基于LightGBM-SSA-ELM的新疆羊舍CO_(2)浓度预测

作     者：尹航 吕佳威 陈耀聪 岑红蕾 李景彬 刘双印 YIN Hang;L Jiawei;CHEN Yaocong;CEN Honglei;LI Jingbin;LIU Shuangyin

作者机构：仲恺农业工程学院信息科学与技术学院广州510225 北京市农林科学院信息技术研究中心北京100097 广东省农产品安全大数据工程技术研究中心广州510225 石河子大学机械电气工程学院石河子832003 仲恺农业工程学院广州市农产品质量安全溯源信息技术重点实验室广州510225 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第1期

页      面：261-270页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61871475) 广东省自然科学基金项目(2021A1515011605) 现代农业机械兵团重点实验室开放项目(BTNJ2021002) 广州市创新平台建设计划项目(201905010006) 广州市重点研发计划项目(20210300003) 广东省科技厅重点领域研发计划项目(2020B0202080002) 

主　　题：羊舍 集约化养殖 CO_(2)质量浓度预测 极限学习机 麻雀搜索算法 分布式梯度提升框架 

摘      要：为减少肉羊集约化养殖过程中因环境恶化产生的应激反应,精准调控CO_(2)质量浓度,提出了基于分布式梯度提升框架(LightGBM)、麻雀搜索算法(SSA)融合极限学习机(ELM)的CO_(2)质量浓度预测模型。首先利用LightGBM筛选出与CO_(2)质量浓度相关的重要特征,降低预测模型的输入维度;然后选择Sigmoid为激活函数,使用具有较强非线性处理能力的单隐含层ELM神经网络算法构建CO_(2)质量浓度预测模型;最后通过麻雀智能优化算法对ELM模型中所需要的超参数进行优化,并将优化后模型应用于新疆玛纳斯集约化肉羊养殖基地。试验结果表明,该模型预测均方根误差(RMSE)、平均绝对误差(MAE)和决定系数(R^(2))分别为0.0213 mg/L、0.0136 mg/L和0.9886,综合性能指标优于支持向量回归(SVR)、反向传播神经网络(BPNN)、长短记忆神经网络(LSTM)、门限循环单元(GRU)和LightGBM等;CO_(2)质量浓度预测曲线贴近真实曲线,具有良好的预测效果,能有效满足集约化肉羊养殖过程中CO_(2)质量浓度精准预测及调控要求。