基于LSTM-Kalman模型的蛋鸡产蛋率预测方法

产蛋率是评价蛋鸡产蛋性能的重要指标之一,因其具有时序性和非线性等特点,且其影响变量众多、存在复杂的耦合关系,难以实现精准预测。由于传统神经网络预测过程的非记忆性难以处理时序性问题,该文章提出蛋鸡产蛋率的LSTM-Kalman预测方法,使用主成分分析提取影响蛋鸡产蛋率的关键变量,通过LSTM神经网络预测蛋鸡产蛋率,采用Kalman滤波对LSTM预测的结果进行动态调整,作为最终预测结果。数据分析结果表明:LSTM-Kalman模型预测产蛋率的平均绝对误差、均方误差和皮尔逊相关系数分别为0.312 8、0.435 3和0.975 2,明显优于传统的BP神经网络、极限学习机等预测方法;通过2栋鸡舍生产数据的交叉测试验证,模型的预测准确率达到97.14%和98.71%,表明模型具有较强的泛化能力,能够满足蛋鸡产蛋率预测的实际需要,可以为蛋鸡养殖环境数据的精准调控提供参考。     

雄先型核桃雄花疏除的二次回归与BP神经网络模型研究

雄先型核桃雄花疏除（去雄）是提高产量的重要管理措施,为提高核桃去雄的效率,建立二次回归与 BP神经网络模型。分别以乙烯利、赤霉素和甲哌鎓为自变量和核桃雄花脱落率为响应指标,进行田间建模试验,建立了二次多项式回归方程和 BP神经网络模型,并于翌年进行 BP模型田间确认试验。试验数据分为训练集、确认集和试验集,中心组合（二次旋转回归试验设计）田间建模试验得到的20组数据随机划为训练集（17）和确认集（3）数据,试验集为翌年田间确认试验得到的数据,BP神经网络的拓扑结构为3-5-1。①BP神经网络对确认集样本的预测值误差分别为1.3550%、0.4291%、0.3538%;②BP神经网络的预测值与田间确认试验结果相差为2.04%,回归预测值与田间确认试验结果相差为3.12%;③BP神经网络预测比回归预测提高预测精度1.0%以上。将二次多项式逐步回归分析和 BP神经网络方法有效的结合使用,既可明确各因子的作用效应亦可得到相对准确的预测结果。     

豁眼鹅产蛋性能与环境因素相关分析

为探究豁眼鹅在辽宁地区群体饲养环境下的产蛋性能与环境因素的相互关系,本试验测定了3245只豁眼种鹅全期产蛋性能数据,应用相关模型和一次回归模型分析了豁眼鹅的周产蛋率与光照时间、平均温度、湿度之间的相关程度和回归关系。结果表明,豁眼鹅产蛋期主要有4个阶段,分别为39~41周龄的产蛋率迅速上升期,42~51周龄的产蛋高峰期,52~71周龄产蛋高峰后期和72周龄后的产蛋末期。产蛋率与光照时间呈极显著的正相关（P<0.01）,相关系数为0.589。拟合的周产蛋率与光照时间的回归方程为方程：y=-3.140+3.234x。可见,豁眼鹅可全年产蛋,养殖生产中可通过人工控制光照时间来提高豁眼鹅的产蛋性能。     

间隔覆盖条件下坡面产流产沙状况的BP神经网络模拟

本文以塿土和黄绵土作为实验材料,尝试使用BP神经网络方法(Back-Propagation neural network)模拟人工降雨条件下,间隔覆盖坡面的产流产沙状况。通过设置不同坡度、降雨强度、面积比,获得各种因素不同水平组合下的实测数据;以实际降雨强度、坡度、面积比、径流起始时间和初始含水率5个因子为输入变量、坡面产流量和产沙量为输出变量,利用BP神经网络模型与多元线性回归模型对数据进行模拟分析,并检验其模拟效果。研究结果表明:训练样本集平均相对误差为18.23%,预测样本集平均相对误差为5.21%;与多元线性回归模型相比,BP神经网络模型拟合精度较高,拟合效果更理想,表现出更强的预测能力。另外,比较不同土质坡面产流量与产沙量模拟效果,塿土优于黄绵土。从本研究的结果看,BP神经网络模型应用于坡面产流产沙模拟预测,省时省力,方便快捷,具有一定的应用潜力,但其实际的模拟预测能力尚需进一步探索。     

