[发明专利]基于粒子群优化SVR模型的生猪热应激程度预测方法

权利要求书

1.一种基于粒子群优化SVR模型的生猪热应激程度预测方法，其特征在于，包括以下步骤：

步骤S1：采集环境参数以及猪只的生理状态；

步骤S2：建立可评估热应激程度的参数TSI：通过步骤S1中采集到的环境参数以及猪只的生理状态，建立可评估热应激程度的参数TSI并通过具体参数得到相应数值；

步骤S3：建立SVR学习模型：对输入向量x_i、输出向量y_i建立SVR学习模型，并将输入向量x_i映射到高位向量特征空间，构造回归函数，引入松弛变量，具体公式如下：

其中，f(x_i)为回归函数；为输入变量投影到特征空间的映射；w^T和b为待确定模型参数；

引入松弛变量具体公式如下：

s.t.f(x_i)-y_i≤ε+ξ_i

y_i-f(x_i)≤ε+ξ_i^*

ξ_i≥0,ξ_i^*≥0,i＝1,2,……,n

其中，C为惩罚因子；ε为不敏感损失系数；ξ_i和ξ_i^*是松弛变量；

步骤S4：寻找SVR的最优训练模型，得到可评估热应激程度的热应激指数预测模型：采用粒子群算法对SVR学习模型中的惩罚因子进行寻优，最终得到可评估热应激程度的热应激指数。

2.根据权利要求1所述的基于粒子群优化SVR模型的生猪热应激程度预测方法，其特征在于，所述步骤S1中，通过检测装置采集猪舍内的环境参数，环境参数包括环境温度T_a、空气湿度RH、风速V、平均辐射T_r。

3.根据权利要求1所述的基于粒子群优化SVR模型的生猪热应激程度预测方法，其特征在于，所述步骤S1中，猪只的生理状态通过猪只的呼吸速率得到，猪只的呼吸速率通过猪只胸部的运动表现计算得到。

4.根据权利要求1所述的基于粒子群优化SVR模型的生猪热应激程度预测方法，其特征在于，所述步骤S2中可评估热应激程度的参数TSI的计算公式具体如下：

TSI＝T_a+β₁T_a

其中，T_a为环境温度；β₁为回归系数，β₁的计算公式具体如下：

RR＝β₀+β₁T_a

其中，RR为猪只的呼吸速率，β₀为线性回归截距，T_a为环境温度。

5.根据权利要求1所述的基于粒子群优化SVR模型的生猪热应激程度预测方法，其特征在于，所述步骤S3中将(T_a,RH,V,T_r)_i^T作为输入向量x_i，TSIi作为输出变量y_i，其中i＝1,2…n，n为样本数量；还引入了拉格朗日函数，其中核函数K(x_i,x)选用径向基核函数：

K(x_i,x)＝exp(-g||x_i-x||²)

式中x_i是输入向量，x是预测输入数据向量，g为核函数的宽度。