预测畜牧业排放的人工神经网络:一篇综述
Luciano Manuel Santoro1, Provvidenza Rita D'Urso1, Claudia Arcidiacono1
1Building and Land Engineering Section, Department of Agriculture, Food and Environment (Di3A), University of Catania, via S. Sofia 100, 95123 Catania, Italy.
Animals : an open access journal from MDPI
|January 10, 2026
概括
人工智能 (AI),特别是人工神经网络 (ANN),可以显著改善畜牧业的监测和管理. 与传统方法相比,这些先进的模型在预测气体排放方面提供了更高的准确性,提高了环境可持续性.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 计算机科学 计算机科学
背景情况:
- 畜牧设施的气体排放带来了重大的环境和健康挑战.
- 有效监测污染气体对于减轻影响和提高畜牧系统的可持续性至关重要.
- 人工智能 (AI),特别是人工神经网络 (ANN),为畜牧业的监测和管理提供了先进的功能.
研究的目的:
- 审查和综合人工神经网络 (ANN) 在预测畜牧设施的气体排放中的应用.
- 评估ANN在这个领域与传统统计方法相比的表现.
- 确定人工智能驱动的牲畜排放监测中的趋势,常用方法和未来研究方向.
主要方法:
- 按照PRISMA指导方针进行系统的文献审查.
- 从Web of Science和Scopus数据库中选择了2007年至2024年间发表的18项相关研究.
- 分析研究重点 (例如,动物类型,监测的气体),人工智能方法 (例如,ANN架构,训练算法) 和性能指标.
主要成果:
- 研究主要在欧洲进行 (55%),重点是牛和猪.
- 氨 (NH3) 和甲 (CH4) 是最常见的气体.
- 多层感知器 (MLP) 架构,训练有反向传播并使用根平均平方误差 (RMSE) 进行验证,是最常见的.
- 该模型的预测准确性始终高于传统的统计方法.
结论:
- 农业年排放指数是提高畜牧业排放预测准确性的高效工具.
- 未来的研究应该优化ANN结构,解决数据集偏差,并考虑环境变化,以准确预测.
- 将ANN与统计模型相结合的混合方法有望促进畜牧管理和可持续性.
