论文部分内容阅读
粮食的储备对于一个国家来说十分重要，是关乎民生的重要战略资源。储粮对于温度要求十分严格，机械通风是保持粮仓环境温度的重要方法。针对传统机械通风不能准确识别通风时机而导致的风机损耗和粮食损害问题，选用RBF神经网络建立温度预测模型，利用粒子群算法（Particle Swarm Optimization,PSO）及列文伯格-马夸尔特算法（Levenberg-Marquard,LM）优化网络的参数。仿真结果可以看出，用PSO算法和LM算法优化后的神经网络模型预测精度更加准确，与用PSO优化后的RBF神经网络进行比较后可知，PSO-LM-RBF算法预测误差小，模型更加稳定。