[发明专利]一种平房仓粮温异常预警方法、设备及介质

说明书

本申请公开了一种平房仓粮温异常预警方法、设备及介质，方法包括：通过粮温检测线缆，获取目标粮仓内多个测温点的历史粮温数据，目标粮仓为平房仓；根据目标测温点以及目标测温点附近的邻近测温点，将历史粮温数据转换为模型输入数据；将模型输入数据，输入预训练的时间卷积网络模型，以得到多个测温点的粮温预测数据；若粮温预测数据超出预设预警阈值，则向粮温预测数据对应的测温点进行预警。通过以时间卷积网络为主进行未来粮温的预测，结合粮温数据模型，实现了对未来粮温异常预警，从而帮助粮食仓储保管相关人员，提前得知粮温异常情况，减少粮食仓储保管过程中损失，达到降本增效的目的。

技术领域

本申请涉及数据预测领域，具体涉及一种平房仓粮温异常预警方法、设备及介质。

背景技术

目前国内各级粮库在使用的粮情监测系统的相关功能仅限于对粮情数据的实时监测和分析,至于粮温信息的正确性以及粮温的变化趋势,只能依靠工作人员的相关经验进行主观判断，无法进行未来粮温的预测及预警，并不能体现发现潜在的粮温异常情况。

因此，亟需一种能够对未来粮温异常提前预警的方法。

发明内容

为了解决上述问题，本申请提出了一种平房仓粮温异常预警方法、设备及介质，其中方法包括：

通过粮温检测线缆，获取目标粮仓内多个测温点的历史粮温数据；所述目标粮仓为平房仓；根据目标测温点以及所述目标测温点附近的邻近测温点，将所述历史粮温数据转换为模型输入数据；将所述模型输入数据，输入预训练的时间卷积网络模型，以得到所述多个测温点的粮温预测数据；若所述粮温预测数据超出预设预警阈值，则向所述粮温预测数据对应的测温点进行预警。

在一个示例中，所述根据目标测温点以及所述目标测温点附近的邻近测温点，将所述历史粮温数据转换为模型输入数据，具体包括：以所述目标测温点为原点，构建三维立体坐标系；根据所述三维立体坐标系以及所述多个测温点分布，确定所述目标测温点附件的邻近测温点；根据所述历史粮温数据，确定所述目标测温点对应的历史粮温数据以及历史温度状态以及所述邻近测温点对应的历史粮温数据以及历史温度状态；根据所述目标测温点以及所述邻近测温点分别对应的所述历史粮温数据以及所述历史温度状态，生成所述模型输入数据。

在一个示例中，所述将所述模型输入数据，输入预训练的时间卷积网络模型之前，所述方法还包括：根据所述目标测温点以及所述邻近测温点在所述三维立体坐标系内的坐标，确定所述目标测温点以及所述邻近测温点的直线距离；根据所述直线距离，设定所述邻近测温点对所述目标测温点的影响权重。

在一个示例中，将所述模型输入数据，输入预训练的时间卷积网络模型，以得到所述多个测温点的粮温预测数据，具体包括：通过所述时间卷积网络模型将所述目标测温点对应的模型输入数据以及所述邻近测温点对应的模型输入数据分别进行第一因果卷积，以得到第一卷积结果以及第二卷积结果；根据所述影响权重，将所述第一卷积结果以及所述第二卷积结果进行加权平均，以得到平均卷积结果；通过所述时间卷积网络模型对所述平均卷积结果进行第二因果卷积，以得到所述粮温预测数据。

在一个示例中，所述获取目标粮仓内多个测温点的历史粮温数据之后，所述方法还包括：判断所述历史粮温数据是否超出预设异常阈值，若是，则将所述历史粮温数据判别为异常数据；将所述异常数据修改为预设常数；判断所述异常数据对应的测温点以及粮温检测线缆，并发出预警。

在一个示例中，将所述模型输入数据，输入预训练的时间卷积网络模型之前，所述方法还包括：获取所述目标粮仓的测试数据，并确认预设的初始模型；通过所述测试数据训练所述初始模型，以得到所述时间卷积网络模型。

在一个示例中，所述将所述模型输入数据，输入预训练的时间卷积网络模型之前，所述方法还包括：获取所述目标粮仓的短期历史粮温数据；将所述短期历史粮温数据的平均值，作为所述时间卷积网络模型的滤波器。