申请/专利权人：江苏大学

申请日：2020-08-21

公开（公告）日：2024-03-22

公开（公告）号：CN112149870B

主分类号：G06Q10/04

分类号：G06Q10/04;G06F18/23;G06F18/22;G06N3/0499;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.01.15#实质审查的生效;2020.12.29#公开

摘要：本发明公开了一种基于ISODATA聚类与Elman神经网络的猪舍氨气浓度组合预测方法，属于环境智能监控技术领域。包括：步骤一：采用灰色关联度方法筛选猪舍内影响氨气浓度的关键因子，降低输入维度；步骤二：自定义相似日统计量——相似度，应用ISODATA聚类方法把历史日样本分成若干类，分类识别出与预测日相似度最大的一类历史日样本集；步骤三：将相似度最大的那一类与预测日的实测环境因素作为预测模型的输入样本，建立Elman神经网络氨气浓度预测模型。与未经过相似日聚类的Elman神经网络预测方法相比，本组合预测方法能够提高猪舍中氨气预测的精度，连续预测的性能能够满足生猪养殖业对氨气浓度精细化管控的高要求。

主权项：1.一种基于ISODATA聚类与Elman神经网络的猪舍氨气浓度组合预测方法，其特征在于，包括：步骤S1：采用灰色关联度筛选猪舍内影响氨气浓度的关键因子，降低输入维度；步骤S2：采用ISODATA聚类方法把历史日样本分成若干类，分类识别出与预测日相似度最高的一类历史日样本集；所述步骤S2的具体过程包括：S2.1选定初始值，从输入数据点开始随机选择一个聚类中心k，将温度、湿度、氨气、CO2、硫化氢环境参数样本X按指标分配到各个簇类中心中去，进行各环境因子关联度的聚类中心值选取，通过环境样本中心自迭代，得到环境因子样本数据空间的最佳聚类数s；S2.2计算当前和每个簇中心之间的标准差和相似度距离；S2.3将前一次获得的聚类集进行分裂和合并处理，当某一类的标准差大于用户定义的阈值，将其分裂成两类；当距离小于用户定义的阈值，则合成一类，获得新的聚类中心；S2.4重复步骤2.1-2.3，迭代运算，计算各项指标，判断聚类结果是否满足群集要求；经过多次迭代后，结果收敛，则操作结束，根据相似度统计量公式算出预测日样本同各个聚类中心的相似度，选取相似度最大的簇为预测日样本的所属簇；步骤S3：将相似度最大的那一类样本与预测日的实测环境因素作为预测模型的输入样本，建立Elman神经网络获得最终氨气的预测值；所述步骤S3的Elman神经网络的设计包括如下：采用四层Elman神经网络结构：输入层、隐藏层、上下文层和输出层；输入层单元仅在信号传输中起作用，输出层单元起线性加权的作用；隐藏层单元的传递函数是线性或非线性函数；上下文层用于反馈前一个时间步骤中的隐藏层的输出，作为延迟算子，用于记忆输出隐藏层单元的上一瞬间的值并将其返回到网络的输入；每层中包含的神经元用于将信息从一层传到另一层，上下文层中隐藏状态神经元激活的变化动态如公式8： 式中，Skt和Ijt分别表示上下文层和输入神经元的输出；Vik和Wij表示他们对应的权重；g·是sigmoid传递函数；隐藏层节点转移函数为tansig、输出层节点转移函数为purelin；隐藏层和上下文单元之间的这些连接以权重1固定，采用反向传播学习算法将输入层的信息通过标准的前馈网络进行传播；网络共有5个输入神经元，分别为温度、湿度、光照、CO2和NH3，11个上下文神经元、11个隐藏神经元和1个输出神经元，即NH3浓度的预测值；其中输入层的输入数据进行归一化处理，将每个值转换为0到1之间。

全文数据：

权利要求：

百度查询： 江苏大学 一种基于ISODATA聚类与Elman神经网络的猪舍氨气浓度组合预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD