基于ARIMA和BP神经网络的猪舍氨气浓度预测

论文摘要

为了从源头减少生猪养殖过程中的氨气排放,降低猪舍氨气浓度,提出了基于ARIMA-BP神经网络的猪舍氨气浓度组合预测方法,分别从最优权重和残差优化角度对基于ARIMA-BP神经网络的组合预测方法进行了对比研究.将该预测方法应用于江苏省宜兴市某养猪场的氨气浓度预测中,预测结果表明:基于ARIMA-BP神经网络残差优化组合预测方法的预测精度最高,与BP神经网络、ARIMA预测方法和基于ARIMA-BP神经网络最优权重组合预测方法对比分析,评价指标MAE、MAPE和RMSE分别为0.0319、0.1580%和0.0365.本文提出的氨气预测方法可以为猪舍环境精准化调控管理提供科学依据以减小猪舍氨气排放对生态环境的污染.

论文目录

• 1 研究方法
•   1.1 ARIMA模型
•   1.2 BP神经网络
•   1.3 组合预测方法与实现步骤
•     1.3.1 基于最优权重的组合预测方法
•     1.3.2 基于残差优化的组合预测方法
•   1.4 预测结果评价方法
• 2 案例应用
•   2.1 数据来源
•   2.2 数据分析与预处理
•   2.3 预测仿真实验与结果分析
• 3 结论

文章来源

类型: 期刊论文

作者: 刘春红,杨亮,邓河,郭昱辰,李道亮,段青玲

关键词: 猪舍,氨气浓度,组合预测方法,最优权重,残差优化

来源: 中国环境科学 2019年06期

年度: 2019

分类: 工程科技Ⅰ辑,农业科技

专业: 环境科学与资源利用,农业基础科学

单位: 中国农业大学信息与电气工程学院,北京市农业物联网工程技术研究中心

基金: “十三五”国家重点研发计划(2016YFD0700204)

分类号: X713;X831

DOI: 10.19674/j.cnki.issn1000-6923.2019.0276

页码: 2320-2327

总页数: 8

文件大小: 1489K

下载量: 539