基于变量选取优化和AHP的蛋鸡舍环境适宜度评价方法技术

本发明专利技术涉及一种基于变量选取优化和AHP的蛋鸡舍环境适宜度评价方法，其特征在于，包括以下步骤：采集蛋鸡舍的环境参数，统计蛋鸡的生产数据；其中，蛋鸡的生产数据包括产蛋量、合格率和只耗料三个参数；将蛋鸡舍环境参数和蛋鸡生产数据作为数据样本，选取训练样本和测试样本；以训练样本中的蛋鸡舍的环境参数x

【技术实现步骤摘要】
基于变量选取优化和AHP的蛋鸡舍环境适宜度评价方法


[0001]本专利技术涉及一种基于变量选取优化和AHP的蛋鸡舍环境适宜度评价方法，属于畜禽养殖的环境监测


技术介绍

[0002]目前畜禽养殖正趋于规模化、集约化、产业化的发展形式，这种转型得到国家的政策支持，能降低养殖成本、促进生产效率进而提高效益，但集中养殖对环境的安全监管带来巨大挑战，如温度、湿度、氨气浓度和空气质量等因素都是鸡群发病的助推因子，养殖场的环境状况直接关系畜禽生长健康和畜禽产品的质量。对于蛋鸡养殖，鸡舍环境适宜度的精准评估能对环境的宏观调控作出预警，有效提高安全防疫的能力。而随着养殖规模的扩大，传统的人工监测技术已不能满足需求，对养殖环境监控提出了自动化、智能化的革新要求。因此，环境适宜度的科学评估尤为重要。
[0003]鸡舍环境的适宜度受多种因素影响，畜禽的相关生产数据直观反映了养殖环境的优劣。环境各因素对环境适宜度评价的定量作用难以评估，为避免缺少重要自变量而引起的预测偏差，通常对自变量应选尽选，但这同时造成了模型训练资源的浪费。所以在建模过程中自变量选取的优化具有重要意义，通过寻找具有强影响力的因素作为自变量集合能够提高模型的解释性和预测精度；结合AHP层次分析方法可以进一步忽略主观因素的影响，提高评价模型的客观准确性。综上，本专利技术提出一种基于变量选取优化和AHP的蛋鸡舍环境适宜度评价模型，能实现对养殖环境适应度的科学评估，反馈预警信息保持鸡舍良好生存条件，可以提高经济效益具有实用价值。

