通过多源传感器信息融合,预测和评估哺乳母猪大楼的环境质量

科学领域:

• 农业工程 农业工程
• 环境科学 环境科学
• 动物科学动物科学

背景情况:

• 哺乳母猪大楼的环境质量对小猪的健康和生长产生了重大影响.
• 预测和管理这些建筑中的复杂,相互关联的环境因素是具有挑战性的.
• 优化育种效率需要准确的环境评估和在最小压力下及时监管.

研究的目的:

• 开发一种分析方法,用于预测和评估哺乳母猪建筑物的环境质量.
• 通过最大限度地减少环境压力,提高小猪的健康和生长性能.
• 为生猪生产中的现实应用提供智能决策支持工具.

主要方法:

• 多变量数据融合技术包括数据修复,格拉布斯标准和批量估计适应加权计算.
• 使用随机森林 (RF) 模型进行特征选择,确定六个关键因素:温度,相对湿度,NH3,CO2,H2S度和空气速度.
• 开发和验证一个自适应的突变级混沌子搜索,随机森林和多个内核最小平方支持向量回归 (MSCCS-RF-MK-LSSVR) 模型.

主要成果:

• 拟议的MSCCS-RF-MK-LSSVR模型实现了高的确定系数 (R2 = 0.9086) 和低误差指标 (MAE = 0.0639,RMSE = 0.1787).
• 该模型与GS-RF-LSSVR模型相比显示出更高的性能,MAE,RMSE和计算时间显著减少,R2.2显著增加.
• 适应式MSCCS有效提高了计算效率,加速了LSSVR的融合,捕捉了复杂的非线性关系.

结论:

• 该MSCCS-RF-MK-LSSVR模型准确预测哺乳母猪大楼的环境质量,优于其他模型.
• 这种方法提供了一种可靠的方法来优化繁殖效率,并减轻大规模生猪生产中的环境压力.
• 开发的模型是适应式通风控制和预警系统的有价值的智能决策支持工具.