基于深度学习的密闭式猪舍内温湿度预测模型

作者：谢秋菊; 郑萍; 包军; 苏中滨^*

来源：农业机械学报, 2020, 51(10): 353-361.

• 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

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。

• 单位
  东北农业大学