当前位置: 首页 > 文章 > 基于K-medoids和LSTM的冷链运输环境预测方法 农业机械学报 2022,53 (4) 322-329,402
Position: Home > Articles > Cold Chain Transportation Environment Prediction Method Based on K-medoids and LSTM Transactions of the Chinese Society for Agricultural Machinery 2022,53 (4) 322-329,402

基于K-medoids和LSTM的冷链运输环境预测方法

作  者:
苑严伟;孙国庆;刘阳春;王猛;赵博;汪凤珠
单  位:
中国农业机械化科学研究院集团有限公司土壤植物机器系统技术国家重点实验室
关键词:
冷链运输;温湿度预测;数据融合;K-medoids算法;长短时记忆网络
摘  要:
针对目前冷链储运环境状态仅通过当前环境监测数据进行判断,未能对环境变化趋势做出预判,无法很好地满足冷链储运环境性能评估的需求,提出了一种基于K中心点算法(K-medoids)和长短时记忆网络(LSTM)相结合的冷藏车厢温湿度多步预测方法.将冷藏车厢内历史温湿度数据、采集节点分布特征按照时间序列作为输入,采用K-medoids对其进行数据融合,然后将融合后的数据按照时间序列输入LSTM网络进行温湿度预测.将该预测方法应用于舟山兴业集团的冷藏车内进行温湿度预测验证.试验结果表明:该预测方法对于冷藏车厢内温度预测的均方根误差、平均绝对误差、平均绝对百分比误差分别为0.343 8℃、0.273 0℃、1.51%;对于冷藏车厢内相对湿度均方根误差、平均绝对误差、平均绝对百分比误差分别为2.561 9%、1.995 6%、3.53%,相比于BP神经网络等其他浅层模型,该模型具有较好的预测精度和泛化能力,能够满足冷链储运环境预测的实际需求,可为冷链运输环境精细化管理和调控提供策略支持.
译  名:
Cold Chain Transportation Environment Prediction Method Based on K-medoids and LSTM

相似文章

计量
文章访问数: 6
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