鸡舍环境细菌的神经网络模型相关分祈

本研究通过检测中、小型养殖场及农户鸡舍环境中的细菌总数、大肠杆菌数和小气候部分因素，应用神经网络模型评价同期鸡群发病率、死亡率及亚临床状态。研究选择BP（Back—propagation）神经网络建立针对鸡发病率、生产性能等指标的非线性评估模型，以平均相对误差和平均绝对误差两项指标，评估现场数据同计算结果两者模型拟合程度，经多次调试，最终研究采用共轭梯度算法中的Fletcher—Reeves算法初步构建模型。共采集20鸡舍环境样本，16鸡舍用于模型学习训练和自身检测，另外4鸡舍用于进行模型泛化能力检测，误差均小于10％。该模型在中小型养殖场及农户使用，可以揭示鸡舍环境和鸡群健康状态的相关性。     

猪舍小气候因素与环境菌量多元线性回归分析

以猪舍内小气候和采样点细菌数作为研究对象,运用多元回归分析、相关性分析和LSD多重比较分析等对舍内小气候和细菌数间的关系进行分析,建立多元线性回归模型,分析小气候中温度、湿度、气压、风速和养殖密度数据与空气中细菌数的关系,对空气中细菌数进行预测.结果发现,影响猪舍空气细菌数量的各因素按影响程度依次为:养殖密度、温度、风速和湿度,通过控制各小气候的数值可以达到减少舍内空气中细菌数的目的.利用LSD多重比较对两种规模猪场采食地点细菌数进行分析可知:用饲槽和地面扬撒的方式进行饲喂二者细菌污染情况差异显著,细菌数比较说明用饲槽饲喂优于地面扬撒饲喂.     

鸡舍环境细菌的神经网络模型相关分析

本研究通过检测中、小型养殖场及农户鸡舍环境中细菌总数、大肠杆菌数和小气候部分因素,应用神经网络模型评价同期鸡群发病率,死亡率及亚临床状态.研究选择BP(Back-propagation)神经网络建立针对鸡发病率、生产性能等指标的非线性评估模型,以平均相对误差和平均绝对误差两项指标,评估现场数据同计算结果两者模型拟合程度,经多次调试,最终研究采用共轭梯度算法中的Fletcher-Reeves算法初步构建模型.共采集20鸡舍环境样本,16鸡舍用于模型学习训练和自身检测,另外4鸡舍用于进行模型泛化能力检测,误差均小于10%.该模型在中小型养殖场及农户使用,可以揭示鸡舍环境和鸡群健康状态的相关性.