粮温时空数据分析预测与可视化系统研究

作     者：陶善承 

作者单位：南京财经大学 

学位级别：硕士

导师姓名：毛波

授予年度：2023年

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 083203[工学-农产品加工及贮藏工程] 

主      题：时序数据预测 门控循环单元 小波过滤 视觉变量 微服务 

摘      要：在粮食仓储领域中,随着大量传感器的使用,会导致海量环境数据的产生,这些数据是描述粮仓的内部环境信息,对粮食的存储有着至关重要的影响,但如今直接使用深度学习的方法对粮情数据预测,无法有效的处理数据中的稀疏特征,也无法去除数据中的噪声数据,并不能有效的提升预测的精度。同时,粮情数据是海量的,使用单一的图表去描述数据会非常的直白、枯燥,并且针对粮仓的温度异常区域,由于仓内传感器的位置是稀疏的,无法检测到点与点之间的区间温度,特别针对部分区域的温度可能是相对在一个正常的温度区间,但该点与周围温度的变化却相差很大,现有的算法无法捕捉这一有效的信息,从而无法提前对粮仓内部环境进行调整来减少损失。同时针对海量数据的粮情数据和可视化的结果没有一个系统式的集成,这些数据结果大都分散在不同的文件夹中,无法做到高效的数据管理与可视化结果的展示。因此本课题选取传统的二维平面的设计方法,结合颜色理论与视觉变量的分析,在基于时序数据中稀疏特征融合的GRU(Gate Recurrent Unit)预测模型的基础上,对粮食数据进行可视化的展示。通过颜色、静态视觉变量、动态视觉变量等视觉影响因素,结合粮温空间预测以及空间温度变换速率方法,合理搭建出优秀的可视化方案。再基于微服务技术,对数据集和可视化方案进行集成式的管控,实现对粮情监控系统的高效运行的方法。本课题的主要研究工作如下:(1)基于稀疏特征融合的GRU模型和小波过滤降噪技术,研究粮仓存储环境下的时序数据的变化与预测,针对稀疏环境数据特征进行特征生成,采用小波过滤对环境数据进行降噪处理,最后基于训练速度和准确性都较好的GRU模型对数据预测,为之后的可视化提供数据支持。(2)基于时序数据预测的结果上,分析现有的颜色理论,结合视觉变量的分析,利用Hermite插值算法和针对粮温变化的TCR(Temperature Change Rate)算法,对粮仓内部空间温度数据进行预测和粮情的总体信息可视化展示。(3)针对前面的时序数据的预测结果和可视化方案,结合微服务技术对数据集和可视化方案进行集成管理,利用微服务技术的高效性实现粮食仓储信息的集成化管理框架。