基于AGA-ELM的鸡舍环境因子对蛋鸡生产影响预测研究

发布时间：2021-07-06 02:01

　　为了分析冬季密闭式蛋鸡舍环境因子对蛋鸡生产的影响,研究建立了一种基于自适应遗传算法（AGA）优化极限学习机（ELM）的鸡舍环境因子对蛋鸡生产影响的预测模型。基于鸡舍中温度、湿度、风速、二氧化碳浓度、氨气浓度和光照6个环境因子与蛋鸡产蛋量和采食量的非线性关系,以ELM作为基础模型,采用AGA优化ELM,解决ELM输入层权值和隐含层阈值随机确定导致网络结构稳定性差的问题。利用冬季密闭式蛋鸡舍实测数据对所建模型进行验证,并与ELM、GA-ELM模型的预测结果作比较,对产蛋量和采食量的预测结果均得出更小的平均绝对误差（0.501 1、0.619 5）、平均绝对百分误差（0.009 0、0.011 5）以及更高的相关系数（0.932 2、0.873 2）,表明利用AGA-ELM模型的预测精度高,泛化能力强,预测结果能发现蛋鸡实际生产的趋势。 

【文章来源】：中国家禽. 2020,42(10)北大核心

【文章页数】：7 页

【部分图文】：

极限学习机网络结构

AGA-ELM模型的整体流程

试验获得的各监测点每天3组环境数据、1个产蛋量数据和1个采食量数据，由于密闭式鸡舍环境相对稳定，不同监测点环境存在差异而同一监测点环境在一天中的变化不大，因此将每天同一点监测得到的3组环境数据取平均值作为当天环境数据，使之与产蛋量、采食量数据在模型中建立一一对应关系。由于试验期间环境监测仪存在断电、其他外界干扰等情况，导致部分数据出现丢失或异常，将该部分数据剔除后，获得有效数据1 056组。ELM建模采用不同样本进行训练，冗余样本过多会对模型效果造成影响，而样本过少会使模型不具有普遍性，本文从有效数据中选取具有代表性的420组数据，其中360组数据作为学习样本集，60组数据作为测试样本集。图7 AGA-ELM采食量预测结果

【参考文献】：
期刊论文
[1]基于支持向量机回归的蛋鸡产蛋率预测模型[J]. 李飞,蒋敏兰.  江苏农业科学. 2019(13)
[2]船舶航行网络流量的建模与预测[J]. 杨鹤.  舰船科学技术. 2019(14)
[3]基于PSO与ELM组合算法的短期光伏发电功率预测模型[J]. 蒋建东,余沣,董存,常朝辉,陈海刚.  郑州大学学报(理学版). 2019(03)
[4]基于CS和BP的鸡舍环境与产蛋性能关系模型研究[J]. 刘先旺,李华龙,李淼,李绍稳.  江苏农业科学. 2019(11)
[5]基于极限学习机的蛋鸡产蛋性能预测[J]. 李飞,蒋敏兰.  中国家禽. 2019(02)
[6]蛋鸡生产性能的评定指标和提高生产性能的方法[J]. 白洁.  现代畜牧科技. 2018(06)
[7]基于GA-ELM数控铣刀寿命预测模型研究[J]. 周亚勤,杨建国,刘凯强,尤祥.  东华大学学报(自然科学版). 2017(04)
[8]参数优化GA-ELM模型在露天煤矿抛掷爆破的预测[J]. 温廷新,陈晓宇,邵良杉,窦融,魏鹏.  煤炭学报. 2017(03)
[9]转炉炼钢耗氧量预测模型研究[J]. 赵辉,易晓敏,王红君,岳有军.  计算机仿真. 2017(01)
[10]“大午金凤”蛋鸡饲养管理技术（一）[J].   家禽科学. 2016(03)



本文编号：3267290