(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111658573.X (22)申请日 2021.12.31 (65)同一申请的已公布的文献号 申请公布号 CN 114002303 A (43)申请公布日 2022.02.01 (73)专利权人 中国农业科 学院农业资源与农业 区划研究所 地址 100081 北京市海淀区中关村南大街 12号 (72)发明人 钱建平　陈谦　杨涵　史云　 (74)专利代理 机构 北京智为时代知识产权代理 事务所(普通 合伙) 11498 代理人 王加岭　杨静 (51)Int.Cl. G01N 27/416(2006.01) G01D 21/02(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 111413285 A,2020.07.14 CN 109583 566 A,2019.04.0 5 CN 110426421 A,2019.1 1.08 CN 110542710 A,2019.12.0 6 CN 111368975 A,2020.07.0 3 CN 109634098 A,2019.04.16 CN 111832814 A,2020.10.27 Nima Izadyar et al.I ntelligent forecasti ng of residential heati ng demand for the District Heati ng System based o n the monthly overal l natural g as consumption. 《Energy and Bui ldings》 .2015, 第104卷208-214. 审查员 陈洋 (54)发明名称 冷链物流中气体感知的校准方法及多源感 知装置 (57)摘要 本发明提供了一种冷链物流中气体感知的 校准方法及多源感知装置， 本发 明方法基于冷链 物流环境多要素信息补偿机制， 以环 境多要素测 量值、 气体测量电压信号为模型输入， 气体实际 浓度值作为模型输出， 建立气体感知校准ELM神 经网络模型。 该模型通过随机 选择输入层权 重 ， 提高了学习效 率； 利用Moore ‑Penrose广义逆矩阵计算输出层 权重 ， 保证了网 络的泛化能力。 本发明气体校准方法可以支撑 冷 链物流气体的在线精准监测； 多源感知装置可以 满足冷链物 流环境的全面 感知。 该发明能更有效 还原冷链物 流过程， 能为冷链管 理者提供更高效 的服务， 提高决策效率及调控精度， 增强生鲜农 产品的品质可信度。 权利要求书3页 说明书9页 附图4页 CN 114002303 B 2022.04.05 CN 114002303 B 1.一种基于 ELM神经网络的冷链 物流中气体感知校准方法， 该 方法包括如下步骤： S1、 获取动态冷链物流环境要素测量值、 气体测量电压信号以及气体实际浓度值的多 组监测数据， 所述环境要素至少包括温度和湿度； S2、 将S1获取的多组监测数据作为ELM神经网络模型的训练样本， 以环境要素测量值、 气体测量电压信号为模型输入样本， 气体实际浓度值作为模型输出样本， 训练前对输入样 本和输出样本进行归一 化预处理； S3、 随机生成输入层权重和隐含层偏置值， 基于最小二乘算法， 利用Moore ‑Penrose广 义逆矩阵计算输出层权重， 得到校准ELM神经网络模型； 所述步骤S3随机生成输入层权重 ， 和隐含层偏置值 ， 隐含层输出通过下式计算：  ，  （2） ，  （3） 式中， 为隐含层输出矩阵， 为线性激活函数； 其中， 当输出层权 重矩阵 表示如下式：   ，  （4） 则， 输出样本矩阵 可通过下式计算：  ，  （5） 根据式 （5） ， 未知的输出层权 重值 通过最小二乘法计算， 如下式： ，  （6） 式中， 为矩阵 的Moore‑Penrose广义逆矩阵； S4、 对S3得到的ELM神经网络模型输出值进行反归一化回归处理， 通过 回归和期望输出权　利　要　求　书 1/3 页 2 CN 114002303 B 2对比， 计算回归相对误差和回归标准差； S5、 获取目标冷链物流环境动态测量值和动态气体测量电压信号输入所述校准ELM神 经网络模型， 输出气体校准 值。 2.根据权利要求1所述的校准方法， 其特征在于， 该方法还包括对所述校准ELM神经网 络模型的泛化测试， 其利用新的冷链环境多要素监测样本测试校准ELM神经网络模型 的性 能， 通过气体浓度实际样本值和预测输出值对比， 计算均方根 误差RMSE以量 化模型精度。 3.根据权利要求1所述的校准方法， 其特征在于， 所述方法中的环境要素还包括光照度 和/或风速 。 4.根据权利要求1所述 的校准方法， 其特征在于， 所述步骤S2选择 组训练数据样本， 对输入样本 ， 输出样本 ， 进行归一 化预处理， 如下式：  ，  （1） 式中， ， ， ， 。 5.根据权利要求1所述的校准方法， 其特征在于， 所述步骤S4模型输出值反归一化回归 处理公式如下：  ， （7） 。 6.根据权利要求2所述的校准方法， 其特征在于， 所述泛化测试利用新的冷链环境多要 素监测样本测试建立模型的性能， 通过气体浓度实际样本值 和预测输出值 对比， 计 算均方根 误差RMSE以量 化模型精度， 如下式：  ， （8） 。 7.一种冷链 物流的多源智能感知装置， 该装置包括： 多源数据采集模块， 所述多源数据采集模块包括温度传感器、 湿度传感器和气体传感 器， 用于感知冷链 物流环境要素， 获取环境要素测量 值及气体测量电压信号； 气体分析校准模块， 所述模块包括MCU， 在MCU中内置了包含权利 要求1‑6任一项校准方 法的计算模块， 用于生成所述校准ELM神经网络模型， 校准并输出气体浓度。 8.根据权利要求7所述的感知装置， 其特征在于， 所述多源智能感知装置还包括数据传权　利　要　求　书 2/3 页 3 CN 114002303 B 3