采用多源信息融合的妊娠猪舍环境质量评价方法

来源：农业工程学报杂志2022年第18期北京时间：

作者：迟宇,郭艳娇,冯涵,李寒,郑永军,

摘要：妊娠猪舍作为养殖场猪只繁育的基础条件，其环境质量对母猪的生产性能有显著影响。为合理评价妊娠猪舍环境质量，该研究提出一种基于模拟退火的粒子群算法（Simulated Annealing-Particle Swarm Optimization，SA-PSO）、套索算法（Least Absolute Shrinkage and Selection Operator，LASSO）和反向传播（Back Propagation，BP）神经网络的环境质量评价模型。利用卡尔曼滤波和分批估计自适应加权融合算法，实现多节点环境数据的时间与空间数据融合；构建猪舍环境质量非线性评价模型，采用LASSO算法，筛选得出与环境质量强相关的特征参数，实现输入降维；融合SA-PSO算法实现网络初始权值和阈值的优化，形成SA-PSO-LASSO-BP神经网络评价模型。通过对数据采集系统获取的实际妊娠猪舍环境数据进行验证，结果表明：提出的环境质量模型决定系数为0.918、总准确率为95.85%，相比单纯使用BP神经网络，加入LASSO和SA-PSO算法后决定系数与总准确率分别提高了37.43%、11.09%，具有更高的评价精度和性能，可更好地拟合复杂环境参数与环境质量间的非线性关系，为妊娠猪舍环境质量评价提供参考。

关键词：模型, 环境, 妊娠猪舍, 环境质量, BP神经网络, LASSO算法, SA-PSO算法