基于平行向量自回歸模型的蛋鴨養殖環境預測研究

郭鵬飛 張壘 劉雙印 徐龍琴

摘 要：養殖環境的精準預測一直是蛋鴨養殖業亟需解決的棘手難題。文章以溫度、濕度、粉塵和CO2等養殖環境參數為研究對象，通過平行向量自回歸時間序列VAR（2）模型預測方法，優化具有自適應、精度高和無病態的蛋鴨養殖環境線性預測模型，實現了蛋鴨健康養殖環境精準預測，為蛋鴨養殖環境預警與控制提供支持決策的依據。

關鍵詞：養殖環境；平行向量自回歸；預測模型

中圖分類號：X832 文獻標識碼：A 文章編號：2095-2945（2019）19-0060-03

Abstract： The accurate prediction of breeding environment has always been a thorny problem to be solved in egg duck breeding industry. In this paper， the VAR （2） model prediction method of parallel vector autoregression time series was used to study the environmental parameters of culture， such as temperature， humidity， dust and CO2， to optimize the linear prediction model of laying duck breeding environment with self-adaptation， high precision and no morbid condition. The accurate prediction of healthy breeding environment of laying ducks was realized， which provides the basis for supporting decision-making for the early warning and control of breeding environment of laying ducks.

Keywords： culture environment； parallel vector autoregression； prediction model

1 概述

我國是世界上最大的水禽生產和消費國，從統計數據上來看，蛋鴨生產不僅是我國家禽生產的重要組成部分和農業及農村經濟發展的支柱產業之一，而且蛋鴨產品在國際市場上占有優勢地位，成為中國畜牧業在國際市場中最具競爭力的領域之一。雖然中國是世界蛋鴨養殖中心，蛋鴨的飼養總量和蛋鴨產品的產量均居世界第一位，但我國蛋鴨養殖業由于長期發展滯后，養殖技術水平和產業化程度卻大大落后于世界發達國家和地區。產生這些問題的根本原因是由于蛋鴨養殖業長期發展滯后導致相應的科學研究和科技研發跟不上，使水禽業的發展得不到有力技術支撐。面對當前和未來廣東省蛋鴨養殖發展的趨勢和要求，如何建立蛋鴨養殖生產中的環境變化趨勢并保持良好養殖環境對日趨規模化發展的蛋鴨產業至關重要[1]。

研究蛋鴨健康養殖環境是為了給出一個可以在不同季節、不同天氣下，可以動態操控的一系列蛋鴨養殖環境因素的組合。這一問題的來源是基于我們項目組做的一個關于溫度和蛋鴨產蛋量的實驗。在現有的大量文獻中提到，當環境的溫度達到33-35℃時，對于蛋鴨來說，這是一個極其惡劣的環境，會使得產蛋量急劇下降[2-4]。通過實驗發現，在環境溫度達到33-35℃時，通過改變蛋鴨的采食和飲水，蛋鴨的產蛋量不僅沒有下降，反而比32℃以下環境的蛋鴨產蛋量還要高。由此可見對蛋鴨產蛋量產生影響的環境因素不是單一確定的，而是養殖環境的多個因素共同作用的結果，對于綜合結果的評價是目前蛋鴨養殖業中一個非常重要的課題。

隨著大數據分析和深度學習方法的蓬勃發展和農業信息化的普及，通過對農業生產過程中的數據收集和分析，并對農業生產指導成為農業發展的必然趨勢，其中多元時間序列分析的深度學習方法顯得尤為突出。其中，戰立波通過對生豬價格波動規律性進行研究，有效提高生豬價格預測的準確性和調控措施的有效性[5]；劉雙印等人通過基于時間序列的支持向量機算法實現了河蟹福利養殖水質參數的溶解氧濃度在線預測，提高溶解氧預測的精度[6]；王萍等人通過時間序列模型建立新城疫風險預測模型，實現了動物新城疫風險短時局部預警[7]；巫偉峰等人運用時間序列分析法對廣東生豬價格波動產生的原因進行了分析，并針對平抑廣東生豬價格波動提出了有針對性的建議[8]。本文通過平行向量自回歸時間序列VAR（2）模型預測方法，優化具有自適應、精度高和無病態的蛋鴨養殖環境線性預測模型，實現了蛋鴨健康養殖環境精準預測，為蛋鴨養殖環境預警與精準控制提供參考依據。

