[发明专利]设施投料预测方法和系统

说明书

技术领域

本发明涉及物联网领域，特别涉及一种设施投料预测方法和系统。

背景技术

随着人工成本的逐渐上涨和智能化传感设备在企业生产领域的不 断渗透，物联网技术与决策支持方法在设施养殖领域中越发受到重视。

目前，传统设施养殖中饲料的投放一直遵循养殖经验和科学数据指 导下的半自动投放，饲料投放量的控制实质由人为决定并实际操作。图 1为现有技术中的投料控制示意图。其中，通过定时投料及手动投料以 满足设施养殖投料需求，在出现实际偏差时，由人工进行巡检纠偏。

普遍情况下，企业设施养殖饲料投放的实际情况是通常投放量偏离 真实需求。投放量过多造成浪费成本，过少又不能满足动物正常生长需 求。企业为了控制饲料投放的精度增加多次人工巡检和投放操作产生大 量额外的人工成本。

发明内容

本发明实施例提供一种设施投料预测方法和系统，通过构建BP神 经网络模型，确定BP神经网络模型各层间的连接权重，从而可利用 BP神经网络模型预测出一定周期内设施养殖的最佳投放量，据此进行 投放和检测，可达到优化设施投料工艺，节省投料成本，降低人工成本 和提升设施养殖品质的目的。

根据本发明的一个方面，提供一种设施投料预测方法，包括：

构建后向传播BP神经网络模型；

从数据库读取待预测数据和样本数据，并进行归一化处理，其中待 预测数据与设施养殖环境中的温度、质量、时间、养殖数量和单位质量 投料成本相关；

将经归一化处理的样本数据输入BP神经网络模型进行学习，以确 定BP神经网络中各层之间的连接权重参数；

将经归一化处理的待预测数据输入BP神经网络模型，以便BP神 经网络模型根据各层间的连接权重参数对经归一化处理的待预测数据 进行计算，从而得到预测投料量。

在一个实施例中，BP神经网络模型包括输入层、隐层和输出层， 其中在隐层中，第j个神经元节点的输入为：

Ij=Σi=1nωijxi+θj]]>

其中1≤j≤m，m为隐层中神经元节点的个数，1≤i≤n，n为输入 层中神经元节点的个数，x_i为输入层中第i个神经元节点提供的输入数 据，ω_ij为隐层中第j个神经元节点与输入层中第i个神经元节点的连接 权重，θ_j为隐层中第j个神经元节点的阈值。

在一个实施例中，隐层中第j个神经元节点的输出为：

O_j＝f(I_j)

其中f为传递函数。

在一个实施例中，传递函数为：

f(x)=11+e-x.]]>

在一个实施例中，输入层中的神经元节点个数n为5；

隐层中神经元节点的个数m为6；

输出层中包括一个神经元节点。

在一个实施例中，输出层神经元节点的输出为：