【摘要】精准预测玉米出机水分含量是实现玉米干燥过程自动控制的关键。为提升玉米干燥系统自动化程度，实现玉米出机水分的快速、无损、精准预测，研究依托粮食干燥模拟试验系统，通过调节干燥过程的热风温度、干燥段温度和排粮频率，设计8组多批次玉米干燥平行试验，分时段获得玉米干燥过程6个点位的温湿度特征数据，以及相对应的出机玉米水分含量数据；通过相邻平均法（adjacent average smoothing,AAS）对12组温湿度特征数据进行平滑处理，平滑后的数据点集合毛刺减少、波动明显缓解，12组特征数据与玉米出机水分含量的Pearson相关性大幅提升，提高幅度在0.061～0.105之间，为后续构建玉米水分预测模型提供了数据基础；进而，研究以相邻平均法平滑后的12组特征数据作为模型输入量，构建了基于极限学习机（extreme learning machine,ELM）的玉米干燥过程出机水分含量预测模型并进行评价分析。结果表明：基于ELM的玉米出机水分含量预测模型以sigmoid为激活函数、神经元个数设定为22时，模型运行速率较快、预测效果较好，其中训练集和验证集拟合优度R2分别为0.988 6和0.981 2，验证集R2与训练集接近，表明该模型拟合效果较好、未出现过拟合情况，水分含量预测均方根误差（root mean square error,RMSE）分别为0.281 1%和0.382 1%，预测误差总体较低。综上表明，模型在训练与验证过程中均具备较好的拟合效果和较高的预测准确性。该模型为玉米干燥过程的自动化控制和工艺优化提供了数据参考和技术支持。