[发明专利]一种基于向量自回归模型的蛋鸡产性能分析方法

权利要求书

1.一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，包括以下步骤：

S1、采集现代化鸡舍蛋鸡的历史产蛋数据和历史产蛋影响因素数据；

S2、对数据进行预处理；

S3、估计VAR模型，对未来产蛋率进行预测；

S4、通过脉冲响应与方差分解分析影响因素对产蛋性能的影响程度和时延效果。

2.根据权利要求1所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述S1中，产蛋产蛋数据包括产蛋率与平均蛋重，影响因素包括蛋鸡采食量、蛋鸡采水量、蛋鸡日龄、室内温度和室内湿度，产蛋率的采集方法为：以蛋鸡每天的总产蛋量除以蛋鸡的存活数，得到日只均产蛋率，平均蛋重的采集方法为，以蛋鸡每天的合格鸡蛋的总重量除以合格鸡蛋的个数，得到日平均蛋重。

3.根据权利要求2所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述蛋鸡采食量的采集方法为：以蛋鸡每天的总采食量除以蛋鸡的存活数，得到每只蛋鸡每天的采食量。

4.根据权利要求2所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述蛋鸡采水量的采集方法为：以蛋鸡每天的总采水量除以蛋鸡的存活数，得到每只蛋鸡每天的采水量。

5.根据权利要求2所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述温度的采集方法为：采集当天鸡舍的最高温度，最低温度和平均温度，所述湿度的采集方法为：采集当天鸡舍的最高湿度、最低湿度和平均湿度。

6.根据权利要求1所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述S2具体为：剔除离群值，对缺失数据进行插值填充，对数据进行稳定性检测，对不稳定的数据进行差分处理，直至数据平稳。

7.根据权利要求1所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述S3具体为：在建立VAR模型前需要确定滞后阶数p，依据AIC、FPEC、HQC检测准则，确定滞后阶数，建立无约束的VAR模型，通过计算残差累计和来检验模型的稳定性，累若计残差和在稳定区间内波动，结果表明模型稳定，将得到的预测值通过逆差分处理后则得到最后的预测结果。

8.根据权利要求1所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述S4具体为：对得到的模型进行脉冲相应和方差分解分析，将得到的结果通过绘图制表等方式可视化，将各个影响因素对产蛋性能的影响程度与时延效果直观的呈现给养殖者。

9.根据权利要求2所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述室内温度通过传感器进行采集，传感器的数量为5个，5个传感器分别对室内的五个位置的温度进行采集，五个传感器采集的数据均传输至控制中心，对数据进行分析，提取出最高的五个温度数据和最低的五个温度数据，若每个最高的温度数据之间的差不大于2℃，则取最高的温度数据中的最大值为最高温度，同理，取五个最低温度数据中的最低值为最低温度数据，若数据差大于2℃，则取五个最高温度数据的平均值为最高温度，取五个最低温度数据的平均值为最低温度。

10.根据权利要求9所述的一种基于向量自回归模型的蛋鸡产性能分析方法，其特征在于，所述五个位置分别为四周和中央位置，将5个传感器分别布置在这五个位置，同时对5个传感器进行标记，控制中心在接收传感器传输的数据时，同时根据标记对数据进行分类，将数据分为五组，对同一时间采集的数据进行分析，制定温度曲线图，用于观察温度变化。