一种基于粮情大数据的粮仓保温性判断方法

摘要

本发明公开了一种基于粮情大数据的粮仓保温性判断方法，包括如下步骤：步骤一、采集历史粮情数据，选择粮温检测时间范围Δτ；步骤二、计算仓外环境温度与仓温的温差变化率ΔV和仓外环境温度与各传感器采集粮温的温差变化率ΔV(i,j,k)；步骤三、当所述温差变化率ΔV(i,j,k)结果判断为正态分布时，建立测温传感器位置和温差变化率ΔV(i,j,k)的拟合函数Y(i,j,k,Δτ)；步骤四、采用最小二乘法计算所述拟合函数的系数A(i,j,k,Δτ)、B(i,j,k,Δτ)和C(i,j,k,Δτ)，计算所述拟合函数的决定系数R2，计算判断参数D(i,j,k,Δτ)和F(i,j,k,Δτ)；步骤五、对所述粮仓的仓顶和仓壁保温性判断；步骤六、对正常情况进行汇总，得到所述粮仓的整仓保温性。

权利要求

1.一种基于粮情大数据的粮仓保温性判断方法，其特征在于，包括：步骤一、采集历史粮情数据，选择粮温检测时间范围Δτ；

步骤二、计算仓外环境温度与仓温的温差变化率ΔV：以及

计算仓外环境温度与各传感器采集粮温的温差变化率ΔV(i,j,k)：式中，i,j,k分别表示测温传感器的位置参数，T(τ)out为第τ天仓外环境温度，T(τ+Δτ)out为第(τ+Δτ)天仓外环境温度，T(τ)为第τ天仓温，T(τ+Δτ)为第(τ+Δτ)天仓温，T(τ)(i,j,k)为第τ天粮堆内部第(i,j,k)位置传感器的温度，T(τ+Δτ)(i,j,k)为第(τ+Δτ)粮堆内部第(i,j,k)位置传感器的温度；

步骤三、当所述温差变化率ΔV(i,j,k)结果判断为正态分布时，建立测温传感器位置和温差变化率ΔV(i,j,k)的拟合函数Y(i,j,k,Δτ)：Y(i,j,k,Δτ)＝A(i,j,k,Δτ)·i2+B(i,j,k,Δτ)·i+C(i,j,k,Δτ)；

其中，A、B、C为变化参数；

步骤四、采用最小二乘法计算所述拟合函数的系数A(i,j,k,Δτ)、B(i,j,k,Δτ)和C(i,j,k,Δτ)，计算所述拟合函数的决定系数R2；以及计算判断参数D(i,j,k,Δτ)和F(i,j,k,Δτ)；

其中，

步骤五、对所述粮仓的仓顶和仓壁保温性判断：当|ΔV|≤ΔVm时，所述仓顶保温性好；当|ΔV|＞ΔVm时，所述仓顶保温性差；

当|A(i,j,k,Δτ)＜Ae时，判断所述粮仓为空仓状态；

当A(i,j,k,Δτ)＞Amax或者A(i,j,k,Δτ)＜Amin时，判断测试点处的粮情异常；

当D(i,j,k,Δτ)＞Dmax或者D(i,j,k,Δτ)＜Dmin时，判断测试点粮温异常变化；

当F(i,j,k,Δτ)＞Fmax或者F(i,j,k,Δτ)＜Fmin时，判断测试点粮温异常变化；

其中，ΔVm、Ae、Amin、Dmin、Fmin、Amax、Dmax、Fmax分别为设定阈值；

所述仓壁的粮温正常比例

当γ＜P，所述仓壁保温性等级为优；

如果α≤P＜γ，所述仓壁保温性等级为良；

如果β≤P＜α，所述仓壁保温性等级为中；

如果P＜β，所述仓壁保温性等级为差；

其中，γ，α，β分别为等级阈值，N为结果判定粮温正常变化的次数，NT为检测的总次数；

步骤六、对正常情况进行汇总，得到所述粮仓的整仓保温性。

2.如权利要求1所述的基于粮情大数据的粮仓保温性判断方法，其特征在于，Δτ≥10。

3.如权利要求1或2所述的基于粮情大数据的粮仓保温性判断方法，其特征在于，在所述步骤四中，确定所述系数和所述判断参数采用最小二乘法过程包括：计算拟合函数值与实际粮温值的偏差εx＝Tx-Fx，使所述偏差平方和 达到最小值确定所述系数和所述判断参数；

