排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
一种基于改进时间卷积网络的生猪价格预测方法 总被引：1，自引：0，他引：1
针对传统的生猪价格预测方法存在预测精度不够高，容易陷入局部最小值等问题，为更加精准地预测生猪价格，采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法，以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本，对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606，平均绝对误差(MAE)为0.288 424，决定系数(R2)为0.995 683，均优于其他3种机器学习模型；与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较，3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。 相似文献
2.
我们在多年的卫检工作中检出猪体内寄生虫较多,为摸索丽水地区猪体内寄生虫分布状况,有利于消灭寄生虫,促进养猪业的发展,我们分别对丽水市食品公司和丽水冷冻厂屠宰的生猪,在检验过程中进行了统计,现将母猪寄生蛔虫和细颈囊尾蚴的初步 相似文献
1