針對母豬舍多環(huán)境因子相互耦合,難以合理、準確地預測判斷豬舍環(huán)境舒適度的問題,根據畜禽舍養(yǎng)殖環(huán)境標準,構建了評價指標體系,提出了基于變尺度混沌布谷鳥算法優(yōu)化混合核最小二乘支持向量回歸機的哺乳母豬舍環(huán)境舒適度評價預測模型(MSCCS-LSSVR),并采用粒子群算法優(yōu)化模型(PSO-LSSVR)、遺傳算法優(yōu)化模型(GA-LSSVR)、傳統(tǒng)的LSSVR模型與本文模型進行了對比。利用本文模型對江蘇省鎮(zhèn)江市�，斈翗I(yè)生豬養(yǎng)殖場哺乳母豬舍養(yǎng)殖環(huán)境舒適度進行了評價預測。結果表明,混合核MSCCS-LSSVR、PSO-LSSVR、GA-LSSVR和傳統(tǒng)LSSVR 4種預測模型的平均絕對誤差分別為0.061 1、0.097 2、0.130 6和0.168 1;混合核MSCCS-LSSVR模型比其他3種模型具有更高的預測精度和更可靠的性能,提高了豬舍環(huán)境評價預測水平,在評價預測中具有可行性和有效性。實際應用表明,本文模型能準確地反映豬舍空氣質量狀況,可以為豬舍環(huán)境精準調控提供決策支持,具有一定的應用價值。

【文章頁數】：9 頁

【部分圖文】：

圖1系統(tǒng)結構圖

選取養(yǎng)豬場內某個標準母豬養(yǎng)殖豬舍作為實驗舍，養(yǎng)殖環(huán)境數據來源于江蘇大學研制的家豬養(yǎng)殖物聯網遠程環(huán)境監(jiān)控系統(tǒng)。系統(tǒng)結構如圖1所示，該系統(tǒng)每間隔10min對溫度、相對濕度、CO2濃度、NH3濃度和H2S濃度等環(huán)境特征在線采樣一次。將2018年7月14日—9月12日60d實測數據作....

圖2數據處理結果

該測量值應予以剔除。g0(n，α)取決于測量次數n和顯著度α，通過查詢格拉布斯準則臨界值表可獲得。測量次數n取20，顯著度α取0.05，查得g0(n，α)為2.557。圖2是2018年8月23日00:00—23:50采集的母豬舍溫度，采用人工飼喂方式，飼喂頻率3次/d，飼喂時間0....

圖3混合核MSCCS-LSSVR流程圖

利用MSCCS算法優(yōu)化選擇的參數，得到LSSVR模型，具體流程如圖3所示。5結果與分析

圖54種模型預測誤差

為了準確、全面地比較4種哺乳母豬舍環(huán)境舒適度評價預測模型的性能，采用平均絕對誤差(MAE)、均方根誤差(RMSE)和決定系數(R-squared,R2)評價預測結果。圖64種模型預測結果

本文編號：3944790