其中，

式中，Tx为实际粮温值，Fx为所述拟合函数在横坐标为x处的粮温值，x为取i或j坐标值以及对应的温度值进行拟合。

4.如权利要求3所述的基于粮情大数据的粮仓保温性判断方法，其特征在于，将所述测温传感器按照垂直方向布置，对每层传感器数据进行分析；以及确定待检测仓壁相邻的所有传感器所在层数，按传感器排列分为两个方向，两个方向相互垂直，分别为行和列，行数大于列数；

在所述两个方向分别确定位置参数，固定任意一个方向的参数，将另一个方向的参数依次增加作为测试点进行测试。

5.如权利要求4所述的基于粮情大数据的粮仓保温性判断方法，其特征在于，在所述步骤四中，采用最小二乘法计算所述拟合函数在所述测温传感器空间位置的偏差以及使所述偏差平方和达到最小值时的拟合函数的系数A(i,j,k,Δτ)、B(i,j,k,Δτ)和C(i,j,k,Δτ)；

所述偏差平方和的计算公式为E＝(Y-ΔV(i,j,k))2。

6.如权利要求5所述的基于粮情大数据的粮仓保温性判断方法，其特征在于，在所述步2

骤四中，所述拟合函数的决定系数R为

式中，R2≥0.3，i＝1,2,3,...,N， 为均值。

说明书

一种基于粮情大数据的粮仓保温性判断方法

技术领域

[0001] 本发明涉及粮食贮藏领域，具体涉及一种基于粮情大数据的粮仓保温性判断方法。

背景技术

[0002] 随着人民生活水平的提高，对粮食品质要求提高，讲究粮食质量、营养、口感和卫生，这就对仓房的储粮要求不断提高，人们要求所食粮食高质量、高营养、低污染，这就给我们提出了“绿色储粮”工程研究新课题。低温储粮是一种有效的绿色储粮措施，低温(15摄氏度以下)可以有效地延缓粮食品质的劣变、抑制害虫和微生物对粮食的危害，减少储粮食化学药剂用量，甚至不用化学药剂，达到保质保鲜目的，减少了粮食污染，同时还有利于环境保护和节能。低温储粮的关键是仓房的隔热条件，尤其在气温高的月份，气温、仓温对粮堆表层温度影响较为严重，这是仓内积热没有及时排除所致，是影响储粮品质的主要因素。为了使仓房处于稳定的低温状态，除了依靠自然通风、机械通风、机械制冷等技术手段之外，仓房的气密性、保温隔热性是重要的影响因素，只有提高粮仓维护结构的保温隔热性能，才能节约能耗、保持仓温，对于实现安全、经济、优质的低温储粮起着关键作用。

[0003] 影响粮仓保温隔热的影响因素有很多，但根据现有的文献研究及各个粮库所做的保温隔热技术试验可知，粮仓的热源主要来自仓房顶部及墙壁，长期以来，大量学者对仓体保温隔热的问题进行了深入的研究，主要集中在对粮仓的仓顶和墙体采用性能优良的保温隔热材料进行技术改造来提升粮仓的保温隔热性能，并通过实仓试验验证隔热材料在高温季节对粮温升高速率的减缓产生的效果方面。但影响粮仓保温隔热的因素多而复杂，如何有效的对粮仓保温性能进行实时监测，并通过储粮过程中历史粮情数据分析判断粮仓顶部及壁面保温性能的方法尚未见相关研究。因此，本发明提供了一种以历史储藏过程中的粮情数据为依据，分析判断粮仓壁面及仓顶保温性能的方法，实现粮仓保温性能的实时监测及历史储藏过程中粮仓保温性的检测，有效地提高了储粮安全性。

