基于时间序列和多元模型的集约化猪舍温度预测

• Published in: 华南农业大学学报 Vol. 42; no. 3; pp. 111 - 118
• Main Authors: 曾志雄, 罗毅智, 余乔东, 蔡任, 吕恩利, 夏晶晶
• Format: Journal Article
• Language: Chinese
• Published: 广东机电职业技术学院,广东 广州 510515 01.05.2021; 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
• Subjects: 时间序列模型; 多元特征模型; 分娩舍; 特征重要性; 温度预测
• ISSN: 1001-411X
• DOI: 10.7671/j.issn.1001-411X.202010008

S23; [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.