在集约化养猪生产中,猪舍环境是影响猪健康水平的重要因素。然而,多环境因子联合精准调控是制约猪舍环境控制的共性难题。因此,本文利用自适应高斯滤波(Adaptive Gaussian filtering,AGF)算法结合长短时记忆神经网络(Long short term me...在集约化养猪生产中,猪舍环境是影响猪健康水平的重要因素。然而,多环境因子联合精准调控是制约猪舍环境控制的共性难题。因此,本文利用自适应高斯滤波(Adaptive Gaussian filtering,AGF)算法结合长短时记忆神经网络(Long short term memory networks,LSTM)进行舍内环境因子预测,为优化舍内环境调控策略提供支撑;结合组合赋权方式,确定猪舍内环境评价指标权重,构建基于未确知测度法评价方法,为猪舍环境调控提供参考。以实测猪舍数据对本文所提出方法进行验证,结果表明:相比LSTM预测模型,应用AGF优化算法后的LSTM预测模型(LSTM-AGF),其氨气质量浓度、温度、相对湿度、二氧化碳质量浓度的预测性能R^(2)分别提升0.33、0.03、0.05、0.12;提出的基于未确知测度法的预测评价方法敏感度SENS为0.215,比传统模糊综合评价方法高20.80%。因此,本文提出的环境质量评价方法可以为猪舍环境精准调控提供参考。展开更多
文摘在集约化养猪生产中,猪舍环境是影响猪健康水平的重要因素。然而,多环境因子联合精准调控是制约猪舍环境控制的共性难题。因此,本文利用自适应高斯滤波(Adaptive Gaussian filtering,AGF)算法结合长短时记忆神经网络(Long short term memory networks,LSTM)进行舍内环境因子预测,为优化舍内环境调控策略提供支撑;结合组合赋权方式,确定猪舍内环境评价指标权重,构建基于未确知测度法评价方法,为猪舍环境调控提供参考。以实测猪舍数据对本文所提出方法进行验证,结果表明:相比LSTM预测模型,应用AGF优化算法后的LSTM预测模型(LSTM-AGF),其氨气质量浓度、温度、相对湿度、二氧化碳质量浓度的预测性能R^(2)分别提升0.33、0.03、0.05、0.12;提出的基于未确知测度法的预测评价方法敏感度SENS为0.215,比传统模糊综合评价方法高20.80%。因此,本文提出的环境质量评价方法可以为猪舍环境精准调控提供参考。