发明内容

[0004] 本发明设计开发了一种基于粮情大数据的粮仓保温性判断方法，本发明以历史储藏过程中的粮情数据为依据，通过分析历史粮温与仓外温度的变化判断粮仓是否为空仓状态，通过历史粮温与仓外温度的变化检测粮仓壁面保温性能，通过分析历史仓温与外温的变化检测粮仓顶部保温性能，结合设定的判断阈值，实现历史储藏过程中粮仓保温性的检测。

[0005] 本发明提供的技术方案为：

[0006] 一种基于粮情大数据的粮仓保温性判断方法，包括：

[0007] 步骤一、采集历史粮情数据，选择粮温检测时间范围Δτ；

[0008] 步骤二、计算仓外环境温度与仓温的温差变化率ΔV：

[0009] 以及

[0010] 计算仓外环境温度与各传感器采集粮温的温差变化率ΔV(i,j,k)：

[0011]

[0012] 式中，i,j,k分别表示测温传感器的位置参数，T(τ)out为第τ天仓外环境温度，T(τ+Δτ)out为第(τ+Δτ)天仓外环境温度，T(τ)为第τ天仓温，T(τ+Δτ)为第(τ+Δτ)天仓温，T(τ)(i,j,k)为第τ天粮堆内部第(i,j,k)位置传感器的温度，

[0013] T(τ+Δτ)(i,j,k)为第(τ+Δτ)粮堆内部第(i,j,k)位置传感器的温度；

[0014] 步骤三、当所述温差变化率ΔV(i,j,k)结果判断为正态分布时，建立测温传感器位置和温差变化率ΔV(i,j,k)的拟合函数Y(i,j,k,Δτ)：

[0015] Y(i,j,k,Δτ)＝A(i,j,k,Δτ)·i2+B(i,j,k,Δτ)·i+C(i,j,k,Δτ)；

[0016] 其中，A、B、C为变化参数；

[0017] 步骤四、采用最小二乘法计算所述拟合函数的系数A(i,j,k,Δτ)、B(i,j,k,Δτ)和C(i,j,k,Δτ)，计算所述拟合函数的决定系数R2；以及

[0018] 计算判断参数D(i,j,k,Δτ)和F(i,j,k,Δτ)；

[0019] 其中，

[0020]

