[发明专利]一种基于极限学习机的蛋鸡生产性能时间序列预测模型

摘要

提出了一种基于极限学习机的蛋鸡生产性能时间序列预测模型，并以该模型对蛋鸡的死淘率、产蛋率、平均蛋重和料蛋比4项生产性能指标进行预测。首先选取两批海兰褐蛋鸡从开始产蛋直至售出期间指标数据构建时间序列模型；然后将第一批蛋鸡数据样本用于ELM网络训练，建立预测模型，将第二批数据用于模型预测性能的验证；最后将极限学习机预测模型与支持向量机、BP神经网络预测模型进行比较。实验结果表明，所建立的极限学习机预测模型能够准确地预测生产性能指标的变化规律，四项指标预测数值与实际样本的相关系数为0.992、0.990、0.970和0.921，均方误差分别为3.048e‑04、0.515、0.311和0.002，并且模型训练、测试耗时短，性能优于BP神经网络，与支持向量机相差不多。本文提出的方法为蛋鸡生产性能预测研究提供参考。

主权项

1.一种基于极限学习机的蛋鸡生产性能时间序列预测模型，其特征在于选取海兰褐蛋鸡的死淘率、产蛋率、平均蛋重和料蛋比4项生产性能指标数据构建ELM预测模型，然后以此模型，预测蛋鸡生产性能变化。