论文部分内容阅读
粮食是人们赖以生存的基础物资,是每一个国家都在储备的战略资源因为它关乎社会的和谐稳定。粮食仓储安全是粮食安全的重要一环,而粮仓通风又是粮食仓储安全中总要的一环,智能通风是保证储粮安全的一项有力措施。面对复杂的粮情信息,为了避免无效通风甚至有害通风,许多智能通风策略模型被专家们研究出来。本文的首要目标是在前人研究的基础之上结合粮情信息前后有所关联的事实情况寻找一个更切合实际而且准确度更高的智能通风策略模型,本文通过激活函数改进得到S-P-LSTM智能通风策略模型并验证了其有效性。另外以往的粮情数据采集频率过低,得到的训练数据集和测试数据集过小,使得训练出来的模型不够精确直接影响了通风策略模型的准确率。究其原因是因为粮情的大量数据无法用单机全部存储,单机处理数据也只能抽样处理。本文提出一套基于粮情大数据的架构系统,设计了一套完善的粮情数据处理系统,解决海量存储问题,并且重点研究数据清洗流程以及系统整体性能的提升。整个系统流程包含数据采集、数据清洗、数据处理以及数据可视化四个步骤。最后借助该粮情大数据系统来提升S-P-LSTM模型的准确度及效率。主要研究内容如下:(1)分析了当前智能通风系统的不足,系统研究了大数据技术的知识体系,例如Hadoop、HDFS、MapReduce、Hive、Spark等关键技术。并设计出一套基于粮情大数据的架构系统,利用该系统来提升粮仓智能通风决策的准确率。本文具体实现了该系统并且从运行时间、加速比等指标衡量了该模型,证明了其可行性以及优越性。(2)研究了BP神经网络的理论基础以及LSTM神经网络的基础理论,对BP算法做了简要推演并对BPTT算法以及LSTM神经网络算法做出了详尽推导。(3)针对以往粮仓智能通风决策模型的不足,本文提出一种基于改进后的激活函数S-P-ReLU的智能通决策模型S-P-LSTM。然后用MATLAB对该模型进行模拟并对模拟结果进行了分析,发现该模型能很好的解决粮仓智能通风决策问题,最后通过部署到粮情大数据系统平台上验证了该系统的优越性。