[0021] 步骤五、对所述粮仓的仓顶和仓壁保温性判断：

[0022] 当|ΔV|≤ΔVm时，所述仓顶保温性好；当|ΔV|＞ΔVm时，所述仓顶保温性差；

[0023] 当|A(i,j,k,Δτ)|＜Ae时，判断所述粮仓为空仓状态；

[0024] 当A(i,j,k,Δτ)＞Amax或者A(i,j,k,Δτ)＜Amin时，判断测试点处的粮情异常；

[0025] 当D(i,j,k,Δτ)＞Dmax或者D(i,j,k,Δτ)＜Dmin时，判断测试点粮温异常变化；

[0026] 当F(i,j,k,Δτ)＞Fmax或者F(i,j,k,Δτ)＜Fmin时，判断测试点粮温异常变化；

[0027] 其中，ΔVm、Ae、Amin、Dmin、Fmin、Amax、Dmax、Fmax分别为设定阈值；

[0028] 所述仓壁的粮温正常比例

[0029] 当γ＜P，所述仓壁保温性等级为优；

[0030] 如果α≤P＜γ，所述仓壁保温性等级为良；

[0031] 如果β≤P＜α，所述仓壁保温性等级为中；

[0032] 如果P＜β，所述仓壁保温性等级为差；

[0033] 其中，γ，α，β分别为等级阈值，N为结果判定粮温正常变化的次数，NT为检测的总次数；

[0034] 步骤六、对正常情况进行汇总，得到所述粮仓的整仓保温性。

[0035] 优选的是，Δτ≥10。

[0036] 优选的是，在所述步骤四中，确定所述系数和所述判断参数采用最小二乘法过程包括：

[0037] 计算拟合函数值与实际粮温值的偏差εx＝Tx-Fx，使所述偏差平方和 达到最小值确定所述系数和所述判断参数；

[0038] 其中，

[0039] 式中，Tx为实际粮温值，Fx为所述拟合函数在横坐标为x处的粮温值，x为取i或j坐标值以及对应的温度值进行拟合。

[0040] 优选的是，将所述测温传感器按照垂直方向布置，对每层传感器数据进行分析；以及

[0041] 确定待检测仓壁相邻的所有传感器所在层数，按传感器排列分为两个方向，两个方向相互垂直，分别为行和列，行数大于列数；

[0042] 在所述两个方向分别确定位置参数，固定任意一个方向的参数，将另一个方向的参数依次增加作为测试点进行测试。

[0043] 优选的是，在所述步骤四中，采用最小二乘法计算所述拟合函数在所述测温传感器空间位置的偏差以及使所述偏差平方和达到最小值时的拟合函数的系数A(i,j,k,Δτ)、B(i,j,k,Δτ)和C(i,j,k,Δτ)；

[0044] 所述偏差平方和的计算公式为E＝(Y-ΔV(i,j,k))2；

[0045] 优选的是，在所述步骤四中，所述拟合函数的决定系数R2为

[0046]

[0047] 式中，R2≥0.3，i＝1,2,3,...,N，为均值。

[0048] 本发明与现有技术相比较所具有的有益效果：

[0049] 1、本发明通过分析历史储藏过程中粮情数据的变化规律，根据历史粮食温度与仓外温度差变化率判断粮仓是否为空仓状；

[0050] 2、本发明具有实时检测性，随着储藏时间的增加，粮仓可能出现老化现象，本方法能在储粮过程中对粮仓的各个位置的保温性能进行检测评价，当出现粮仓保温性能不好时，能实时采取一定的措施以确保粮食的安全储藏；

[0051] 3、本发明不需要增加硬件设备，只需对现有系统增加软件分析模块，即可实现对储粮的监管，通过分析统计粮温变化规律即可实现对粮仓保温性能的评价；

[0052] 4、本发明实现了储粮状态和粮仓保温性的快速检测，减少了人工检查的工作量，提高了工作效率，检测方法依据的是历史储藏过程中的粮温数据，该数据人为不可轻易修改，检测结果客观性强，方便保管员及时发现粮仓保温性差的位置并采取措施加强保温性，以确保粮食储藏安全；

[0053] 5、本发明依据两种统计特征检测是否有粮、粮仓顶部保温性、粮仓壁面保温性，检测结果实时、可靠。

附图说明

[0054] 图1为本发明所述的基于粮情大数据的粮仓保温性判断方法的流程图。

[0055] 图2为仓房顶部温度变化率示意图。

[0056] 图3为2018年5月25日m＝7，外温为22.3℃的纵截面等温线图。

[0057] 图4为2018年6月3日m＝7，外温为26.5℃的纵截面等温线图。

[0058] 图5为2018年6月24日m＝7，外温为32℃的纵截面等温线图。

[0059] 图6为2018年7月3日m＝7，外温为28.8℃的纵截面等温线图。

具体实施方式

[0060] 下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

[0061] 如图1所示，本发明提供一种基于粮情大数据的粮仓保温性判断方法，包括：

[0062] 步骤一、调用历史粮情数据，并完成数据清洗：去除异常粮温和补全缺失粮温数据；

[0063] 步骤二、选择标准粮仓以及该粮仓粮温检测时间范围Δτ，Δτ≥10；

[0064] 步骤三、计算仓外环境温度与仓温的温差变化率ΔV：

[0065]

[0066] 其中，T(τ)out为第τ天仓外环境温度，T(τ)为第τ天仓温，T(τ+Δτ)out为第(τ+Δτ)天仓外环境温度，T(τ+Δτ)为第(τ+Δτ)天仓温；

