农业机械学报

作者：李欣泽，乔星瀚，王文越，乌云山丹，吴文福，郭鸿鹏，卢延辉

单位：吉林大学,吉林大学,新疆维吾尔自治区粮油科学研究所,吉林大学,吉林大学,吉林大学,吉林大学,

关键词：储粮;结露风险;温度场预测;3D卷积神经网络;时间融合变换器

基金：新疆维吾尔自治区重点研发计划项目(2023B02043)

针对当前储粮结露风险预测主要依赖简单粮温监测和经验判断、缺乏准确预测工具的问题，本文提出了一种结合三维卷积神经网络（3DCNN）和时间融合变换器（TFT）的储粮结露风险预测方法。该方法通过3DCNN提取粮堆内部温度场的空间特征，结合TFT处理时间序列数据，基于历史气象数据和未来气象预报数据，实现了粮堆温度场的高精度预测，并利用预测结果与未来7d气象预报数据进行结露风险预判。研究采用新疆塔城地区8个粮仓的实测数据进行了模型训练和验证，获得了精确的粮温预测模型。在测试集上进行了模型性能对比实验，结果显示，3DCNN-TFT模型在粮堆温度场预测中的平均绝对误差(MAE)为0.16℃，均方根误差(RMSE)为0.18℃，显著优于其他预测模型。最后通过实仓实验验证了模型泛化能力，实验结果显示，3DCNN-TFT模型具有较高的预测精度，平均MAE为0.16℃，RMSE为0.19℃。同时，模型成功预测了结露风险并提前发出预警。本文方法显著提高了粮堆温度场预测精度，准确预测了结露风险，为储粮粮情监管与预测系统开发提供了有力支持。

来源：2025年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第7期