【技术实现步骤摘要】
本专利技术涉及粮食水分检测领域，具体地是一种基于优化支持向量回归的粮食水分模型建立方法。
技术介绍
1、粮食是安天下之本，是国民经济的重要基础，那么粮食问题就是国家大计，其中粮食的储藏和运输就扮演者极其重要的角色。在干燥过程中，粮食内部的水分检测和控制是制约干燥技术的核心。但是影响因素复杂，干燥过程中，普通的常规方法对水分在线检测的快速性、水分控制精确性以及便捷程度又难以实现。粮食水分检测技术有电烘箱法、电阻法、电容法、微波法、中子法、核磁法等等，本文采取电阻法对长粒米和短粒米进行水分检测，电阻法相比于其他检测方式来讲，它的精度更高、测量速度快、适用范围广泛、设备简单成本较低。本文在30℃的情况下使用电阻法进行检测，得到米粒电阻转换成的电压值后与其对应的水分，使用30℃下数据去建立模型去验证该数据的精确的程度。通过该模型可以快速建立粮食水分仪的校正参数，能够及时、准确地评估现场粮食的水分含量，以便对加工过程进行控制，该模型可根据历史数据进行趋势预测，帮助决策者做出合理的粮食采购、贮存和销售决策。
技术实现思路
1、(一)解决的技术问题
2、在粮食储藏和运输过程中，最关键的就是粮食水分测量与控制。但是在粮食水分检测过程中，有着各种各样的影响因素，我们很难去实现在线快速标定和测量，针对现有技术的校准参数难，标校过程时间长等缺点，本专利技术提供了一种基于麻雀搜索优化支持向量回归的训练方法，将理论设备测量的温度、电压值和对应的水分值作为建模集，实际电压值作为预测集训练模型，可快
3、(二)技术方案
4、本专利技术为了实现上述目的具体采用以下技术方案：
5、一种基于优化支持向量回归的粮食水分模型建立方法，具体包括以下步骤：
6、s1：数据处理模块；
7、s2：建立支持向量回归模型(svr)。使用scikit-learn中的svr函数创建一个支持向量机的回归模型，选取并选择径向基函数(kernel＝'rbf')作为核函数；
8、支持向量机的应用性能关键在于核函数方法的选取，核函数主要分为线性核、多项式核、sigmoid核与gauss径向基核(rbf)；
9、核函数计算公式如下：
10、
11、该公式表示在特征空间直接计算内积，表示x映射到內积特征空间的过程；
12、gauss径向基核(rbf)
13、k(xi,x)＝exp(-γ||xi-x||2)；
14、s3：在设置参数方面，通过gridsearchcv函数设置参数范围，包括惩罚参数c和径向基函数的宽度gamma，使用交叉验证进行网格搜索：使用gridsearchcv函数对模型进行交叉验证，并找到最优参数组合，进行模型训练；
15、s4：再初始化麻雀搜索算法的参数，使用ssa算法计算种群适应度和更新最优个体，在进行觅食和反捕食进行个体位置更新，最后当满足终止规则就获取最优参数，并且得到仿真图，不满足条件就继续进行觅食和反捕食进行个体位置更新，直到满足条件；
16、s5：最后计算出相关系数、决定系数以及均方根误差。
17、进一步地，所述s1数据处理模块包括数据清洗和数据归一化，初始数据集包含来自n个不同长粒米的电阻转换的电压读数及其对应的水分值，先移除了所有不完整的记录，即那些包含一个或多个缺失值的记录，接下来，根据3σ原则识别并剔除了异常值，因为这些值可能代表水分仪的误读或数据录入错误，所有重复的记录也被识别并删除，确保每个数据点的唯一性。
18、进一步地，所述s2使用scikit-learn中的svr函数创建一个支持向量机的回归模型，在四个核函数中线性核、多项式核、sigmoid核、gauss径向基核(rbf)，选取(kernel＝'rbf')作为核函数。
19、进一步地，所述s3用gridsearchcv函数设置参数范围，即惩罚参数c和宽度g，c和g值一般从一个较小的范围开始，如param_grid＝{'c':[0.1,1,10]，'gamma':[0.1,1,10,100]}；再使用交叉验证进行网格搜索，从而找到最优参数组合。
20、进一步地，所述s4初始化麻雀搜索算法参数，使用ssa算法计算种群适应度n、n、pd、sd、st的参数初值，随后更新麻雀种群位置，对种群进行排序，更新最优个体，开始觅食行为，还要更新加入者位置，再进行反捕食行为，更新麻雀种群位置，重复执行以上步骤，当得到最大迭代次数后，结束循环，并且得到训练模型图。
