农业机械学报

作者：谢秋菊，郑萍，包军，苏中滨

单位：东北农业大学,东北农业大学,东北农业大学,东北农业大学,

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

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）和国家重点研发计划项目（2016YFD0800602）

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。

来源：2020年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第10期