基于偏相关分析的烟台市土壤温度影响因素及预测模型研究

根据烟台市气象局2005年的气象数据,利用偏相关分析方法分析了表层土壤温度与相对湿度、绝对湿度、大气温度、平均风速、日照时数、降水量6个气象因子之间的相关性,进而建立了基于相对湿度、日照时数、大气温度、绝对湿度4气象因子的多元线性回归模型和BP人工神经网络模型。结果表明：在6个气象因子中,相对湿度、日照时数、大气温度、绝对湿度与土壤温度存在极显著相关关系,平均风速、降雨量与土壤温度相关关系不显著;晴天时,BP神经网络模型的决定系数R^2为0．9740,多元线性回归模型的决定系数R^2为0．9739;阴天时,BP神经网络模型的决定系数R^2为0．9881,多元线性回归模型的决定系数R^2为0．9877,因此建立的神经网络模型具有很高的精度,能很好地满足土壤温度的预测要求。     

基于贝叶斯正则化BP神经网络的日光温室温度预测模型

针对日光温室温度预测模型中输入因子间存在复杂的耦合关系以及输入因子过多而导致神经网络结构规模过大等问题,选用影响日光温室温度的环境因子组成数据样本,对数据样本进行主成分分析。提取出影响日光温室内温度的前3个成分作为BP神经网络模型的输入变量,采用贝叶斯正则化算法对BP神经网络进行改进。结果表明,该方法改进的BP神经网络模型得到简化,拟合曲线光滑,具有较好的泛化能力和网络推广能力。     

冬季蛋鸡产蛋率与环境因子的统计学分析

通过对简易鸡舍蛋鸡1个产蛋年的产蛋率资料分析,确定了受环境因素影响发生波动的阶段。利用波动阶段的产蛋率和平均气温、最高气温、最低气温、相对湿度等进行相关分析,得出温度是冬季影响产蛋率的主要因子,对产蛋率的影响在产蛋前2～4 d最显著。用回归分析的方法建立了产蛋率与气温等因子的多元回归方程。     

基于改进SSA-BP神经网络的复烤水分和温度预测

为解决烟叶复烤中加工一致性问题,为复烤工艺参数设置提供依据,本文针对工艺参数建立了BP神经网络模型对烟叶的水分以及温度进行预测.提出了采用Tent混沌映射改进的麻雀搜索算法(SSA)优化神经网络,提升模型的各方面性能.最后以麒麟复烤厂某个批次烟叶复烤加工的数据进行实验验证,并与未优化的BP模型、未改进的SSA-BP模型...     

基于多元非线性回归和BP神经网络的长春花形态指标生长模型的比较

为了顺应发展智慧苗圃、科学培育植物的趋势,借助物联网实现花卉培育智能化,科学地分析了长春花外观品质与生长发育时间和环境因子的关系,通过多元非线性回归和BP神经网络两种方法分别拟合生长模型。比较两种模型的拟合效果和预测能力显示:多元非线性回归拟合的回归估计标准误差为0.456—12.090,BP神经网络拟合的回归估计标准误差为0.0331-1.4857。BP神经网络拟合效果更好,预测精度更高,能够更好展示长春花生长周期内的生长规律,为预测长势提供可靠的依据,也为智慧苗圃中长春花外观品质的提升提供了有力的决策支持。     

基于KPCA-SSA-BP的农业气象灾害预测

农业气象灾害对农业发展有很大阻碍,为优化农业气象灾害预测的估算模型,本研究以山东省作为研究区域,利用核主成分分析(KPCA)对影响因子进行降维,以传统反向传播(BP)神经网络模型为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法,构建了SSA-BP、PSO-BP、GA-BP 3种优化模型。结果表明,在旱灾受灾率的模型评价指标对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的均方根误差(RMSE)分别下降23.55%、12.28%和17.74%;在洪灾受灾率的模型评价对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的RMSE分别下降了29.96%、9.49%和13.88%。说明SSA-BP神经网络模型对旱灾受灾率、洪灾受灾率的预测效果优于传统BP神经网络模型以及PSO-BP、GA-BP优化的神经网络模型。     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

