【技术实现步骤摘要】
本专利技术涉及禽畜养殖，尤其涉及一种料肉比预测方法和装置。
技术介绍
1、随着物联网、人工智能、大数据、机器学习等技术的发展，各行业衍生出应有尽有的智能应用。其中畜牧业也需要这方面的应用来进行数据挖掘，实现智能化养殖以及自动化管理，以此达到长期低成本，提高营收的目标。
2、现有技术中，育肥月料肉比直接体现了养殖的性能及产出效益。因此，如何准确地预测料肉比是本领域技术人员亟需解决的技术问题。
技术实现思路
1、针对现有技术中的问题，本专利技术实施例提供一种料肉比预测方法和装置。
2、具体地，本专利技术实施例提供了以下技术方案：
3、第一方面，本专利技术实施例提供了一种料肉比预测方法，包括：
4、获取历史时段中的料肉比差异数据和多项养殖数据；所述料肉比差异数据表示历史时段中的料肉比数据和预设的料肉比数据之间的差异；
5、建立所述养殖数据和所述料肉比差异数据之间的多个回归模型；
6、根据所述养殖数据和多个所述回归模型，得到多个预测的料肉比差异数据；
7、根据多个所述预测的料肉比差异数据和所述历史时段中的料肉比差异数据，从所述多项养殖数据中确定目标养殖数据；
8、根据所述目标养殖数据和所述历史时段中的料肉比差异数据，建立目标回归模型；
9、根据所述目标回归模型，预测料肉比差异。
10、进一步地，所述建立所述养殖数据和所述料肉比差异数据之间的多个回归模型；根据所述养殖数据和
11、根据每一项养殖数据建立一个养殖数据子集；
12、步骤a、建立各个所述养殖数据子集和所述料肉比差异数据之间的回归模型，得到多个所述回归模型；
13、步骤b、根据各个所述养殖数据子集和各个所述养殖数据子集对应的回归模型，得到各个回归模型对应的预测料肉比差异数据；
14、步骤c、计算各个回归模型对应的预测料肉比差异数据和所述历史时段中的料肉比差异数据之间的平方差；
15、步骤d、根据所述平方差的大小，从所述多个养殖数据子集中确定目标养殖数据子集；
16、步骤e、根据所述目标养殖数据子集和多个候选养殖数据，建立多个养殖数据子集；所述候选养殖数据为所述多项养殖数据中的任一项养殖数据；所述候选养殖数据不等于所述目标养殖数据子集的任一元素；
17、重复执行步骤a-e，直至所述目标养殖数据子集中的养殖数据的项数满足条件的情况下，则将所述目标养殖数据子集中的养殖数据作为所述目标养殖数据。
18、进一步地，所述根据所述平方差的大小，从所述多个养殖数据子集中确定目标养殖数据子集，包括：
19、将多个所述平方差中最小的平方差所对应的养殖数据子集，确定为所述目标养殖数据子集。
20、进一步地，建立所述养殖数据和所述料肉比差异数据之间的多个回归模型之前，还包括：
21、计算各项所述养殖数据和所述料肉比差异数据之间的相关性，将相关性小于阈值的养殖数据删除。
22、进一步地，所述目标养殖数据包括：
23、种猪场产房损失率、猪价、温度、日增重和采食量。
24、进一步地，所述获取历史时段中的料肉比差异数据，包括：
25、根据历史时段中的猪进栏均重、猪出栏均重、猪进栏总重、猪出栏总重和总采食量，确定所述历史时段中的料肉比差异数据。
26、第二方面，本专利技术实施例还提供了一种料肉比预测装置，包括：
27、获取模块，用于获取历史时段中的料肉比差异数据和多项养殖数据；所述料肉比差异数据表示历史时段中的料肉比数据和预设的料肉比数据之间的差异；
28、处理模块，用于建立所述养殖数据和所述料肉比差异数据之间的多个回归模型；根据所述养殖数据和多个所述回归模型，得到多个预测的料肉比差异数据；根据多个所述预测的料肉比差异数据和所述历史时段中的料肉比差异数据，从所述多项养殖数据中确定目标养殖数据；
29、建立模块，用于根据所述目标养殖数据和所述历史时段中的料肉比差异数据，建立目标回归模型；
30、预测模块，用于根据所述目标回归模型，预测料肉比差异。
31、第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述料肉比预测方法的步骤。
32、第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述料肉比预测方法的步骤。
33、第五方面，本专利技术实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述料肉比预测方法的步骤。
34、本专利技术实施例提供的料肉比预测方法和装置，从多项养殖数据中确定出目标养殖数据，进而根据目标养殖数据和历史时段中的料肉比差异数据进行拟合，建立目标回归模型，从而使得拟合的数据更加的准确和合理，进而基于目标养殖数据和历史时段中的料肉比差异数据拟合出的回归模型，也就可以更加准确的进行料肉比差异的预测，有效的提升料肉比差异的预测准确性。
本文档来自技高网...【技术保护点】
1.一种料肉比预测方法，其特征在于，包括：
2.根据权利要求1所述的料肉比预测方法，其特征在于，所述建立所述养殖数据和所述料肉比差异数据之间的多个回归模型；根据所述养殖数据和多个所述回归模型，得到多个预测的料肉比差异数据；根据多个所述预测的料肉比差异数据和所述历史时段中的料肉比差异数据，从所述多项养殖数据中确定目标养殖数据，包括：
3.根据权利要求2所述的料肉比预测方法，其特征在于，所述根据所述平方差的大小，从多个所述养殖数据子集中确定目标养殖数据子集，包括：
4.根据权利要求1-3任一项所述的料肉比预测方法，其特征在于，建立所述养殖数据和所述料肉比差异数据之间的多个回归模型之前，还包括：
5.根据权利要求1-3任一项所述的料肉比预测方法，其特征在于，所述目标养殖数据包括：
6.根据权利要求1-3任一项所述的料肉比预测方法，其特征在于，所述获取历史时段中的料肉比差异数据，包括：
7.一种料肉比预测装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述的料肉比预测方法的步骤。
...【技术特征摘要】
1.一种料肉比预测方法，其特征在于，包括：
2.根据权利要求1所述的料肉比预测方法，其特征在于，所述建立所述养殖数据和所述料肉比差异数据之间的多个回归模型；根据所述养殖数据和多个所述回归模型，得到多个预测的料肉比差异数据；根据多个所述预测的料肉比差异数据和所述历史时段中的料肉比差异数据，从所述多项养殖数据中确定目标养殖数据，包括：
3.根据权利要求2所述的料肉比预测方法，其特征在于，所述根据所述平方差的大小，从多个所述养殖数据子集中确定目标养殖数据子集，包括：
4.根据权利要求1-3任一项所述的料肉比预测方法，其特征在于，建立所述养殖数据和所述料肉比差异数据之间的多个回归模型之前，还包...
【专利技术属性】
技术研发人员：顾勋，何龙，祝李军，蒋智鑫，李永霞，朱海波，石格立，
申请(专利权)人：正大农业科学研究有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。