技术实现思路

[0004]本专利技术提出一种基于变量选取优化和AHP的蛋鸡舍环境适宜度评价方法，该评价方法综合了环境因素与蛋鸡生产状况。其中为解决蛋鸡生产数据统计的不便性，建立了通过环境因素对生产数据预测表征的回归模型，并使用AHP层次分析法得到预测所得生产数据对环境适宜度评价的权重，最后通过模糊评价得到环境适宜度指标。在该过程中，通过增加惩罚规则对生产数据回归模型的变量选择进行了优化，有效解决了模型复杂容易陷入过拟合的问题；另外，适宜度评价中使用AHP方法在一定程度上削弱了主观因素的影响。综合来看，本专利技术能够实现对蛋鸡舍生存环境的客观有效且科学的评价。技术方案如下：
[0005]一种基于变量选取优化和AHP的蛋鸡舍环境适宜度评价方法，其特征在于，包括以下步骤：
[0006]S1：采集蛋鸡舍的环境参数，统计蛋鸡的生产数据；其中，蛋鸡的生产数据包括产蛋量、合格率和只耗料三个参数；将蛋鸡舍环境参数和蛋鸡生产数据作为数据样本，选取训练样本和测试样本；
[0007]S2：以训练样本中的蛋鸡舍的环境参数x
i
为自变量，蛋鸡的生产数据y
i
为因变量建立回归模型，具体步骤如下：
[0008]步骤S21：回归方程形式如下：
[0009][0010]其中m为自变量所包含的参数数量，β为截距，α
j
为第j个自变量对应的系数，i表示第i个样本；
[0011]步骤S22：构建增加了惩罚项的代价函数，通过求解最小值对模型回归系数进行计算，代价函数f(α)形式如下：
[0012][0013]式中n表示样本数量，α为自变量系数，γ为惩罚参数，该值取值越大，对自变量的选取越严格；
[0014]步骤S23：回归结果中相对不重要的变量系数被置为0；确定参与回归计算的自变量及其对应的系数，建立回归模型；
[0015]步骤S24：将测试集带入步骤S23建立的回归模型测试，若精度不满足要求，则重复步骤S22，若满足则确定最终回归模型；
[0016]S3：采集蛋鸡舍的环境参数，代入已建立的最终回归模型对蛋鸡的生产数据即产蛋量、合格率和只耗料进行预测；
[0017]S4：使用AHP层次分析法获取产蛋量、合格率和只耗料对环境适宜度的权重集V，具体步骤如下：
[0018]步骤S41：构建AHP层次分析模型，将蛋鸡的生产数据产蛋量、合格率和只耗料作为准则层的评价指标，表示为P＝{p1,p2,p3}，p1、p2、p3分别对应准则层的三个评价指标产蛋量、合格率和只耗料；
[0019]步骤S42：构建判断矩阵B：采用专家经验获取生产数据各要素对环境适宜度评价的重要程度的得分，进行两两比较，确定判断矩阵B；
[0020]步骤S43：层次单排序：依据判断矩阵B对各准则的重要性进行排序，计算判断矩阵的最大特征根λ
max
和特征向量V，即需满足BV＝λ
max
V；特征根与特征向量采用和法进行求解，首先求行元素累积的1/k次幂
[0021][0022]式中k为准则层指标个数；
[0023]将V
i
进行归一化，结果表示各准则的排序权重：
[0024][0025]式中v
i
表示第i个准则对应的权重；
[0026]步骤S44：计算随机一致性比率C.R；
[0027]步骤S45：判断是否满足C.R.<0.1，若符合则表明判断矩阵在容许的范围内，V确定为各准则权重集；否则重新构造判断矩阵，重复步骤S41～S44，直至符合一致性检验；
[0028]步骤S5：结合模糊评判方法建立环境适宜度模型；
[0029]步骤S6：监测环境适宜度评价结果，对恶劣环境进行预警。
[0030]进一步地，以所获取蛋鸡舍中的温度、湿度、风速、CO2浓度、H2S浓度、光照强度和PM2.5浓度来作为环境参数。
[0031]进一步地，步骤S5具体如下：
[0032]步骤S51：建立评语集，划分鸡舍环境适宜度为非常适宜、较适宜、适宜、不适宜、很不适宜五个程度，表示为：
[0033]W＝{w1,w2,w3,w4,w5}
[0034]式中w1、w2、w3、w4、w5分别表示很适宜、较适宜、适宜、不适宜和很不适宜。
[0035]步骤S52：确定蛋鸡的生产数据P各参数对评语集W的隶属程度；由专家经验确定使用梯形函数对隶属度分布进行拟合，确定单因素评价矩阵S。
[0036]步骤S53：结合AHP所得各准则权重矩阵V和单因素评价矩阵S计算综合评价矩阵F，计算公式如下：
[0037]F＝V
·
S＝(f1,f2,f3,f4,f5)
[0038]使用加权平均算子对准则层各指标对应的评价矩阵f
j
进行合成运算：
[0039][0040]式中i为第i个准则层指标，k为准则层指标个数；进行归一化处理后，所得最大值f
’
所对应的评语即为环境适宜度评价结果。
[0041]本专利技术所述的基于变量优化选取和AHP的蛋鸡舍环境适宜度评价方法，具有以下有益效果：
[0042](1)本专利技术提出的蛋鸡舍环境适宜度评价模型综合变量选取优化和AHP方法的优越性，有效精简了自变量集合并控制模型复杂度，避免了过度拟合问题；并且评价模型综合分析环境因素和生产状态，能实现对环境本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变量选取优化和AHP的蛋鸡舍环境适宜度评价方法，其特征在于，包括以下步骤：S1：采集蛋鸡舍的环境参数，统计蛋鸡的生产数据；其中，蛋鸡的生产数据包括产蛋量、合格率和只耗料三个参数；将蛋鸡舍环境参数和蛋鸡生产数据作为数据样本，选取训练样本和测试样本。S2：以训练样本中的蛋鸡舍的环境参数x
i
为自变量，蛋鸡的生产数据y
i
为因变量建立回归模型。具体步骤如下：步骤S21：回归方程形式如下：其中m为自变量所包含的参数数量，β为截距，α
j
为第j个自变量对应的系数，i表示第i个样本；步骤S22：构建增加了惩罚项的代价函数，通过求解最小值对模型回归系数进行计算，代价函数f(α)形式如下：式中n表示样本数量，α为自变量系数，γ为惩罚参数，该值取值越大，对自变量的选取越严格；步骤S23：回归结果中相对不重要的变量系数被置为0；确定参与回归计算的自变量及其对应的系数，建立回归模型；步骤S24：将测试集带入步骤S23建立的回归模型测试，若精度不满足要求，则重复步骤S22，若满足则确定最终回归模型；S3：采集蛋鸡舍的环境参数，代入已建立的最终回归模型对蛋鸡的生产数据即产蛋量、合格率和只耗料进行预测；S4：使用AHP层次分析法获取产蛋量、合格率和只耗料对环境适宜度的权重集V，具体步骤如下：步骤S41：构建AHP层次分析模型，将蛋鸡的生产数据产蛋量、合格率和只耗料作为准则层的评价指标，表示为P＝{p1,p2,p3}，p1、p2、p3分别对应准则层的三个评价指标产蛋量、合格率和只耗料；步骤S42：构建判断矩阵B：采用专家经验获取生产数据各要素对环境适宜度评价的重要程度的得分，进行两两比较，确定判断矩阵B；步骤S43：层次单排序：依据判断矩阵B对各准则的重要性进行排序，计算判断矩阵的最大特征根λ
max

【专利技术属性】
技术研发人员：丁红兵，刘茜茜，陈政奇，张雨，
申请(专利权)人：天津大学，
类型：发明
国别省市：