[0067] 步骤四、计算仓外环境温度与粮温的温差变化率ΔV(i,j,k)：

[0068] 确定所述储粮仓待检壁面相关信息，包括仓外温度和粮堆内部各传感器位置以及所采集的温度，计算仓外环境温度与各传感器采集粮温的温差变化率ΔV(i,j,k)：

[0069]

[0070] 其中，i,j,k分别表示所述测温传感器的位置参数，T(τ)out为第τ天仓外环境温度，T(τ)(i,j,k)为第τ天粮堆内部第(i,j,k)位置传感器的温度，T(τ+Δτ)out为第(τ+Δτ)天仓外环境温度，T(τ+Δτ)(i,j,k)为第(τ+Δτ)粮堆内部第(i,j,k)位置传感器的温度。

[0071] 步骤五、若步骤四中的温差变化率ΔV(i,j,k)结果判断为正态分布，则建立测温传感器位置和温差变化率ΔV(i,j,k)的拟合函数：

[0072] Y(i,j,k,Δτ)＝A(i,j,k,Δτ)·i2+B(i,j,k,Δτ)·i+C(i,j,k,Δτ)；

[0073] 其中，A、B、C为变化参数。

[0074] 采用最小二乘法计算所述拟合函数在所述测温传感器空间位置的偏差以及使所述偏差平方和达到最小值时的拟合函数的系数A(i,j,k,Δτ)、B(i,j,k,Δτ)和C(i,j,k,Δτ)，偏差平方和计算公式：

[0075] E＝(Y-ΔV(i,j,k))2；

[0076] 计算拟合函数决定系数R2：

[0077]

[0078] 其中，R2≥0.3，i＝1,2,3,...,N， 为均值；

[0079] 步骤六、计算判断参数D(i,j,k,Δτ)和参数E(i,j,k,Δτ)，计算方法：

[0080]

[0081]

[0082] 步骤七、对仓顶和仓壁保温性进行判断，包括如下步骤：

[0083] 步骤1、对步骤三中的系数和参数进行判断分析，包括：

[0084] 当|ΔV|≤ΔVm时，仓顶保温性较好；当|ΔV|＞ΔVm时，仓顶保温性较差；

[0085] 步骤2、对步骤五和步骤六中的系数和参数进行判断分析，包括：

[0086] 当|A(i,j,k,Δτ)|＜Ae时，判断粮仓为空仓状态；

[0087] 当A(i,j,k,Δτ)＞Amax或者A(i,j,k,Δτ)＜Amin时，判断测试点处的粮情异常；

[0088] 当D(i,j,k,Δτ)＞Dmax或者D(i,j,k,Δτ)＜Dmin时，判断测试点处的粮温异常变化；

[0089] 当F(i,j,k,Δτ)＞Fmax或者F(i,j,k,Δτ)＜Fmin时，判断测试点处的粮温异常变化；

[0090] 其中，ΔVm、Ae、Amin、Dmin、Fmin、Amax、Dmax、Fmax分别为设定阈值；

[0091] 步骤3、分别计算步骤2中判断仓壁的粮温正常比例P：

[0092]

[0093] 式中，N为结果判定粮温正常变化的次数，NT为检测的总次数；

[0094] 步骤4、统计步骤3的结果：

[0095] 如果γ＜P，则检测壁面保温性等级为优；

[0096] 如果α≤P＜γ，则检测壁面保温性等级为良；

[0097] 如果β≤P＜α，则检测壁面保温性等级为中；

[0098] 如果P＜β，则检测壁面保温性等级为差；

[0099] 式中，γ，α，β分别为等级阈值；

[0100] 步骤八、对所述步骤七中出现的正常情况进行汇总，得到整仓保温性。

[0101] 在另一种实施例中，将粮仓传感器按照垂直方向布置分为h层，对每层传感器数据进行分析；其中，对单个测试方向测试点的数据选择过程包括：

[0102] 确定待检测粮仓壁面相邻的所有传感器所在层数，按传感器排列分为两个方向，两个方向相互垂直，分别为行和列，行数大于列数；在所述两个方向分别确定位置参数，固定任意一个方向的参数，将另一个方向的参数依次增加作为测试点进行测试。

