来源：期刊VIP网 时间：
作者：侯明磊;廉飞宇;秦瑶;王其富;
单位：河南工业大学信息科学与工程学院;河南省科学院应用物理研究所有限公司;河南工业大学粮食信息处理与控制教育部重点实验室;
摘要：储粮温度预测是保障储粮安全的重要措施，传统的机器学习模型受限于精度不足，而深度学习方法精度高但存在训练时间长的问题，基于此提出了一种改进的特征增强型宽度学习预测模型。该模型充分利用宽度学习训练速度优势，并利用长短期记忆网络增强模型对储粮数据的时序特征学习能力，再结合多头自注意力机制，增强多维特征的重要相关性信息聚焦，对储粮温度进行预测试验。结果表明：基于部分真实的储粮数据，验证了改进的特征增强型宽度学习在储粮温度预测上的精度比未改进宽度学习更高，同时与卷积-长短期记忆网络、Transformer深度学习模型相比，该模型精度更高、训练时长也更短。本研究为安全储粮技术的应用提供了一种有效可行的方案。
关键词：储粮安全;;储粮温度预测;;宽度学习;;长短期记忆网络;;多头自注意力机制
基金资助：国家自然科学基金项目(62373136);; 河南省重点研发专项(221111230300);; 河南省科学院基本科研业务费项目(20240607001);; 河南省科技研发计划联合基金项目(235200810049);; 河南工业大学创新基金计划(2022ZKCJ02)
