基于RDPSO-RBF的粮食产后储藏环节损耗评估模型-《江苏农业科学》(2020年8期).docx

龙源版权所有 基于RDPSO-RBF的粮食产后储藏环节损耗评估模型作者：郑沫利 赵艳轲 陈思露 陈祺东 孙俊来源：《江苏农业科学》2020年第08期 摘要：为使减少粮食储藏环节的损耗，调查储藏环节中粮食作物的损失情况并进行评估预测。通过分析问卷，统计描述影响损失率的各个因素，应用随机漂移粒子群优化算法（random drift particle swarm optimization，RDPSO）和径向基函数（radial basis function，RBF）网络对储藏环节损耗进行评估预测，将调查问卷获得的数据作为RBF模型数据集，应用RDPSO算法进行模型的参数训练，从而获得粮食损耗的智能评估模型。采用稻谷数据作为各模型的数据集，通过仿真试验，对比数据拟合情况和均方误差，其RDPSO-RBF模型学习性能和泛化性能更强。因此，RDPSO-RBF能更好地应用于实际的粮食管理中。 关键词：产后粮食;统计描述分析;RDPSO-RBF模型;储藏损耗;评估 中图分类号： F326.11文献标志码： A 文章编号：1002-1302（2020）08-0307-05 收稿日期：2019-03-05 基金項目：国家公益性行业（粮食）科研专项（编号：201513004、201513004-6）。 作者简介：郑沫利（1967—），男，广东陆丰人，教授级高级工程师，主要从事粮食经济学研究，E-mail：zhengmoli@。共同第一作者：赵艳轲（1987—），女，河南洛阳人，博士研究生，中级工程师，主要从事粮食经济学研究，E-mail：zhao_yanke@126.com。 通信作者：孙俊，博士，教授，主要从事人工智能、机器学习、计算智能和高性能计算研究。E-mail：sunjin_wx@。 粮食是人类最基本的生存物资，是人类生活的第一要求，在国民经济中占有重要地位。长期以来，我国在保障粮食安全问题上一直较注重产前与产中的管理与投入。然而在粮食产后损失的关注严重不足，产后大概分为收获、运输、干燥、储藏、加工、销售和消费等环节[1]。而每年粮食的产后损失情况极其严重，储藏环节粮食损失在产后总损失中所占比例较高。若在此环节能采取有力的防护措施，将可有效控制产后储藏环节中粮食的损耗。目前，已有不少的学者对粮食产后损失展开广泛的研究。在产后粮食损失方面，主要在储粮的损耗分析和减损措施。如储粮技术和储粮安全，主要是研究不同因素对储粮损耗的影响，进而采取相关技术减损，保证储粮的质量与数量[2-3]。在储粮模型构造方面，主要是依据机器学习或优化算法对储粮害虫进行研究[4-6]。鲜有对粮食产后储藏环节的损失率预测的分析研究。 鉴于此，本研究调查了稻谷、大米、小麦、玉米、大豆5大粮食作物，通过问卷的形式记录了10个省份的产后粮食损失率和损失因素。为了解损失因素和其损失率的关系，将问卷进行变量处理和统计分析，并将各品种粮食作物生成变量相同的数据集。然后采用人工智能的方法，研究损失数据的因素对在储藏环节产后粮食损失率的影响，提出了基于RDPSO（random drift particle swarm optimization）-RBF（radial basis function）损失预测模型。RBF神经网络能很好地逼近非线性数据，真实地反映输入、输出变量间的内在联系，在众多神经网络中RBF逼近能力比较突出。但直接采用RBF作为损失率预测模型，其初始随机参数很难确定最优值，导致预测结果随机化。而RDPSO是一种全局优化算法，在搜索能力、收敛速度以及高维问题上表现突出。因此，用RDPSO优化RBF网络中参数，以之克服RBF网络预测结果的随机性，可使预测值更接近实际值。在实际储粮中，可以根据该预测值，判断是否需要采取措施来改善某些因素的影响，以达到减少粮食损耗的目的。 1产后粮食储藏环节调查研究 1.1产后粮食储藏环节损失率调查概况 以储藏环节的产后粮食作物稻谷、大米、小麦、玉米、大豆这5类品种作为调查主体。本研究根据全国粮食种植分布数据，抽取了青海、湖南、重庆、江西、福建、江苏、安徽、黑龙江、贵州、辽宁10个省份的数据，分别对这5类作物产后粮食的损失率情况进行专项调研。此外，在每个地区的抽样中选出几个市（区），对该抽样出的市（区）储粮企业单位进行访问。为了使问卷真实、有效，通过与该企业代表人“一对一”访谈并当场答卷的方式进行调查，并由调查人员填写问卷。最后，调查得到有效的关于产后粮食在储藏环节损失率的问卷324份。其中，调查稻谷的样本问卷占总问卷的36.7%，其次是玉米、小麦分别占29.3%、27.2%，最后大豆和大米占 4.3% 和2.5%。因此，本研究选择稻谷作为代表粮食，分析影响其损失率的特征变量。 1.2粮食产后储藏环节特征描述 在