使用人工神经网络对乳制品谷中的氨和甲度和排放量进行数据驱动的预测

科学领域:

• 农业科学 农业科学
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 奶牛养殖产生的氨 (NH3) 和甲 (CH4) 排放给环境和气候带来了重大挑战.
• 传统的统计方法在分析影响这些排放的复杂因素方面存在局限性.
• 人工神经网络 (ANN) 提供了一个有希望的方法,但以前的研究还没有完全整合动物活动和饮食数据.

研究的目的:

• 评估气候变量,动物活动和饮食摄入量对NH3和CH4度和排放的影响.
• 应用多层感知器 (MLP) 模型,一种ANN,用于预测自然通风的奶牛棚的排放.
• 用各种统计指标评估ANN在排放预测方面的表现.

主要方法:

• 利用多层感知器 (MLP) 模型,是一种人工神经网络.
• 纳入的输入变量包括环境条件,动物活动和饮食摄入量.
• 使用R,R2,平均绝对误差 (MAE),平均平方误差 (MSE),标准偏差 (SD) 和根平均平方误差 (RMSE) 评估模型性能.

主要成果:

• 在预测NH3和CH4排放方面,MLP模型表现出高准确度.
• 获得的R2值为NH3的0.93和CH4的0.96.
• 包括气候,饮食和活动变量在内的模型表现出最好的预测性能.

结论:

• 据ANN模型,特别是MLP模型,是预测奶牛场排放的有效工具.
• 整合环境,饮食和动物活动数据显著提高了预测准确度.
• 这些发现支持使用ANN来改善奶牛养殖中的环境管理.