[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

说明书

本发明涉及畜牧业的环境监测技术领域，公开了一种基于粒子群优化SVR模型的生猪热应激程度预测方法，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：将输入向量映射到高位向量特征空间，构造回归函数，并引入松弛变量；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。本发明能实现对生猪热应激行为高效快速的预测。

技术领域

本发明涉及一种基于粒子群优化SVR模型的生猪热应激程度预测方法，属于畜牧业的环境监测技术领域。

背景技术

现代畜牧业高度集约化、规模化的发展形式，促进了动物的生产效率，但同时也给动物的健康生长带来了安全隐患。当猪舍环境超越适温区上限，牲畜无法驱散体内多余的热量并保持恒定的体内温度时，会经历热应激行为，这对生猪的免疫系统、生长发育和生产机能具有不利影响，进而造成猪场养殖的经济损失。对于热应激的评估一般是直接测量牲畜体温，但就养殖场环境而言，测量体温需要大量劳动，难以实现；因此需要发明一种替代方法，可以使用可控的环境指标和生猪的生理机能评估其在热应激预测方面的适用性，实现对热应激的预测，并反馈环境参数调控方案，保持猪舍良好的生存环境条件，减缓热应激行为。

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粒子群优化SVR模型的生猪热应激程度预测方法。

本发明所述的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。

优选地，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。