基于超参数优化算法的随机森林模型预测奶牛呼吸频率

作     者：严格齐 赵婉莹 于镇伟 焦洪超 林海 李浩 施正香 王朝元 YAN Geqi;ZHAO Wanying;YU Zhenwei;JIAO Hongchao;LIN Hai;LI Hao;SHI Zhengxiang;WANG Chaoyuan

作者机构：山东农业大学动物科技学院泰安271018 中国农村技术开发中心北京100045 山东农业大学机械与电子工程学院泰安271018 中国农业大学水利与土木工程学院北京100083 农业农村部设施农业工程重点实验室北京100083 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2024年第40卷第11期

页      面：195-203页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 082804[工学-农业电气化与自动化] 0828[工学-农业工程] 08[工学] 0706[理学-大气科学] 0901[农学-作物学] 0835[工学-软件工程] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家现代农业产业技术体系资助项目(CARS36) 国家重点研发计划项目(2023YFD2000702) 

主　　题：奶牛 呼吸频率 模型 元启发式算法 贝叶斯优化 随机森林 

摘      要：奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林(random forest,RF)算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法(genetic algorithm,GA)、差分进化(differential evolution,DE)算法、粒子群优化(particle swarm optimization,PSO)算法、贝叶斯优化(Bayesian optimization,BO)算法对模型超参数进行优化,并与网格搜索(grid search,GS)下的人工神经网络(artificial neural network,ANN)和极限梯度提升机(extreme gradient boosting,XGBoost)模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数(adjusted temperature-humidity index,ATHI)、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614次/min、7.723次/min、14.4%、9.737次/min,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性(relative importance,RI)为0.73,其次是时间区域(RI=0.09)和奶牛产奶量(RI=0.07)。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。