用于粮仓温度预测的时空自注意力网络ST-GranNet

《Journal of the Science of Food and Agriculture》:Spatiotemporal self-attention network ST-GranNet for granary temperature prediction

【字体: 大 中 小 】 时间:2026年07月04日 来源:Journal of the Science of Food and Agriculture 4.0

编辑推荐:

   摘要 背景 食品储存温度的预测对于确保食品供应链的安全以及减少食品浪费至关重要。传统

  

摘要

背景

食品储存温度的预测对于确保食品供应链的安全以及减少食品浪费至关重要。传统的物理建模和统计方法严重依赖历史数据,且难以捕捉复杂的非线性特征。目前用于预测粮仓温度的深度学习模型在有效提取时空特征方面仍面临挑战。采用传统的基于邻接矩阵的方法很难把握传感器之间的复杂关系,大多数现有算法仅对时空特征进行简单拼接或顺序输入,缺乏足够的交互性。此外,它们在整合外部特征变量方面也存在不足。为解决这些问题,本研究提出了ST-GranNet,这是一种基于自注意力机制的创新性时空注意力框架。ST-GranNet通过通道嵌入和点嵌入分别捕捉传感器之间的空间相关性以及温度序列中的长期依赖关系,随后通过一种新的融合方法整合这些时空特征。该模型在中国中粮重庆储运有限公司的真实玉米储存数据集上进行了验证。

结果

实验结果表明,与传统的时间序列预测模型(LSTM和GRU)相比,ST-GranNet在平均绝对误差和平均平方误差方面表现更佳。与近期出现的基于自注意力的模型相比,它也具有明显的优势。我们通过超参数实验优化了模型性能。消融实验进一步证实了协同提取时空特征对提高预测精度的有效性。可视化实验则展示了ST-GranNet中自注意力的内部工作机制。

结论

这项工作为智能粮食储存管理提供了一种高精度的温度预测工具,可实现实时监控和风险预警,有助于大幅减少粮食损失并优化储存条件。? 2026 英国化学工业学会。

利益冲突声明

作者们没有需要声明的、与本文内容相关的利益冲突。

数据可用性声明

支持本研究结论的数据可在合理请求下从对应作者处获取。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号