摘要：智慧粮食最大的任务就是要确保粮食安全。粮仓储粮环境实时监测是粮食安全保障的重要技术。本研究针对气象因素对储粮环境的影响,建立了仓储粮堆温度参数和气象因素的数学关系,证明了基于气象数据进行粮堆温度预测的可行性。提出了基于气象8因素的储藏粮堆表层(粮面以下50 cm处)平均温度预测模型,利用气象的气温、气压、相对湿度、0 cm地面温度、日照时间、降水量、蒸发量、风速多个因素展开构建储藏粮堆表层平均温度估计。针对多元回归预测问题,提出了线性最小二乘回归和支持向量机(svm)不同核函数回归的方法,设计了具体的建模算法。结果表明,仓储粮堆传感器获取的实际值与预测结果的趋势一致,均方根误差均小于5.3,证明了基于气象数据的仓储粮堆表层平均温度预测模型与方法的有效性,为加快实现智慧粮食提供了参考。

摘要：支持向量机(svm)是一种性能优异的机器学习算法,其核函数参数的选取对于建模精度以及泛化能力有着重要的影响。提出一种基于改进萤火虫算法的svm核函数参数选取方法,通过改进萤火虫位置更新公式并在移动过程中引入亮度特征从而确定最佳的svm核函数参数。实验表明,该算法选取的svm核函数参数在保证分类器收敛性能的同时,提高了分类精度,取得了良好的优化效果。