU的菇房多点温湿度预测方法研究[J].农业机械学报,2020.提出了基于CNN-GRU的网络结构用来预测菇房多点温湿度。但是由于CNN在提取特征时对丢失部分温湿度特征，而且没有结合时间序列。

传统的药品库房环境的温湿度监测是基于人工监测，这种监测并不能能够保证药品在特定的温湿度环境下存储，而且耗费人工成本。

发明内容

发明目的：本发明提供一种基于Temporal_ATT-Former的药品库房温湿度预测方法，实现对药品库房温湿度数据的准确预测，满足药品在库房中安全存储的要求。

技术方案：本发明提出一种基于Temporal_ATT-Former的药品库房温湿度预测方法，包括如下步骤：

步骤1：获取药品库房环境的温湿度的历史数据，对历史数据进行预处理；

步骤2：建立Temporal_ATT-Former温湿度预测模型；

步骤3：将获取的药品库房的温湿度数据特征，对Temporal_ATT-Former进行温湿度预测模型训练；

步骤4：测试Temporal_ATT-Former模型的效果；

步骤5：建立药品库房温湿度预警系统。

进一步地，步骤1中获取药品库房环境的温湿度的历史数据，对历史数据进行预处理具体步骤如下：

步骤1.1：对药品库房的各采集点，使用温湿度传感器采集药品库房的第一特征参数TH₁，包括温湿度传感器的编号，采集点的位置，温度数据，湿度数据，采集的时间序列，报警信息；

步骤1.2：预处理第一特征数据，去除重复数据，填补丢失数据，获得第二特征数据TH₂，包括采集的时间序列，温湿度数据，报警信息；

步骤1.3：将步骤1.2获得的时间序列的温湿度数据，分别获取每天，每周和每月的周期数据，并且采用零-均值法对数据进行归一化和标准化处理，得到第三特征数据TH₃。

进一步地，步骤2中建立Temporal_ATT-Former温湿度预测模型具体步骤如下：

步骤2.1：Temporal_ATT-Former包括Encoder模块和Decoder模块；