中药烟熏剂的杀菌效果及其对产蛋率和孵化指标的影响

运用中药烟熏剂对种鸡进行带鸡熏蒸消毒,对其杀菌效果及其对种鸡产蛋性能、孵化效果的影响进行了试验观察。试验结果表明,中药烟熏剂具有较好的杀菌性能,对鸡舍空气细菌具有较高的灭菌率,提高孵化效果;同时具有使用方便的特点,不影响鸡的产蛋性能,也未有明显的临床应激反应。     

BP神经网络在渭干河流域土壤盐渍化预测中的应用

[目的]比较神经网络算法和传统统计建模方法对土壤盐渍化预测模型的效果.[方法]对渭干河流域多年土壤盐渍化和其影响因子进行分析的基础上,采用BP网络的3种算法,建立基于BP神经网络土壤盐渍化预测模型.将预测结果与多元线性回归模型预测结果进行对比分析,讨论线性和非线性方法用于土壤盐渍化预测模型.[结果]与传统的统计建模方法相比BP神经网络结构简单、快捷,预测精度高,很好地再现了土壤盐渍化与其影响因素之间复杂的非线性函数关系;三种BP算法中,基于trainlm算法建立的壤盐渍化预测模型具有较好的推广能力.[结论]BP神经网络的土壤盐渍化预测性能良好,用来可以预测土壤盐渍化情况.     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

罗曼蛋鸡产蛋期的饲养管理（上）

一、环境控制为产蛋鸡提供最适宜的产蛋环境首先要有一个良好的鸡舍。鸡舍必须使产蛋鸡免受日常气温变化的影响,产蛋阶段的最佳温度为15～20℃。应避免1日内湿度波动太大,鸡舍内理想的相对湿度为60%～70%,通风可以使鸡舍的空气环境良好,一般都通     

基于布谷鸟搜索的地位指数曲线模型参数拟合

针对地位指数曲线模型的实用性和精度程度,以残差平方和为目标函数,应用布谷鸟搜索算法拟合模型参数。通过实例以及与粒子群和免疫算法对比分析,基于布谷鸟搜索算法模型拟合的参数使模型的总体误差更小,精度更高;布谷鸟搜索算法的简单性方便地位指数曲线模型的参数求解,从而提高模型的实用性。     

蛋鸡开产前后饲管措施

开产前后是指开产的前几周到约有80%的鸡开产这段时间。育成鸡从18周龄左右进入产蛋鸡舍,体重迅速增加,生殖系统也迅速发育。这时部分鸡开始产蛋,发育好的鸡群20周龄时产蛋率可达5%,22周龄达50%,24周龄达80%,所以这个时期的鸡对各种养分和外界环境条件的要求均十分严格。为了适应鸡体的生理性变化,配合鸡群向产蛋期转换,为以后的高产稳产做好准备,应采取以下饲养管理措施。1.产蛋鸡舍的整理与消毒当小母鸡即将达到性成熟而由育成鸡舍转入产蛋鸡舍时,事先必须对产蛋鸡舍及设备按如下程序进行彻底清洗和消毒:喷洒消毒(用百毒杀、1210或过氧乙…     

基于人工神经网络的粮食产量预测模型

研究了人工神经网络在经济预测中的应用问题,探讨利用人工神经网络进行农业粮食产量预测的方法。提出一种基于多层前馈BP神经网络的农业粮食产量预测模型,可以得到影响粮食产量的主要因子和粮食产量之间的非线性映射关系。并通过实例验证了神经网络模型的预测精度明显高于线性回归模型的预测精度。     

BP神经网络烟叶化学成分预测模型构建

为烟叶化学成分预测和卷烟工业原料使用提供理论依据,应用回归分析法和BP神经网络分析2014—2017年龙岩永定土壤养分因子和烟叶化学成分的相关性,并构建预测模型。结果表明:采用回归模型预测龙岩永定烟叶化学成分和土壤养分指标无显著线性相关性;采用BP神经网络模型预测烟叶化学成分相关性和模型精准度较高。BP神经网络可为烟叶化学成分预测提供有效途径,具有较强的实用性。     

养鸡防疫与免疫接种备忘电脑软件研制成功

发达国家主要通过传感器与计算机作为鸡舍的自动控制系统，进行以鸡舍为单元的科学管理。日本东京大学杉木等以大型养鸡场积累的资料为基础，研究蛋鸡产蛋生产预测模拟模型，用于诊断疾……