基于分解的深度学习模型在粮堆温度预测中的应用

在粮食储存过程中,存储温度过高或过低都会造成粮食的损失,准确检测粮堆温度对粮食有效存储至关重要.提出了一种基于分解和深度学习方法的SSA-BiGRU-MLP组合模型来预测粮堆中层温度.首先针对粮堆的外温、外湿、仓温、仓湿和中层温度等多因素变量,使用奇异谱分析(SSA)方法对粮堆的中层温度进行分解,得到本征模态函数(IMF);然后运用多层感知机(MLP)优化的双向门控循环神经网络(BiGRU)对粮堆温度进行预测.实验结果表明:所提出的SSA-BiGRU-MLP模型与SSA-BiLSTM-MLP,SSA-LSTM-MLP,SSA-GRU-MLP相比,不论是在绝对平均误差、均方误差,还是均方根误差上所提出的SSA-BiGRU-MLP方法都优于其它组合模型,具有更好的预测精度.