当前位置:主页 > 科技论文 > 自动化论文 >

基于SVR的粮仓储粮数量检测模型与系统实现

发布时间:2019-10-28 10:02
【摘要】:准确及时的掌握各个地区的储粮数量分布情况是保障我国粮食数量安全的必要前提。目前主要通过称重法来统计各区域粮仓的储粮情况,称重法不仅费时费力,而且每年的清查工作都会造成不同程度的粮食损失。因此,为解决传统统计方法的弊端,开发出快速、精准的粮仓储粮数量检测系统具有重要意义。本文引入了物联网以及智能决策支持等技术,建立了基于SVR的粮仓储粮数量检测模型并开发相应的检测系统,实现了粮仓储粮数量检测误差低于3%的目标,满足了实时动态地获取粮仓储粮数量的要求。本文着重研究了SVR算法在检测粮仓储粮数量方面的应用。通过使用压力传感器网络采集仓底压力,并利用SVR算法做储粮数量回归预测。本论文主要的研究工作有:(1)从统计学习理论的基本概念出发,用数学语言概述了SVR的基本理论。分析了三种常用回归算法的优劣,并结合本课题的要求深入探讨了这三种算法与SVR的特点。最后通过对比总结,给出了SVR方法的选择依据。(2)研究了粮仓粮堆数量与粮堆压强分布的关系,建立了基于粮仓底面与侧面的压力传感器检测模型,给出了压力传感器的布置模型。针对传感器输出均值波动较大的问题,提出了基于传感器压强均值的SVR检测模型。针对预测误差较大的问题,提出了基于传感器输出序列的SVR检测模型。(3)设计并实现了检测系统的各个软硬件模块以及整体功能。系统由压力传感器、数据集中器、网关、SVR检测模型以及检测软件组成。本系统可实时检测粮仓储粮数量,有效提高了国家粮食监管部门的工作效率。
【图文】:

示意图,结构风险最小化,示意图,经验风险


结构风险最小化示意图

示意图,多项式拟合,示意图


多项式拟合示意图
【学位授予单位】:河南工业大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:S379;TP212.9;TP18

【参考文献】

相关期刊论文 前10条

1 杜二玲;范毅君;李海军;;统计学习理论基础研究新进展[J];现代工业经济和信息化;2016年18期

2 杨丹白;;粮食安全被列入国家安全法[J];中国油脂;2015年07期

3 郭荣;;浅谈软件设计模式中的设计原则[J];信息安全与技术;2014年11期

4 张德贤;杨铁军;傅洪亮;樊超;张元;;粮仓储粮数量在线检测模型[J];自动化学报;2014年10期

5 张德贤;杨铁军;傅洪亮;樊超;张元;;基于压力传感器的粮仓储粮数量在线检测方法[J];中国粮油学报;2014年04期

6 陈晨;吴海云;田燕红;左月明;;基于支持向量回归机的粮食产量预测研究[J];山西农业大学学报(自然科学版);2013年04期

7 王娟;梁登星;;岭回归在修正多重共线性中的应用[J];四川理工学院学报(自然科学版);2013年03期

8 戴华阳;廉旭刚;陈炎;蔡音飞;刘义新;;三维激光扫描技术在采动区房屋变形监测中的应用[J];测绘通报;2011年11期

9 徐璇;姜明新;黄静;徐晶;李敏;;基于MFC的工程软件界面设计[J];电子设计工程;2011年21期

10 王华丽;;统计学习理论及其研究进展[J];科技创新导报;2011年29期

相关博士学位论文 前2条

1 曾绍华;支持向量回归机算法理论研究与应用[D];重庆大学;2006年

2 唐发明;基于统计学习理论的支持向量机算法研究[D];华中科技大学;2005年

相关硕士学位论文 前9条

1 刘琰;支持向量机核函数的研究[D];西安电子科技大学;2012年

2 李凯;粮仓储粮体积测量中激光点云数据处理技术[D];首都师范大学;2011年

3 田静;基于支持向量回归机模型的股市预测研究[D];北京交通大学;2010年

4 李鹏;粮仓储量三维激光扫描快速测量技术研究[D];清华大学;2010年

5 温玉锋;材料实验数据的支持向量回归分析及应用[D];重庆大学;2009年

6 黄啸;支持向量机核函数的研究[D];苏州大学;2008年

7 孙辉;MySQL查询优化的研究和改进[D];华中科技大学;2007年

8 梁伟锋;支持向量回归机研究及其应用[D];浙江师范大学;2006年

9 李忠浩;支持向量回归机研究及其应用[D];大连理工大学;2006年



本文编号:2553060

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2553060.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户fa6e4***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com