文献类型：期刊文章

作　　者：谢秋菊[1,2] 郑萍[1] 包军[3] 苏中滨[1]

XIE Qiuju;ZHENG Ping;BAO Jun;SU Zhongbin(College of Electrical and Information,Northeast Agricultural University,Harbin 150030,China;Key Laboratory of Swine Facilities Engineering,Ministry of Agricullture and Rural Affairs,Northeast Agricultural University,Harbin 150030,China;College of Animal Science and Technology,Northeast Agricultural University,Harbin 150030,China)

机构地区：[1]东北农业大学电气与信息学院,哈尔滨150030 [2]东北农业大学农业农村部生猪养殖设施工程重点实验室,哈尔滨150030 [3]东北农业大学动物科学技术学院,哈尔滨150030

出　　处：《农业机械学报》

基　　金：国家自然科学基金面上项目(32072787);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(CARS-35);东北农业大学东农学者计划项目(19YJXG02);国家重点研发计划项目(2016YFD0800602)。

年　　份：2020

卷　　号：51

期　　号：10

起止页码：353-361

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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  

分 类 号：TU264.3]