农业机械学报

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,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,

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

基金：国家重点研发计划项目(2018YFD0701002)

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0.3438℃、0.2730℃、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2.5619%、1.9956%、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。

来源：2022年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第4期