[0103] 在步骤五中确定系数采用最小二乘法：

[0104] Fx为拟合函数在横坐标为x处的粮温值，x为坐标值，x为取i或j坐标值以及对应的温度值进行拟合；拟合函数值与实际粮温值的偏差为εx＝Tx-Fx，为了让拟合函数更准确的反映数据的变化趋势，拟合函数与粮温的偏差平方和 应当达到最小。

[0105]

[0106] 为使 达到最小，对上式等号两边同时分别对a、b、c求偏导并将等式简化为：

[0107]

[0108]

[0109]

[0110] 将上三式转变成矩阵形式如下：

[0111]

[0112] 通过解上式矩阵求得A(i,j,k,Δτ)、B(i,j,k,Δτ)、C(i,j,k,Δτ)以及D(i,j,k,Δτ)、F(i,j,k,Δτ)。

[0113] 实施例

[0114] 以河南某储备库的粮仓粮情数据为例，该粮仓尺寸约为61m×23m×8m，粮高约6m，仓内布置112根测温电缆，行数为14，列数为8，成14×8长方形排布，每条电缆上四个测温点，共计448个测温点；储藏粮种为玉米。数据起始时间为2017年8月18日，终止时间为2019年5月29日。本案例选定检测时间范围为10天，即以10天为一个时间间隔分析该仓保温性。

[0115] 1、首先判断仓房顶部保温性，仓房顶部温度差变化率如图2所示，该仓粮食存放20个月的仓温与外温温差变化率均低于阈值1.5℃/d，因此可以判断该仓顶部保温性较好。

[0116] 2、选取层截面，按坐标轴方向及粮情传感器排布线行列划分点集；选取粮仓第一层作为分析对象。

[0117] 3、对于单个温差变化率的行点集P(m，1，1)，空间坐标为{(1，1，1)，(2，1，1)…(m，1，l)}，列点集P(1，n，1)，空间坐标为{(1，1，1)，(1，2，1)…(1，n，l)}，利用最小二乘法拟合第一层的行和列粮温函数，求出A、B、C、D、F以及R2值；由历史数据统计分析各项阈值如下表
1所示，m＝1～14，n＝1～8；

[0118] 表1历史数据统计分析各项阈值

[0119]

[0120]

[0121] 4、选择拟合决定系数R2≥0.3的点集进行统计，并以10天为一个间隔，初始时间为2017年8月18日，结束时间为2018年7月23日，共360天时间，统计如表2所示：

[0122] 表2

[0123]

[0124]

[0125] 序列号为27和30对应的A值小于阈值10-3，对应的日期分别为2018年5月14日和2018年6月13日，经查操作记录得知，该时间粮库进行粮面翻动作业，将测温电缆拔出粮堆放置，导致判断为空仓状态。

[0126] 5、选择气温变化差异较大的时间段为：2018年4月15日-2018年8月12日，统计拟合方程决定系数大于等于0.3的总个数，以及正常点判断统计如表3所示：

[0127] 表3

[0128]

[0129] 由上表可知：2018年6月、7月的正常比例：行和列均存在低于0.6的情况，因此可以判断该仓仓壁的保温性等级为差，需要采取措施。选取m＝7纵截面，分别选择正常比例低的时间作等温线图，如图3～6所示。

[0130] 由图3～6可知，对比2018年5月25日与2018年6月3日纵截面等温线图，发现在间隔10天的时间里，其等温线变化极为明显，其表层已经从18℃升至20℃，温度上升速度大于正常速度。同样，对比2018年6月24日-2018年7月3日的正常比例低，等温线云图变化较大。

[0131] 调查发现，该仓是旧式的房式仓，基础设施老旧，其保温性确实存在不足，不利于储粮安全。

[0132] 尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。