冷暖先知

   近年来，由于人们消费水平的提升，冷链物流规模迅速发展壮大。因为农产品食用时效性强，所以其冷链运输环境质量对于农产品保存来说显得格外重要。在诸多环境因子当中车厢内部温度与湿度是影响农产品质量的关键影响因素，温湿度冷链运输环境的不正常变化将导致细菌孳生与繁殖，对于农产品质量有着很大的损害。因此，研究高效的冷链运输环境，在1min或更短的时间内获得精确的温湿度预测，有助于冷链部门能更好的把控好温湿度，这对于保障农产品安全和质量具有重要意义。    本作品提出并搭建了一种基于k-means++与LSTM相结合的冷链运输预测模型：实时远程获取到冷链车内的温湿度数据后，先通过k-means++算法对得到的温湿度数据在空间上进行数据融合，然后再通过LSTM神经网络建立温湿度变动预测模型从而实现对冷链储运环境中温湿度变动情况的精准预测，在预测时有设置预警值，在某一时刻温度或者湿度有低于或高于某一设定值，系统会发出警告，并通过邮箱的方式告诉相关管理部门。    本作品的信息可视化界面，直观、多维度地向用户展示相关数据。主要展示了检测设备的温度真实值和预测值湿度真实值和预测值，设备位置分布，使用频率等数据。