[发明专利]基于DA-RNN的畜禽舍内环境多步滚动预测方法

说明书

本发明提供一种基于DA‑RNN的畜禽舍内环境多步滚动预测方法，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和舍内环境温湿度数据行处理，获取自现在起待预测的τ组舍内环境温湿度。该方法通过对固定窗口的已知时间序列特征进行提取，借助上下文信息指导滚动多步预测，有效提高了畜禽舍内环境变化多步预测的精度。

技术领域

本发明属于设施农业，特别是畜禽舍内环境预测领域，根据已知农业设施内外影响因素的时间序列数据，对调控措施影响下的畜禽舍内环境变化进行预测，进而产生合理的优化调控方案，适用于畜禽舍内环境智能调控研究与应用。

背景技术

适宜的设施农业环境是农业高效生产的保障，传统的设施农业环境调控多采用阈值调控法，虽然简单易行，但方法灵活度低、能耗高、系统稳定性差，依赖管理员的经验。随着物联网传感器技术的发展，设施内外环境实时采集与处理技术已经成熟，研究高精度的设施环境多步预测方法，对实现农业设施环境优化调控、节能减碳都具有重要意义。

目前国内外学者针对不同设施农业环境建立了基于BP、LSTM神经网络的小气候模拟模型，取得了良好的效果，研究表明人工神经网络在设施农业环境预测方面切实可行，但这些预测模型多数只能进行单步预测，即短期预测，扩展到多步预测任务上，其精度会迅速下降，不能满足优化调控的要求。

发明内容

本发明的目的是针对畜禽舍内环境的预测问题，提出一种基于DA-RNN的畜禽舍内环境多步滚动预测方法。该方法通过长度为T的已知时间序列，通过两阶段注意力编解码器神经网络完成趋势特征和当前状态的挖掘，然后利用挖掘到的特征实现高精度的畜禽舍内环境变化单步预测，使用滚动预测策略完成多步预测任务。

本发明的技术方案是：

本发明提供一种基于DA-RNN的畜禽舍内环境多步滚动预测方法，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。