农业机械学报

作者：谢秋菊，马超凡，王圣超，包军，刘洪贵，于海明

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,东北农业大学,东北农业大学,

关键词：猪舍空气质量;环境控制;时序预测;残差

基金：国家自然科学基金面上项目（32072787）、东北农业大学东农学者计划项目(19YJXG02)和黑龙江省博士后资助项目（LBH-Q21070）

NH3质量浓度和CO2质量浓度是猪舍环境精准控制的重要指标。由于畜禽舍气体浓度具有时变性、非线性耦合等特点，目前有害气体浓度预测模型存在预测精度低的问题。提出了基于门控制循环单元（Gated recurrent unit，GRU）、改进麻雀搜索算法（Improved sparrow search algorithm，ISSA）并融合差分整合移动平均自回归模型（Autoregressive integrated moving average model，ARIMA）的有害气体浓度时序数据预测模型ISSA-GRU-ARIMA。首先构建了GRU气体浓度时序预测模型，然后通过引入Tent混沌序列、混沌扰动和高斯变异增强ISSA算法的局部寻优能力，实现GRU模型超参数优化；然后利用统计学习ARIMA方法提取优化后的ISSA-GRU模型预测残差的线性特征，最终达到提升模型预测精度的目的。以采集的52d猪舍环境的1248组数据对模型进行训练和测试。结果表明，ISSA-GRU-ARIMA模型NH3质量浓度预测的均方根误差（RMSE）、平均绝对百分比误差（MAPE）和决定系数R2分别为0.263mg/m3、8.171%和0.928，CO2质量浓度预测的分别为55.361mg/m3、4.633%和0.985。本文构建的ISSA-GRU-ARIMA模型具有较高的预测精度，可为猪舍有害气体浓度精准控制提供科学依据。

来源：2023年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第7期