21、一种基于优化支持向量回归的粮食水分模型建立方法的应用系统，所述系统包括：
22、数据处理模块，用于对从粮食水分仪获得电压与水分数据进行数据清洗以及归一化，将数据分为训练集与测试集；
23、svr模型选取模块，用于选取svr模型、核函数、设置参数范围和交叉验证进行网格搜索；
24、参数范围设置模块，用于对使用gridsearchcv函数设置参数范围，即惩罚参数c和宽度g，找到最优参数组合；
25、麻雀搜索算法具体步骤模块，用于实现该算法的每个具体环节，从而得出训练模型图、概率密度图以及rmse图。
26、(三)有益效果
27、与现有技术相比，本专利技术提供了一种基于优化支持向量回归的粮食水分模型建立方法，具备以下有益效果：
28、本专利技术的基于支持向量回归的训练模型，用于快速建立粮食水分仪的校正参数，能够及时、准确地评估现场粮食的水分含量，以便对加工过程进行控制，且可以对历史测量数据进行趋势预测，帮助决策者做出合理的粮食采购、贮存和销售决策。
本文档来自技高网...【技术保护点】
1.一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于：所述S1数据处理模块包括数据清洗和数据归一化，初始数据集包含来自N个不同长粒米的电阻转换的电压读数及其对应的水分值，先移除了所有不完整的记录，即那些包含一个或多个缺失值的记录，接下来，根据3σ原则识别并剔除了异常值，因为这些值可能代表水分仪的误读或数据录入错误，所有重复的记录也被识别并删除，确保每个数据点的唯一性。
3.根据权利要求1所述的一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于：所述S2使用Scikit-learn中的SVR函数创建一个支持向量机的回归模型，在四个核函数中线性核、多项式核、Sigmoid核、Gauss径向基核(RBF)，选取(kernel＝'rbf')作为核函数。
4.根据权利要求1所述的一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于：所述S3用GridSearchCV函数设置参数范围，即惩罚参数C和宽度g，C和g值一般从一个较小的
5.根据权利要求1所述的一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于：所述S4初始化麻雀搜索算法参数，使用SSA算法计算种群适应度N、n、PD、SD、ST的参数初值，随后更新麻雀种群位置，对种群进行排序，更新最优个体，开始觅食行为，还要更新加入者位置，再进行反捕食行为，更新麻雀种群位置，重复执行以上步骤，当得到最大迭代次数后，结束循环，并且得到训练模型图。
6.根据权要求1-5所述的一种基于优化支持向量回归的粮食水分模型建立方法的应用系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于：所述s1数据处理模块包括数据清洗和数据归一化，初始数据集包含来自n个不同长粒米的电阻转换的电压读数及其对应的水分值，先移除了所有不完整的记录，即那些包含一个或多个缺失值的记录，接下来，根据3σ原则识别并剔除了异常值，因为这些值可能代表水分仪的误读或数据录入错误，所有重复的记录也被识别并删除，确保每个数据点的唯一性。
3.根据权利要求1所述的一种基于优化支持向量回归的粮食水分模型建立方法，其特征在于：所述s2使用scikit-learn中的svr函数创建一个支持向量机的回归模型，在四个核函数中线性核、多项式核、sigmoid核、gauss径向基核(rbf)，选取(kernel＝'rbf')作为核函数。
4.根据权利要求1所述...
【专利技术属性】
技术研发人员：曹文晓，李国铭，宋鸿飞，张云朋，王子乾，黄俊然，范炯阳，冷雪，孟颖，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。