[发明专利]一种基于支持向量回归SVR的粮堆结露预测方法

权利要求书

1.一种基于支持向量回归SVR的粮堆结露预测方法，其特征在于，具体包括以下步骤：

S1、提取影响粮堆湿度的因素作为特征；

S2、将所述特征进行数据预处理；

S3、将预处理后的特征输入到SVR模型中进行优化；

S4、利用优化后的SVR模型对粮堆局部湿度及结露情况进行预测。

2.根据权利要求1所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，所述步骤S1具体为：

S1.1、在粮堆不同位置布置温湿度传感器，并在储藏过程中定时读取影响粮堆湿度的数据因素；

S1.2、将所述数据进行预处理和分类编辑；

S1.3、将处理后的数据因素作为特征并进行提取，得到多个一维特征。

3.根据权利要求2所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，所述数据因素包括：粮堆各位置的粮温、粮食水分、粮堆内湿度。

4.根据权利要求1所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，所述温湿度传感器的布置点位置和数量是根据易结露位置及仓房的大小进行调整。

5.根据权利要求1所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，所述步骤S2中的数据预处理是将每个一维特征线性归一化到[0,1]之间。

6.根据权利要求1所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，所述步骤S3中的优化是采用树结构化Parzen估计器优化算法对SVR模型进行优化，寻找最优的正则化参数和核函数宽度，并估计所述正则化参数和核函数宽度的性能。

7.根据权利要求6所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，所述树结构化Parzen估计器优化算法对SVR模型进行优化的具体步骤为：

S3.1、将归一化特征数据输入到SVR模型中，在已有数据中选择一个损失阈值y*，对于大于该阈值和小于该阈值的数据分别估计两个条件概率密度函数l(x)和g(x)；

S3.2、根据Expectation Improvement的计算公式寻找使得g(x)/l(x)最小化的值x；

S3.3、将x再放回特征值中，再重新拟合g(x)和l(x)；

S3.4、不断极小化比值，直至算法收敛，进而估计超参数的性能。

8.根据权利要求6所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，所述步骤S4具体为：

用寻优得出的最优正则化参数和核函数宽度来设置SVR参数并预测粮堆局部湿度及是否结露；并分析SVR模型分析因子特征的重要性。

9.根据权利要求8所述的基于支持向量回归SVR的粮堆结露预测方法，其特征在于，分析所述SVR模型分析因子特征的重要性的方法为：特征的权重是线性模型中特征的权重系数，如果系数为正，表示该特征与目标正线性相关，否则该特征与目标负线性相关，并且该系数的绝对值越大，则该特征对目标值的影响越大。