基于PSO-DNN的平养鸡舍冬季氨气浓度预测模型研究
[目的]氨气是鸡舍内影响肉鸡生长发育的主要有害气体,由于冬季鸡舍低通风量会导致氨气浓度超标,使肉鸡的免疫功能下降,导致呼吸系统疾病发生.针对鸡舍氨气预测精度不高、效率不理想等问题,提出基于粒子群算法(particle swarm optimization,PSO)优化深度神经网络(deep neural network,DNN)的预测模型,实现冬季氨气浓度预警并及时调控鸡舍内氨气的浓度.[方法]选取自建平养鸡舍环境参数数据(温度、相对湿度和氨气浓度)和鸡自身情况数据(鸡龄和鸡进入鸡舍时间)建立模型,对鸡舍内未来1 h氨气浓度进行预测.PSO-DNN预测模型首先采用PSO优化DNN中的batch_size参数,以平均绝对误差(mean absolute error,MAE)作为目标函数,经过多次迭代后,得到最佳的batch_size,再以此构建DNN模型,以数据集的前70%数据作为训练集进行DNN模型训练,经过DNN的线性运算和激活运算后,采用数据集的后30%数据对模型进行验证,并对模型进行评估.[结果]将PSO-DNN模型与DNN和随机森林模型对比,PSO-DNN模型氨气预测结果的MAE为1.886 mg·m-3,DNN和随机森林模型预测的MAE分别为4.297和2.855 mg·m-3.[结论]PSO-DNN模型的预测精度最高,与DNN和随机森林模型预测结果相比,其MAE分别降低56.1%和33.9%,可为平养鸡舍内氨气浓度预测提供方法参考,有助于及时、准确地调控鸡舍内氨气浓度.
平养鸡舍、氨气浓度、深度神经网络、粒子群算法、随机森林
44
S831.4+3(家禽)
中国博士后科学基金资助项目;江苏省农业科技自主创新资金项目[CX192025;中央高校科研业务基本业务费自主创新重点项目
2021-02-05(万方平台首次上网日期,不代表论文的发表时间)
共10页
184-193