基于深度学习的密闭式猪舍内温湿度预测模型

摘要：

针对目前猪舍环境控制中传感器只能实现对当前环境状况的监测,无法对猪舍内环境变化趋势作出预判,不能提前对环境控制设备运行状态进行调节,在一定程度上造成环境控制效果滞后的问题,基于深度学习方法,结合实际传感器监测的历史数据和猪舍外影响数据,建立了长短时记忆(Long short-term memory,LSTM)网络预测模型,实现了精确的猪舍内温湿度变化预测.结果 表明,猪舍内冬季和夏季温湿度预测值与实测值变化趋势一致,温度最大误差1.9℃,平均误差为0.5℃;相对湿度最大误差为13.5％,平均误差为2.3％;温度和相对湿度预测的平均决定系数分别为0.821和0.645.本文建立的预测模型具有较优性能,可为制定优化的猪舍内环境控制策略,解决环境控制效果滞后问题提供可行的参考.

关键词：密闭式猪舍、热湿环境、深度学习、长短时记忆网络、环境控制优化

所属期刊栏目：51

分类号：TU264+.3(建筑设计)

资助基金：国家自然科学基金面上项目;东北农业大学农业农村部生猪养殖设施工程重点实验室开放课题、国家生猪产业技术体系项目;东北农业大学东农学者计划项目;国家重点研发计划项目

在线出版日期：2020-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：353-361