一个基于补丁和注意力机制的模型,用于对子屋环境参数的多参数预测

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:

• 子的健康和生产力取决于稳定的室内环境 (温度,湿度,CO2).
• 目前的环境控制系统由于系统惯性而存在延迟反应,限制实时调整.
• 现有的预测模型缺乏准确性和概括性,阻碍它们融入有效的控制策略.

研究的目的:

• 为子屋环境开发一个准确和可概括的多参数时间序列预测模型.
• 解决现有模型在预测关键环境参数方面的局限性,以改善养殖法规.
• 通过准确的未来动态预测,加强环境控制策略.

主要方法:

• 收集了来自中国三个不同的气候区域的子屋的室内/室外环境数据.
• 开发了用于子屋预测 (PatchCrossFormer-RHP) 模型的补丁和交叉注意力增强变压器.
• 集成的补丁,交叉注意力机制和辅助参数 (空气速度,户外条件) 用于增强特征表示和多参数关系解.

主要成果:

• 在福建数据集上,PatchCrossFormer-RHP实现了高精度:RMSE为0.290°C (温度),1.554% (湿度) 和38.837ppm (CO2),R2值分别为0.963,0.956和0.838.
• 该模型的表现始终优于RNN,GRU和LSTM等传统模型.
• 转移学习实验表明,在有限的目标领域数据的情况下,具有强大的跨区域概括能力.

结论:

• 该PatchCrossFormer-RHP模型在预测子屋环境参数方面取得了重大进展.
• 该模型的准确性和概括潜力为养殖中更有效,更积极的环境控制提供了基础.
• 这些发现强调了先进的人工智能技术对优化畜牧环境和改善动物福利的有用性.