-
题名基于ISSA-LSTM的储麦长期品质预测
- 1
-
-
作者
吴兰
王恒
姚远
-
机构
河南工业大学电气工程学院
-
出处
《中国粮油学报》
CAS
CSCD
北大核心
2024年第9期8-17,共10页
-
基金
国家自然科学基金项目(61973103)
河南省高校科技创新团队项目(24IRTSTHN030)
+1 种基金
河南省科技厅自然科学项目(222102220009)
郑州市科技局自然科学项目(22ZZRDZX06)。
-
文摘
为了解决非时序预测模型无法预测储麦品质时序劣变趋势,以及现有数据驱动的时序预测模型在长期储麦品质预测中因样本不足导致长期预测精度不高的问题,提出一种基于改进麻雀搜索算法(ISSA)优化长短时记忆网络(LSTM)的长期储麦品质预测模型。首先,提出了一种统计均匀分布方法,利用小麦稳定劣化的生理知识对原始数据进行增强扩容。其次,利用麻雀搜索算法(SSA)对LSTM模型进行优化,克服局部极值点,提高收敛速度。最后,引入t分布函数对SSA位置更新过程进行扰动避免局部最优。结果表明,储麦品质参数中的吸水率、咀嚼度、脂肪酸值和峰值黏度与储藏时间的Spearman相关性较为显著,相关系数均高于0.9,ISSA-LSTM模型预测精度相比于BP、LSTM、SSA-LSTM预测模型分别提高了11.83%、16.98%、26.50%,有助于提高小麦品质预测及分析的准确性。
-
关键词
模式识别与智能系统
储藏小麦品质
预测模型
长短时记忆网络
麻雀搜索算法
统计均匀分布
-
Keywords
pattern recognition and intelligent system
stored wheat quality
prediction model
long short-term memory network
sparrow search algorithm
statistical uniform distribution
-
分类号
TS210.4
[轻工技术与工程—粮食、油脂及植物蛋白工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
