基于时间序列和多元模型的集约化猪舍温度预测 |
| |
引用本文: | 曾志雄,罗毅智,余乔东,蔡任,吕恩利,夏晶晶.基于时间序列和多元模型的集约化猪舍温度预测[J].华南农业大学学报,2021,42(3):111-118. |
| |
作者姓名: | 曾志雄 罗毅智 余乔东 蔡任 吕恩利 夏晶晶 |
| |
作者单位: | 华南农业大学 工程学院,广东 广州 510642;华南农业大学 工程学院,广东 广州 510642;广东机电职业技术学院,广东 广州 510515 |
| |
基金项目: | 国家重点研发计划(2018YFD0701002);国家自然科学基金(31901736,31971806);广东省普通高校“服务乡村振兴计划”重点领域专项(2019KZDZX2040);广东省重点领域研发计划(2019B020225001);广东省畜禽疫病防治研究重点实验室开放课题(YDWS1904) |
| |
摘 要: | 目的 从挖掘猪舍历史环境参数数据时序信息角度出发,提出基于时间序列模型和多元模型序列的猪舍温度预测模型。方法 采取缺失部分环境因子统计预测,评估猪舍环境中相对湿度、二氧化碳浓度、氧气浓度等环境因子对温度预测的影响程度。针对猪舍温度时间序列进行数据预处理,滤除错误值和缺失值,采用时间序列模型构建基于门控循环单元网络(Gated recurrent unit,GRU)的猪舍温度预测模型,采用多元模型建立基于梯度提升决策树(Extreme gradient boosting,XGBoost)缺失值重要程度的猪舍温度预测模型。将该预测模型用于预测广东省某集约化猪场母猪分娩舍温度,并与循环神经网络(Recurrent neural network, RNN)模型、反向神经网络(Back propagation neural network, BPNN)模型进行对比试验。结果 对比温度预测值与实测值发现,基于GRU模型对应的猪舍温度均方根误差和平均绝对误差分别为0.25和0.19 ℃,平均绝对百分比误差为0.65%;基于XGBoost多元模型的猪舍温度均方根误差和平均绝对误差分别为1.21和0.71 ℃,平均绝对百分比误差为2.50%。在时间序列的温度预测模型中,GRU模型表现出更优的预测效果;在多元模型的温度预测中,XGBoost模型的预测效果更优。结论 本研究使用的GRU模型在时间维度上对母猪分娩舍温度的变化起到了预警作用,确定了各种环境参数对温度的影响程度,为养殖环境的精细调控提供了参考。
|
关 键 词: | 分娩舍 温度预测 时间序列模型 多元特征模型 特征重要性 |
收稿时间: | 2020/10/13 0:00:00 |
Temperature prediction of intensive pig house based on time series and multivariate models |
| |
Institution: | College of Engineering, South China Agricultural University, Guangzhou 510642, China; College of Engineering, South China Agricultural University, Guangzhou 510642, China;Guangdong Mechanical & Electrical Polytechnic, Guangzhou 510515, China |
| |
Abstract: | |
| |
Keywords: | farrowing house temperature prediction time series model multivariate model feature importance |
|
| 点击此处可从《华南农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华南农业大学学报》下载免费的PDF全文 |