王传旭, 王康, 陈林, 李学, 张红伟
(安徽大学电子信息工程学院, 计算智能与信号处理教育部重点实验室, 合肥 230039)
我国粮食年产量增长迅速,但是粮食储藏过程中的损耗也不容忽视,对粮仓内粮堆温度的准确把握是保证储粮安全的前提。一旦粮堆发生小部分发热现象,若不及时处理就会造成粮仓内部湿热环境剧烈变化、粮堆出现结露、演化成霉变,从而对储备的粮食造成重大损失[1]。因此,准确掌握粮堆温度分布、合理分析预测粮堆温度变化趋势是保障储粮安全状态的重要措施。为了合理预测粮温信息,学者们基于数值分析进行温度场建模,如Gastón等[2]依据粮食水分等温吸附方程和热质局部平衡原理,视粮堆为多孔介质,建立了粮堆热湿耦合模型;尹君等[3-5]对粮堆进行多场耦合并建立了仿真图像分析模型,成功复现粮堆在冬末春初和夏季的温度场分布状况,准确预测了粮堆可能结露的位置。基于数值分析建立的温度场模型虽然较为精确,但需要专门的软件进行数值模拟来建立数学模型,计算量大,难以满足工程应用需求,因此,基于粮情大数据进行数据分析的方式被逐渐应用于粮堆温度的预测[6-7]。沈兵[8]利用BP神经网络来预测储粮安全。Duan等[9]通过分析粮堆的大量历史数据与相应天气预报数据之间的相关性,采用支持向量回归方法基于天气数据来预测谷物堆的平均温度。
对比于温度场建模方法,数据分析能够较为简易地对单点温度或平均温度进行预测,但对于复杂的仓储环境,预测结果不足以表现出整个粮仓内部温度的变化趋势,很难预测到仓中出现局部温度异常的情况,导致理论预测与实际情况偏差较大。……