基于神经网络架构的畜牧垃圾可持续管理模型
Anatoliy Tryhuba1,2, Krzysztof Mudryk2,3, Inna Tryhuba1
1Department of Information Technologies, Lviv National Environmental University, Dublyany, 80-381, Ukraine.
Scientific reports
|August 1, 2025
概括
这项研究使用神经网络来优化畜牧场废物转化为能源,减少对环境的影响. 该模型准确预测废物产生和排放,改善生物气生产和可持续性.
科学领域:
- 农业工程 农业工程
- 环境科学 环境科学
- 人工智能的人工智能
背景情况:
- 畜牧业在废物管理和最小化环境影响方面面临着挑战.
- 动物废物的有效转化为能源对于可持续农业至关重要.
- 现有的模型可能无法完全捕捉废物管理优化区域特点.
研究的目的:
- 开发和验证一种神经网络模型,用于预测畜牧垃圾产生的情况.
- 优化农场配置,以提高废物转化为能源的效率.
- 评估不同畜牧管理策略对环境的影响,包括温室气体排放.
主要方法:
- 开发一个多层感知器 (MLP) 神经网络模型.
- 数据预处理,功能选择和多目标优化.
- 使用平均平方误差 (MSE) 和平均绝对百分比误差 (MAPE) 验证模型预测性能.
主要成果:
- 优化的MLP模型实现了高精度 (MSE: 0.0005,MAPE: 6.51%).
- 食量显著影响废物产生,生物气潜力和温室气体排放 (CO2,CH4,N2O).
- 在特定群体大小 (例如,900头牛) 中观察到最佳的排放减少和增加的生物气产量 (7-16%).
结论:
- 神经网络建模为可持续的畜牧垃圾管理和能源转换提供了有效的方法.
- 农场管理决策,特别是养策略和群体规模,对环境可持续性产生重大影响.
- 这些发现支持无氧消化和智能建模的整合,用于现代化畜牧场,并为政策提供信息.
