基于PCA-SVR-ARMA的狮头鹅养殖禽舍气温组合预测模型

来源：农业工程学报杂志2020年第11期北京时间：

作者：刘双印,黄建德,徐龙琴,赵学华,李祥铜,曹亮,温宝琴,黄运茂,

摘要：为提高狮头鹅养殖禽舍气温预测精度，提出了基于主成分分析（Principal Component Analysis，PCA）、支持向量回归机（Support Vector Regression，SVR）融合自回归滑动平均（Autoregressive Moving Average，ARMA）模型的狮头鹅养殖禽舍气温组合预测模型。在建模过程中，运用主成分分析法筛选狮头鹅养殖禽舍气温的关键影响因子，消除变量之间冗余信息，约简预测模型结构；采用SVR-ARMA构建狮头鹅禽养殖舍气温组合预测模型，先通过SVR对气温进行预测，再由基于ARMA模型的残差预测值修正气温预测结果。利用该模型对广东省汕尾市2018年7月21日至2018年7月30日期间的狮头鹅养殖禽舍气温进行预测。结果表明，该组合预测模型取得了良好的预测性能，与标准BP神经网络、标准SVR、PCA-BPNN（反向传播神经网络，Back Propagation Neural Network）、PCA-SVR和PCA-BPNN-ARMA等模型对比分析，其评价指标平均绝对误差、均方根误差和平均绝对百分比误差分别为0.183 2 ℃、0.454 0 ℃和0.005 9，均表明所提出的组合模型具有更高的预测效果，不仅能够满足狮头鹅养殖禽舍气温实际精准调控的需要，还为狮头鹅健康养殖和种苗繁育环境精细化管理提供决策。

关键词：畜禽舍, 温度, 模型, 预测, 支持向量回归机, 残差修正, 狮头鹅养殖, ARMA模型