糧食數(shù)量安全事關(guān)糧食安全,研究開發(fā)方便、快捷、準確的在線及網(wǎng)絡(luò)化國家糧食儲藏數(shù)量監(jiān)測技術(shù),對于保障我國糧食儲藏數(shù)量安全,提高糧食宏觀調(diào)控能力具有十分重大的意義。本文系統(tǒng)研究了現(xiàn)有糧倉儲糧數(shù)量檢測方法,在此基礎(chǔ)上,針對基于壓力傳感器的糧倉儲糧數(shù)量檢測中所涉及的壓強數(shù)據(jù)預處理和檢測模型建模等理論與技術(shù)問題,基于機器學習理論研究了數(shù)據(jù)預處理以及糧倉儲糧數(shù)量檢測模型構(gòu)建等理論與技術(shù)問題。本文針對糧倉底面單圈的壓力傳感器布置,探索了基于改進蟻群算法的數(shù)據(jù)預處理方法,研究了基于極限學習機、支持向量回歸機等融合學習的糧倉儲糧數(shù)量檢測模型構(gòu)建。主要研究包括:1.針對糧倉底面單圈的壓力傳感器布置,分析了壓力傳感器輸出值數(shù)據(jù)特性,研究了數(shù)據(jù)選擇相關(guān)規(guī)則,提出了一種基于改進蟻群算法的壓力傳感器數(shù)據(jù)預處理方法,通過找到目標矩陣的極大線性無關(guān)組降低數(shù)據(jù)的維度,實現(xiàn)了壓力傳感器輸出值的選擇優(yōu)化。實際應(yīng)用結(jié)果證明了所提出壓力傳感器數(shù)據(jù)預處理方法的可行性于有效性。2.引入了基于SPXY算法的檢測樣本集劃分方法,給出了基于支持向量回歸機、BP神經(jīng)網(wǎng)絡(luò)和極限學習機的糧倉儲量數(shù)量檢測模型構(gòu)建方法,研究了建模參數(shù)的選取方式,... 

【文章來源】：河南工業(yè)大學河南省

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

糧倉底面壓力傳感器布置模型

河南工業(yè)大學碩士學位論文13圖2-2糧倉底面單圈壓力傳感器布置模型2.3本章小結(jié)本章主要介紹論文中涉及到的儲糧數(shù)量檢測理論模型，介紹了布置壓力傳感器的兩種考慮方法，最后說明考慮系統(tǒng)成本等問題選擇單圈壓力傳感器作為后續(xù)實驗基礎(chǔ)的理由。

第四章基于SVR的儲糧數(shù)量檢測模型22第四章基于SVR的儲糧數(shù)量檢測模型4.1支持向量回歸原理SVR與現(xiàn)今流行的神經(jīng)網(wǎng)絡(luò)不同，其不需依靠大量的學習樣本，僅需小樣本即可構(gòu)建出置信區(qū)間�；驹硎且谝欢ǖ挠柧氄`差的范圍區(qū)間來進行擬合回歸，有效避免了學習過量的問題，由于通過構(gòu)建最佳置信區(qū)間來實現(xiàn)算法，全局最優(yōu)的效果也能滿足，假設(shè)所求回歸關(guān)系如式(4-1)所示[46-47]：bxwxfTsvr)((4-1)式(3-1)中，svrw、b為待定參數(shù)，其回歸示意圖如圖4-1所示。圖4-1SVR回歸示意圖SVR求解如式(4-2)所示：mixfyyxftsCwminiiiiiiim1i*svr,2,1,0,0)()(..21*2）（(4-2)其中，C為懲罰因子，，*為松弛因子，iy為實際函數(shù)，引入拉格朗日因子后可得下式：miiiiiiimiiiimisvrsvrxfywwxfyCbi1**m1i*i*i11*2)))(())(()(21,,,L）（(4-3)對參數(shù)svrw、b、、*i求偏導，在偏導數(shù)為0的前提下，可得SVR的對偶問題如


本文編號：3281348