[发明专利]基于DA-RNN的畜禽舍内环境多步滚动预测方法

权利要求书

1.一种基于DA-RNN的畜禽舍内环境多步滚动预测方法，其特征是该方法基于畜禽舍内的环境影响因素和舍内环境温湿度的历史数据进行训练，建立DA-RNN神经网络模型；通过DA-RNN神经网络模型对从开始时刻到当前时刻T采样的T条环境影响因素数据{x₁，x₂，...，x_T}和舍内环境温湿度数据{y₁，y₂，...，y_T}进行处理，获取自现在起待预测的τ组舍内环境温湿度{y_T+1，y_T+2，...，y_T+τ}，处理步骤具体包括：

S1、采用编码器对输入对从开始时刻到当前时刻T采样的T条环境影响因素数据{x₁，x₂，...，x_T}和舍内环境温湿度数据{y₁，y₂，...，y_T}进行编码，获取舍内环境温湿度数据的趋势性信息，并编码到隐状态中，获取T组编码隐状态数据；

S2、采用解码器对神经网络学习后的T组隐状态数据进行解码，取出其中包含的时序趋势信息作为上下文信息；将解码隐状态和上下文信息共同作为预测网络的输入，生成单步预测结果；

S3、根据解码隐状态和上下文信息计算预测头数据y_T+1；

S4、根据环境影响因素数据{x₁，x₂，...，x_T}编码隐状态信息，将一次预测结果即预测头数据与舍内环境温湿度数据{y₁，y₂，...，y_T}拼接并抽取最后的T个数据，得到(y₂，...，y_T，y_T+1)，将此信息输入模型即返回S1，经过处理得到y_T+2；重复上述步骤，完成y_T+τ的预测。

2.根据权利要求1所述的基于DA-RNN的畜禽舍内环境多步滚动预测方法，其特征在于：畜禽舍内环境影响因素包括室外环境因素和舍内设备运行状态；所述的室外环境因素包括天气预报，所述的舍内设备运行状态包括设备开关状态。

3.根据权利要求1所述的基于DA-RNN的畜禽舍内环境多步滚动预测方法，其特征在于：通过样本自相关系数ACF确定模型输入所需的时间序列长度为T，即获取T组采样数据。