基于IFA-SVM的粮食霉变预测研究

霉变的发生会导致粮食品质下降甚至粮食浪费,是影响粮食安全储藏的重要因素之一。粮食霉变过程是一个持续过程,在不同发展阶段有着不同的发展规律。本文提出一种基于萤火虫算法优化支持向量机参数(IFA-SVM)的预测分类模型,引入高斯函数非线性改变萤火虫算法的步长,将稻谷作为研究对象,判断稻谷在给定的温度、水分、储藏时间条件下是否发生霉变。选择实验室生化培养箱对实际存储环境进行模拟,结果显示,相比传统的SVM模型、BP神经网络模型和FA-SVM模型,IFA-SVM模型对稻谷霉变情况的预测准确率可达96%且迭代时间降低,在实际粮食存储霉变预测领域有良好的应用前景。