基于EMD-LSTM的猪舍氨气浓度预测研究

作     者：杨亮 刘春红 郭昱辰 邓河 李道亮 段青玲 YANG Liang;LIU Chunhong;GUO Yuchen;DENG He;LI Daoliang;DUAN Qingling

作者机构：中国农业大学信息与电气工程学院北京100083 北京市农业物联网工程技术研究中心北京100083 

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

年 卷 期：2019年第50卷第B7期

页      面：353-360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：国家重点研发计划项目(2016YFD0700200) 

主　　题：猪舍 氨气浓度 经验模态分解 长短时记忆神经网络 

摘      要：为提高猪舍氨气浓度预测的精度和效率,提出了基于经验模态分解和长短时记忆神经网络(EMD-LSTM)的猪舍氨气浓度预测模型。首先,将猪舍氨气浓度时间序列数据进行经验模态分解,得到不同时间尺度下的固有模态分量(IMF);然后,对IMF建立LSTM氨气浓度预测模型;最后,将各分量的预测结果相加求和作为猪舍氨气浓度的最终预测值。将本文提出的预测模型应用于江苏省宜兴市实验基地某养猪场的氨气浓度预测中,并与Elman模型、循环神经网络(RNN)模型、LSTM模型和EMD-LSTM模型进行了对比实验,结果表明,基于EMD-LSTM模型的预测精度较高,预测结果与真实值相比较,平均绝对误差、平均绝对百分误差和均方根误差为0.0723mg/m^3、0.6257%和0.0945mg/m^3。