Modelo de predicción de temperatura de pocilga basado en ISSA-LSSVM
Autores: Zhang, Yuqing; Zhang, Weijian; Wu, Chengxuan; Zhu, Fengwu; Li, Zhida
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Modelo de predicción de temperatura de pocilga basado en ISSA-LSSVM
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Temperatura
Pocilga
Control
Algoritmo
Predicción
Modelo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 44
Citaciones: Sin citaciones
La temperatura interna del chiquero tiene un gran impacto en los cerdos. Mantener la temperatura en el chiquero dentro de un cierto rango es un problema apremiante en el control ambiental. El método actual de regulación de la temperatura del chiquero se basa principalmente en el control manual y automático simple. Rara vez se emplea un control inteligente, y tales métodos directos tienen problemas como baja precisión de control, alto consumo de energía y falta de oportunidad, lo que puede llevar fácilmente a la aparición de condiciones de estrés por calor. Por lo tanto, este artículo propuso un algoritmo de búsqueda de gorriones mejorado (ISSA) basado en una mejora de múltiples estrategias para optimizar la máquina de vectores de soporte de mínimos cuadrados (LSSVM) para formar un modelo de predicción de temperatura del chiquero. En el proceso de optimización del algoritmo de búsqueda de gorriones (SSA), la posición inicial de la población de gorriones se generó primero utilizando el conjunto de puntos buenos inversos; en segundo lugar, se propuso una fórmula de actualización del número de población para ajustar automáticamente el número de descubridores y seguidores en función del número de iteraciones para mejorar la capacidad de búsqueda del algoritmo; finalmente, se aplicó la distribución t- adaptativa a la variación de la posición del descubridor para refinar la población de descubridores y mejorar aún más la capacidad de búsqueda del algoritmo. Se realizaron pruebas utilizando 23 funciones de referencia, y los resultados mostraron que ISSA superó a SSA. Al compararlo con los modelos LSSVM optimizados por cuatro algoritmos estándar, se probó el efecto de predicción del modelo ISSA-LSSVM. Al final, el modelo de predicción de temperatura ISSA-LSSVM tuvo un MSE de 0.0766, un MAE de 0.2105 y un R de 0.9818. Los resultados mostraron que el modelo de predicción propuesto tuvo el mejor rendimiento de predicción y precisión de predicción, y puede proporcionar un soporte de datos preciso para la predicción y control de la temperatura interna del chiquero.
Descripción
La temperatura interna del chiquero tiene un gran impacto en los cerdos. Mantener la temperatura en el chiquero dentro de un cierto rango es un problema apremiante en el control ambiental. El método actual de regulación de la temperatura del chiquero se basa principalmente en el control manual y automático simple. Rara vez se emplea un control inteligente, y tales métodos directos tienen problemas como baja precisión de control, alto consumo de energía y falta de oportunidad, lo que puede llevar fácilmente a la aparición de condiciones de estrés por calor. Por lo tanto, este artículo propuso un algoritmo de búsqueda de gorriones mejorado (ISSA) basado en una mejora de múltiples estrategias para optimizar la máquina de vectores de soporte de mínimos cuadrados (LSSVM) para formar un modelo de predicción de temperatura del chiquero. En el proceso de optimización del algoritmo de búsqueda de gorriones (SSA), la posición inicial de la población de gorriones se generó primero utilizando el conjunto de puntos buenos inversos; en segundo lugar, se propuso una fórmula de actualización del número de población para ajustar automáticamente el número de descubridores y seguidores en función del número de iteraciones para mejorar la capacidad de búsqueda del algoritmo; finalmente, se aplicó la distribución t- adaptativa a la variación de la posición del descubridor para refinar la población de descubridores y mejorar aún más la capacidad de búsqueda del algoritmo. Se realizaron pruebas utilizando 23 funciones de referencia, y los resultados mostraron que ISSA superó a SSA. Al compararlo con los modelos LSSVM optimizados por cuatro algoritmos estándar, se probó el efecto de predicción del modelo ISSA-LSSVM. Al final, el modelo de predicción de temperatura ISSA-LSSVM tuvo un MSE de 0.0766, un MAE de 0.2105 y un R de 0.9818. Los resultados mostraron que el modelo de predicción propuesto tuvo el mejor rendimiento de predicción y precisión de predicción, y puede proporcionar un soporte de datos preciso para la predicción y control de la temperatura interna del chiquero.