基于K-medoids和LSTM的冷链运输环境预测方法

作     者：苑严伟 孙国庆 刘阳春 王猛 赵博 汪凤珠 YUAN Yanwei;SUN Guoqing;LIU Yangchun;WANG Meng;ZHAO Bo;WANG Fengzhu

作者机构：中国农业机械化科学研究院集团有限公司土壤植物机器系统技术国家重点实验室北京100083 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第4期

页      面：322-329,402页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 1002[医学-临床医学] 08[工学] 081104[工学-模式识别与智能系统] 0805[工学-材料科学与工程（可授工学、理学学位）] 0714[理学-统计学（可授理学、经济学学位）] 0811[工学-控制科学与工程] 0701[理学-数学] 

基　　金：国家重点研发计划项目(2018YFD0701002)。 

主　　题：冷链运输 温湿度预测 数据融合 K-medoids算法 长短时记忆网络 

摘      要：针对目前冷链储运环境状态仅通过当前环境监测数据进行判断,未能对环境变化趋势做出预判,无法很好地满足冷链储运环境性能评估的需求,提出了一种基于K中心点算法(K-medoids)和长短时记忆网络(LSTM)相结合的冷藏车厢温湿度多步预测方法。将冷藏车厢内历史温湿度数据、采集节点分布特征按照时间序列作为输入,采用K-medoids对其进行数据融合,然后将融合后的数据按照时间序列输入LSTM网络进行温湿度预测。将该预测方法应用于舟山兴业集团的冷藏车内进行温湿度预测验证。试验结果表明:该预测方法对于冷藏车厢内温度预测的均方根误差、平均绝对误差、平均绝对百分比误差分别为0.3438℃、0.2730℃、1.51%;对于冷藏车厢内相对湿度均方根误差、平均绝对误差、平均绝对百分比误差分别为2.5619%、1.9956%、3.53%,相比于BP神经网络等其他浅层模型,该模型具有较好的预测精度和泛化能力,能够满足冷链储运环境预测的实际需求,可为冷链运输环境精细化管理和调控提供策略支持。