您好,欢迎访问安徽省农业科学院 机构知识库!
筛选
科研产出
排序方式:

时间

  • 时间
  • 相关度
  • 被引量
资源类型: 中文期刊
作者:李华龙(精确检索)
作者:李淼(精确检索)
作者:詹凯(精确检索)
作者:刘先旺(精确检索)
作者:杨选将(精确检索)
作者:胡泽林(精确检索)
作者:郭盼盼(精确检索)
1条记录
蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

智慧农业(中英文) 2020

摘要:蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统,凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题,本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子,在布谷鸟搜索算法优化神经网络(CS-BP)预测模型的基础上,构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络(GA-BP)、粒子群算法优化BP神经网络(PSO-BP) 3种深度学习方法进行性能参数分析比对,结果表明:改进CS-BP评价预测模型的平均绝对误差(MAE)、平均相对误差(MAPE)和决定系数(R~2)分别为0.0865、0.0159和0.8569,其各项指标性能均优于上述3种对比模型,该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试,其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价,对实现蛋鸡生产环境的最优控制,促进蛋鸡生产性能的提升具有重要意义。

关键词: 蛋鸡设施养殖 环境质量评价 布谷鸟搜索算法优化神经网络(CS-BP) 遗传算法优化BP神经网络(GA-BP) 粒子群算法优化BP神经网络(PSO-BP) 深度学习 多环境因子

 全文链接 请求原文

首页上一页1下一页尾页