[发明专利]基于最优延时去趋势和逐步回归的鸡舍生产预测方法

说明书

本发明涉及一种基于最优延时去趋势和逐步回归的鸡舍生产预测方法，属于养殖业生产信息预测技术领域。本发明包括如下步骤：S1：鸡舍生产预测模型的建立：建立过程分为如下两个维度：S11：生产数据时间序列、S12：环境数据时间序列；S2：鸡舍生产预测模型的预处理：S21：生产数据时间序列的DFA去趋势处理、S22：环境数据时间序列的SCCF分析最优延时；S3：环境因素逐步回归方程的建立、S4：产蛋量波动回归曲线的拟合、S5：未来鸡舍生产信息的预测。本发明广泛结合鸡舍环境和生产信息预测未来生产的技术，能够准确预测鸡的生产信息，使得养殖产品的质量和数量都大幅提高，提高养殖户的收益。

技术领域

本发明涉及一种基于最优延时去趋势和逐步回归的鸡舍生产预测方法，属于养殖业生产信息预测技术领域。

背景技术

目前的养殖技术为传统养殖技术和现代养殖技术相结合的方式，且传统养殖技术的比重相对较大，由于某些地区对于科学养殖的认知不高，养殖技术掌握不够成熟，导致鸡舍生长环境较差，使得养殖产品的质量和数量都大幅降低，影响最终的收益。目前结合鸡舍环境和生产信息预测未来生产的技术应用不是很广泛，因此发明一种能够准确预测鸡的生产信息的方法是十分有意义的。

发明内容

针对现有技术存在的上述缺陷，本发明提出了一种基于最优延时去趋势和逐步回归的鸡舍生产预测方法。

本发明所述的基于最优延时去趋势和逐步回归的鸡舍生产预测方法，包括如下步骤：

S1：鸡舍生产预测模型的建立：建立过程分为如下两个维度：

S11：获取历史时间段内的鸡舍日产蛋数据，组成生产数据时间序列，并存储于计算机内；

S12：获取历史时间段内的温度、湿度、二氧化碳浓度、负压、风速数据，组成环境数据时间序列，并存储于计算机内；

S2：鸡舍生产预测模型的预处理：通过数据预处理技术对鸡舍生产预测模型中的异常数据剔除，其中：所述数据预处理技术分为如下小步：

S21：生产数据时间序列的DFA去趋势处理，包括如下小步：

建立鸡舍产蛋量新序列y(i)：

式中：x为原鸡舍生产序列的均值；x_k为k时刻鸡舍产蛋量；N为鸡舍生产序列的区间长度；

对区间长度为N的鸡舍产蛋量新序列y(i)进行划分，得到互不重叠的等长度为S的子区间；

对每个子区间的数据进行多项式回归拟合，得到鸡舍生产信息局部趋势函数y_v(i)，以消除鸡舍生产数据时间序列各子区间内趋势，计算其方差均值公式如下：

式中：v为不同数据段的标号；s为新数据序列的长度；y为鸡舍数据产蛋量序列；Ns为序列重构后区间的个数；

确定全序列的q阶波动函数，计算出去趋势后的产蛋量波动序列F₀(s)：

式中：exp{}为以e为底的指数计算公式；2Ns为二倍的区间个数；1/q为DFA中波动函数阶次的倒数；

S22：环境数据时间序列的SCCF分析最优延时，包括如下小步：

获取DFA去趋势处理的生产数据时间序列，并分析其与本地的环境数据时间序列的相关性，包括如下情况：

情况一：通过数据序列窗口滑动分析，当环境数据时间序列与生产数据时间序列的相关性小于某一阈值，则继续滑动寻找；