基于云遗传RBF神经网络的粮情预测模型研究

发布时间：2017-06-08 05:01

  本文关键词：基于云遗传RBF神经网络的粮情预测模型研究，由笔耕文化传播整理发布。

【摘要】：近年来由于国家十分关心“三农”问题,实行了一系列惠农政策,加之农民科学种田,使粮食连年增产,国家兴建了许多大型国有粮库,单仓容量是以往所建单仓容量的数倍,在储备粮堆中发生的霉变,虫害问题也更加严重。粮食作为一种特殊及复杂的生命体,粮堆内部温度场的变化规律也变得异常复杂,怎样建立粮食粮堆内部情况变化的预测模型是目前面临的难题。本文为实现粮堆温度变化趋势的准确预测,围绕粮堆生态环境,针对粮情预测模型做了如下研究:1)对RBF神经网络的结构模型和学习算法以及遗传算法的基本理论、特点与不足做了介绍,并针对遗传算法的不足提出了一种基于云理论的改进算法。2)利用RBF神经网络结构简单,逼近性能好,可以逼近任意的非线性函数等优点,研究基于云模型的遗传算法改进RBF神经网络的非线性智能建模方法,并对该算法的性能与其他算法进行了对比分析;将云遗传RBF神经网络算法应用到粮堆温度预测中,研究适用于粮堆温度预测模型的云遗传RBF神经网络新算法。3)针对温度、湿度、水分、CO2等多因素决定的粮情多传感器检测信息,在研究使用K-means均值聚类算法确定RBF神经网络基函数中心的基础上,运用云遗传算法对其距离阈值进行优化;然后针对温度、湿度、水分、CO2等多因素决定的粮情信息,结合信任度函数,利用D-S证据理论和云遗传RBF神经网络各自的优势,经过优化组合,提出了一种基于云遗传RBF神经网络的粮情信息融合算法。实验结果分析表明,该算法对于粮情检测信息具有较好的鲁棒性。
【关键词】：预测模型 云遗传算法 RBF神经网络 D-S证据理论
【学位授予单位】：河南工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183
【目录】：

• 摘要5-6
• Abstract6-9
• 1 绪论9-17
• 1.1 课题来源9
• 1.2 选题背景及研究意义9-10
• 1.3 影响储粮环境的主要因子10-11
• 1.3.1 生物因子10-11
• 1.3.2 非生物因子11
• 1.4 国内外研究现状11-13
• 1.5 现有粮情预测模型13-15
• 1.6 研究内容及章节安排15-17
• 2 RBF神经网络和遗传算法的基础理论17-25
• 2.1 RBF神经网络17-21
• 2.1.1 RBF神经网络的结构模型17-19
• 2.1.2 RBF神经网络的学习算法19-20
• 2.1.3 RBF神经网络的优点与不足20-21
• 2.2 遗传算法及其改进21-24
• 2.2.1 遗传算法基本理论21-23
• 2.2.2 遗传算法的优点与不足23-24
• 2.3 本章小结24-25
• 3 云遗传RBF神经网络及其在粮情温度预测中的研究25-38
• 3.1 云遗传算法25-28
• 3.1.1 云理论25-27
• 3.1.2 云遗传算法27-28
• 3.1.3 影响性能参数分析28
• 3.2 云遗传RBF神经网络及其仿真实验28-33
• 3.2.1 云遗传RBF神经网络算法28-30
• 3.2.2 仿真实验30-33
• 3.3 改进算法在粮情温度预测中的应用及结果分析33-36
• 3.4 本章小结36-38
• 4 基于云遗传RBF神经网络的粮堆安全数据融合38-51
• 4.1 D-S证据理论38-42
• 4.2 基于云遗传RBF神经网络及D-S证据理论融合算法42-45
• 4.3 粮情信息融合决策结果分析45-49
• 4.4 本章小结49-51
• 5 总结与展望51-53
• 5.1 本文工作与创新点总结51-52
• 5.2 展望52-53
• 参考文献53-58
• 致谢58-59
• 个人简介59

【参考文献】

中国期刊全文数据库 前10条

1 杨天剑;张静;;基于人工神经网络方法的通信基站能耗标杆建立与分析[J];北京邮电大学学报(社会科学版);2015年06期

2 吴建军;甄彤;祝玉华;;一种面向储粮微环境的GPSO改进算法研究[J];中国粮油学报;2015年12期

3 陈海英;;一种基于改进型RBF神经网络的非线性时间序列预测模型[J];湖南工程学院学报(自然科学版);2015年01期

4 甄彤;桑俊杰;肖乐;;WebGL技术在粮温监控中的应用[J];河南工业大学学报(自然科学版);2014年01期

5 李朋丽;田伟平;李家春;;基于BP神经网络的滑坡稳定性分析[J];广西大学学报(自然科学版);2013年04期

6 王丽艳;;证据理论和改进神经网络相融合的图像识别算法[J];微电子学与计算机;2013年02期

7 张利斌;;基于遗传算法的无线传感器网络能耗优化[J];电脑知识与技术;2013年03期

8 张琛;徐国丽;;基于云遗传的RBF神经网络的交通流量预测[J];计算机工程与应用;2014年16期

9 郭炬;隆毅;;证据理论改进算法的区域技术创新评价体系构建[J];统计与决策;2012年15期

10 庹星婧;沈守云;;基于证据理论的洪湖湿地动态容量预测[J];价值工程;2012年11期

中国博士学位论文全文数据库 前4条

1 苏锐丹;高速列车节能运行优化关键技术及算法研究[D];东北大学;2014年

2 熊玉梅;虚拟环境中物体碰撞检测技术的研究[D];上海大学;2011年

3 张宇林;计算智能在土壤数据融合中的应用研究[D];江南大学;2009年

4 王欣;多传感器数据融合问题的研究[D];吉林大学;2006年

中国硕士学位论文全文数据库 前10条

1 刘文君;基于有限元仿真和遗传神经网络的轿车-行人碰撞再现研究[D];第三军医大学;2015年

2 桑俊杰;储粮生态主要特性可视化技术研究[D];河南工业大学;2014年

3 郭鹏飞;基于改进RBF神经网络算法的水质预测模型研究[D];华东交通大学;2013年

4 刘辰;无线传感器网络中基于压缩感知的移动数据收集技术研究[D];东北大学;2013年

5 姜明佐;基于云模型改进的遗传算法研究[D];辽宁师范大学;2013年

6 崔德权;粮情测控系统的研究与设计[D];西安工业大学;2012年

7 李同玲;基于遗传算法的预防性维修的生产调度问题研究[D];天津大学;2012年

8 王建;大型工程GPS变形监测数据处理关键技术研究[D];西南交通大学;2012年

9 王俊成;基于RBFNN与D-S理论的数据融合方法及应用研究[D];合肥工业大学;2011年

10 孔李军;基于信息融合的粮情测控系统智能决策技术应用研究[D];河南工业大学;2010年

  本文关键词：基于云遗传RBF神经网络的粮情预测模型研究，，由笔耕文化传播整理发布。

本文编号：431398