基于深度学习的粮情监测预警模型研究

发布时间：2023-12-10 18:53

　　近年来粮食产量不断增高,粮食安全问题愈发突出。在粮食储藏遇到的问题中,温度对其影响最大,若能利用现有粮仓数据对粮食的温度进行有效预测,就可以提前发现粮食储藏安全问题,减少粮食在储藏过程中的损失。论文首先使用BP神经网络和改进粒子群算法优化BP神经网络对粮食温度进行预测;然后使用循环神经网络及其变体对粮食温度进行预测,同时为了进一步的提高预测效果,使用不同的优化方法改进预测模型。本文为建立有效的粮温预测模型做出了如下工作:(1)利用BP神经网络几乎能拟合出任何函数且能自动更新自身参数等优点,建立基于BP神经网络的粮情预测模型;根据BP神经网络存在的缺点利用粒子群(PSO)算法对其进行改进,并将改进后BP神经网络应用到粮情预测模型;同时针对粒子群算法收敛速度慢等缺点,提出新的惯性权重并利用遗传算法的交叉和变异操作改进粒子群算法寻优过程,最后将改进PSO-BP神经网络应用到粮情预测模型。对BP、PSO-BP和改进PSO-BP三种神经网络预测效果进行测试,得出BP均方误差为0.02472,PSO-BP均方误差为0.01970,改进PSO-BP均方误差为0.01592;从而得出改进PSO-BP神...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状分析
        1.2.1 国内外粮情研究现状
        1.2.2 深度学习研究现状
    1.3 现有粮情预警模型
    1.4 论文的主要工作
    1.5 论文的组织结构
第二章 常用预测模型和深度学习
    2.1 常用数据预测模型
        2.1.1 多项式回归
        2.1.2 BP神经网络
        2.1.3 支持向量回归
    2.2 深度学习的概念
    2.3 深度学习常见预测模型
        2.3.1 深度置信网络
        2.3.2 循环神经网络
    2.4 本章小结
第三章 基于改进BP粮情预测模型研究
    3.1 BP参数分析
    3.2 GANPSO算法
        3.2.1 标准PSO原理
        3.2.2 惯性权重优化
        3.2.3 遗传算法优化
    3.3 粮情预测模型构建
    3.4 实验结果及分析
        3.4.1 GANPSO算法测试
        3.4.2 粮情预测结果测试
    3.5 本章小结
第四章 基于改进LSTM粮情预警模型研究
    4.1 LSTM理论分析及结构改进
    4.2 模型改进方式研究
        4.2.1 激活函数
        4.2.2 正则化方法
        4.2.3 优化算法
    4.3 实验结果及其分析
        4.3.1 数据标准化
        4.3.2 预测模型搭建
        4.3.3 粮情预测实验结果
    4.4 粮情预警模型构建
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 展望
参考文献
致谢
个人简历及攻读硕士学位期间取得的阶段性成果



本文编号：3872948