[发明专利]一种基于迁移学习的仓储粮食温度场估计方法

说明书

本发明公布了一种基于迁移学习的仓储三维粮食温度场估计方法，建立热力学模型与迁移学习模型相结合的混合效应模型框架，将三维粮食温度场在时空点(s,t)的温度值y^m(s,t)表示为温度场的全局温度变化项、温度场的局部温度变化项、和由随机或不可控因素引起的噪声项的加和，通过热力学模型描述和估计粮食温度场的全局变化，通过通过多任务学习和自相关时间序列方法相结合建立时空温度场的迁移学习模型描述和估计粮食温度场的局部变化，实现对仓储三维粮食温度场的准确估计，由此获得仓储粮食温度。本发明能够解决传感器数据不足、观测数据部分缺失无法获得精准粮食温度场信息的问题，得到粮食温度场全面而准确的信息。

技术领域

本发明提供一种温度场估计方法，具体涉及一种基于迁移学习通过粮食温度场估计获得仓储粮食温度的方法，属于工业工程领域。

背景技术

随着世界人口的增加，全世界对粮食的需求随之增加。为了满足粮食的供应，中国政府在全国各地建立大批粮库，用来储备粮食。粮食在仓储过程中会因为多种原因而产生变质，最终导致粮食的损失。仓储中粮食的损失已成为全世界广泛关注的问题。据联合国粮食和农业组织报道，全世界每年约8％的粮食由于害虫的存在而被损坏。对仓储过程中粮食品质的监控至关重要，最常用的粮食品质监测指标为粮食的温度。开发粮食温度场估计技术有助于监测粮食品质的全局变化情况，为粮食品质的实时监控提供准确、全面的信息。

现有的温度场估计技术通过无线传感设备采集温度数据，并利用这些数据建立温度场估计模型，实现对温度场的估计。在工程应用中，由于传感器配置成本的限制，在温度场中安装的传感设备数目较少，通过传感设备只能获取一少部分稀疏的数据。同时，传感设备较易发生损坏，导致部分传感器数据缺失或不可用。传感器数据的不足导致现有温度场估计技术的精确度大大降低。

现有的温度场估计方法主要有两大类：基于热传递原理的热力学模型和基于数据的统计模型。热力学模型是对理想状态下基于传热机理而引起的温度场变化的描述。通过给定初始温度和边界条件，建立三维热力学模型，实现对三维动态温度场的估计。该模型没有考虑在实际工程应用中温度场的变化会受到其他因素的影响而产生的局部变化，对温度场的估计误差较大。统计模型是基于已有对传感器数据对温度场进行估计，包括回归分析模型，克里金模型，高斯随机场模型等。由于传感器数据的不足，该类模型估计的准确率较低。

此外，作为一个复杂的传热系统，三维粮食温度场相邻位置或相邻时刻的温度数据存在时间和空间的相关性，且温度数据的时、空相关性是相互作用的。现有的技术对粮食温度场这一特性的描述多是在时间和空间相关性是相互独立的假设条件下进行的，没有考虑数据的时空相关性，难以实现对仓储三维粮食温度场的准确估计，也难以获得较为准确的仓储粮食温度。

发明内容

针对上述现有技术存在的不足，本发明提供一种基于迁移学习的仓储三维粮食温度场估计方法，通过仓储粮食三维温度场估计获得仓储粮食温度，可以得到粮食温度场的全面而准确的信息。

本发明充分考虑粮食温度场的时空相关性，在混合效应模型框架下，将热力学模型与迁移学习模型相结合，采用热力学模型描述粮食温度场的全局变化，通过多任务学习和自相关时间序列方法相结合建立时空温度场的迁移学习模型描述粮食温度场的局部变化，实现对仓储三维粮食温度场的准确估计。为解决当前粮仓内传感器数据不足的问题，本发明采用迁移学习技术，同时考虑多个具有相似属性的粮仓传感器数据，实现对仓储过程中三维粮食温度场的精准估计。通过本发明能够解决目前在仓储中存在的由于传感器数据不足、观测数据部分缺失无法获得精准粮食温度场信息的问题，可以得到粮食温度场的全面而准确的信息，为粮食品质的监控提供全面、准确的信息。

本发明提供的技术方案如下：