学位论文 > 优秀研究生学位论文题录展示

基于粒子群优化算法的粮情控制智能决策系统

作　者: 王婧
导　师: 甄彤
学　校: 河南工业大学
专　业: 计算机应用技术
关键词: 粮食储藏 ICPSAS算法 FNNGD算法 ANFIS网络模型粮情测控系统
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 21次
引　用: 0次
阅　读: 论文下载

内容摘要

粮食既是关系国计民生和社会发展的重要战略物资，也是人民群众最基本的物质基础。我国作为一个传统的农业型人口大国，粮食安全与经济、社会的持续健康发展息息相关。粮食产后的安全储藏是影响我国粮食安全的重要因素之一，其中粮情检测，是安全储粮的重要环节。由于粮食本身的生命活动及粮堆内部各种杂质、虫等生物因子、非生物因子的互相作用，以及外部环境的变化，加之我国粮食储备时间较长（国外一般是不超过1年，我国一般在2~5年），在粮食储藏过程中容易引起粮堆霉变、结露等现象，导致粮食储藏期间的品质劣变和数量损失。因此如果能科学检查和预测粮堆温、湿度的变化，就能有效提高粮食储藏的安全性。粮堆内部环境可视为一个非线性动态系统，而神经网络模型具有很强的非线性映射能力和柔性网络结构。本文在此基础上，进一步结合模糊理论和粒子群理论，针对粮情检测问题研究应用了相应的改进算法。综合模糊理论和神经网络的思想研究应用了基于模糊神经网络的粮情智能检测算法（Fuzzy Neural Networks based Grain Environments Detection Algorithm, FNNGD）。该算法首先利用模糊神经网络构造储粮模型，然后根据该模型对温、湿度进行跟踪和预测。该算法实现简单，与实际粮情数据对比分析发现，该算法可以较好地检测到粮情的缓慢变化，但是存在误差积累的现象，对变化较快的粮情检测效果不佳。为进一步提高粮情检测算法的有效性和鲁棒性，本文结合粒子群理论和神经网络研究应用了基于混沌粒子群的自适应粮情检测算法（Improved chaotic particle swarmoptimization algorithm of adaptive system, ICPSAS）。该算法利用混沌粒子群算法优化神经网络各层的权重和阀值，自适应跟踪粮情变化。分析发现，该算法与实测数据相比检测误差较小，与基于模糊神经网络的粮情智能检测算法相比具有更好的有效性和鲁棒性，在粮情变化较快时也能够对其做有效的检测，实现粮情的实时智能检测。本文针对粮情成因复杂、检测困难的问题，结合神经网络和粒子群算法，研究应用了两种粮情智能检测算法，实现对储粮温度、湿度信息的自适应跟踪、预测，为管理人员提供了更加科学的决策支持。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-13
  1.1 选题意义与研究背景  9-10
  1.2 粮情控制智能决策系统课题及本课题来源  10-11
  1.3 研究现状  11
  1.4 本文的研究内容  11-13
第二章粒子群算法概述  13-26
  2.1 基本粒子群算法  13-15
    2.1.1 粒子群算法基本原理  13-14
    2.1.2 粒子群算法数学描述  14
    2.1.3 粒子群算法流程  14-15
  2.2 粒子群算法研究现状  15-18
  2.3 粒子群算法的应用现状  18-19
  2.4 混沌粒子群优化算法  19-21
    2.4.1 混沌运动及其特性  19-20
    2.4.2 混沌粒子群算法基本思想  20
    2.4.3 混沌粒子群算法基本流程  20-21
  2.5 人工神经网络  21-23
    2.5.1 生物神经元  21-22
    2.5.2 人工神经元  22-23
  2.6 人工神经网络特点  23-24
  2.7 人工神经网络模型  24-25
  2.8 本章小结  25-26
第三章基于模糊神经网络的粮情检测算法  26-38
  3.1 模糊神经网络  26-27
    3.1.1 模糊神经网络的产生  26
    3.1.2 模糊逻辑与人工神经网络的比较  26
    3.1.3 模糊神经网络的拓扑结构  26-27
  3.2 基于模糊神经网络的粮情检测算法  27-32
    3.2.1 基于模糊神经网络的粮情检测算法基本结构  27-29
    3.2.2 基于模糊神经网络的粮情检测算法模型分析  29-30
    3.2.3 模糊神经网络的训练  30-32
  3.3 基于模糊神经网络的粮情检测算法性能分析  32-37
    3.3.1 基于模糊神经网络的粮情检测算法对温度场检测及分析  32-35
    3.3.2 基于模糊神经网络的粮情检测算法对湿度场检测及分析  35-37
  3.4 本章小结  37-38
第四章基于混沌粒子群优化神经网络的粮情检测算法  38-56
  4.1 基本粒子群优化神经网络  38-41
    4.1.1 粒子群算法优化神经网络的基本思想  38-39
    4.1.2 粒子群算法优化 BP 神经网络算法流程  39-40
    4.1.3 基本粒子群算法优化 BP 网络存在的问题  40-41
  4.2 基于混沌粒子群优化的神经网络  41-45
    4.2.1 粒子群算法的早熟判断机制  42
    4.2.2 变异混沌算子  42-43
    4.2.3 利用混沌粒子群更新神经网络参数  43-45
  4.3 基于改进的混沌粒子群自适应系统优化算法流程  45
  4.4 基于混沌粒子群优化神经网络的粮情检测算法性能分析  45-54
    4.4.1 基于混沌粒子群优化神经网络的粮情检测算法对温度场的检测及分析  46-50
    4.4.2 基于混沌粒子群优化神经网络的粮情检测算法对湿度场的检测及分析  50-54
  4.5 粮情检测算法在系统中的应用与分析  54-55
  4.6 本章小结  55-56
第五章总结与展望  56-58
  5.1 课题总结  56-57
  5.2 后续研究展望  57-58
参考文献  58-63
致谢  63-64
个人简历在学习期间的研究成果及发表的学术论文  64

基于粒子群优化算法的粮情控制智能决策系统

内容摘要

全文目录

相似论文