采用多源信息融合的妊娠猪舍环境质量评价方法

摘要：

妊娠猪舍作为养殖场猪只繁育的基础条件,其环境质量对母猪的生产性能有显著影响.为合理评价妊娠猪舍环境质量,该研究提出一种基于模拟退火的粒子群算法(Simulated Annealing-Particle Swarm Optimization,SA-PSO)、套索算法(Least Absolute Shrinkage and Selection Operator,LASSO)和反向传播(Back Propagation,BP)神经网络的环境质量评价模型.利用卡尔曼滤波和分批估计自适应加权融合算法,实现多节点环境数据的时间与空间序列融合;构建猪舍环境质量非线性评价模型,采用LASSO算法,筛选得出与环境质量强相关的特征参数,实现输入降维;融合SA-PSO算法实现网络初始权值和阈值的优化,形成SA-PSO-LASSO-BP神经网络评价模型.通过对数据采集系统获取的实际妊娠猪舍环境数据进行验证,结果表明:提出的环境质量评价模型决定系数为0.918、总准确率为95.85％,相比单纯使用BP神经网络,加入LASSO和SA-PSO算法后决定系数与总准确率分别提高了37.43％、11.09个百分点,具有更高的评价精度和性能,可更好地拟合复杂环境参数与环境质量间的非线性关系,为妊娠猪舍环境质量评价提供参考.

关键词：模型、环境、妊娠猪舍、环境质量、BP神经网络、LASSO算法、SA-PSO算法

所属期刊栏目：38

分类号：TU264+.3(建筑设计)

资助基金：国家重点研发计划2016YFD0700204

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：212-221