2 材料與方法

2.1 數據描述

以山麻鴨養殖環境為研究對象，在蛋鴨養殖現場搭建立體傳感網絡的在線監測平臺，包括：溫度、濕度、CO2濃度、NH3濃度、粉塵等參數，根據平行向量自回歸時間序列VAR（2）模型的要求，選區了廣州市鐘村蛋鴨養殖基地室內2018年1月份養殖環境數據和產蛋數據作為建模原始數據。

2.2 模型建立

本文采用如下平行向量自回歸VAR（p）建模方法，具體步驟如下：（1）模型的識別：明確輸入環境因子數據與預測環境因子數據之間的平行向量自回歸VAR（p）模型表達式；（2）模型的參數估計與檢驗；（3）模型的診斷分析。

2.3 預測結果評價方法

通過t-檢驗給出的模型參數顯著性結果顯示：蛋鴨室內養殖環境VAR（2）模型對應于溫度、濕度、光照、CO2濃度參數的顯著性較好，而對于粉塵參數的顯著性較差。

蛋鴨室內養殖環境影響核心指標建立的基于平行向量自回歸時間序列預測模型結果與真實值的對比如圖1-5所示。

廣州番禺鐘村室內蛋鴨養殖環境VAR（2）模型的評價指標結果見表2。

從圖表中可以看出廣州番禺鐘村室內蛋鴨養殖環境VAR（2）模型對溫度、濕度、CO2濃度、光照的預測精確度較高，對粉塵的變化趨勢與輸入值比較一致，但精確度較低。

4 數據分析

平行向量自回歸模型是一種多元時間序列分析模性，它具備處理隱藏于具有對應時間和橫截面相關性多維度量信息的能力，可以很好地理解變量之間的動態關系，因而適合于蛋鴨養殖環境的預測。本研究對廣州番禺鐘村蛋鴨養殖室內環境進行了VAR（2）方法建模，結果發現VAR（2）模型對室內養殖環境因子溫度、濕度、CO2濃度、光照的預測精度較高。將平行向量自回歸模型引入蛋鴨養殖環境的預測，結果表明是可行的，對養殖環境因子的預測也取得了很好的效果。平行向量自回歸模型與ARIMA等一元時間序列模型相比，平行向量自回歸模型在對多變量預測的同時揭示了各變量之間的動態關系更具有優勢，對蛋鴨環境各因子之間關系的描述更加系統化。與多元線性回歸模型相比，平行向量自回歸模型不僅給出了蛋鴨環境各因子之間的動態關系，而且揭示了蛋鴨環境因子具有一定延續性的時間依賴關系。由于蛋鴨飲食和下蛋對關鍵環境因子變化有著比較迅速的反應，本文提出在保證精度條件下效率較高的線性模型更能夠及時應對蛋鴨環境因子的變化。

5 結論

綜上所述，養殖環境的精準預測一直是水禽養殖業亟需解決的棘手難題。本文通過廣州番禺鐘村室內和室外蛋鴨養殖環境因素，在多元線性回歸提取特征的對比下，構建了基于平行向量自回歸時間序列的廣州番禺鐘村蛋鴨室內養殖環境因素VAR（2）模型預測方法，明確了線性特征提取在線性模型構建中的重要作用，并且優化了具有自適應、精度高和無病態的蛋鴨養殖環境線性預測模型，實現了蛋鴨健康養殖環境精準預測，為蛋鴨養殖環境預警與控制提供支持決策。

參考文獻：

[1]林勇，陳寬維，師蔚群，等.超長蛋鴨籠養舍內不同區域環境參數與蛋鴨生產性能比較分析[J].家畜生態學報，2016（8）：31-35.

[2]吳艷萍.蛋鴨無公害養殖的環境控制要點[J].水禽世界，2010（1）：14-15.

[3]江宵兵，林如龍，王紀茂，等.不同噴淋模式對旱地圈養蛋鴨生產性能的影響[J].中國畜牧獸醫，2016（11）：205-208.

[4]林勇，施振旦，顧洪如，等.生物發酵床對蘇郵1號鴨生產性能和蛋品質及肉品質性狀的影響[J].中國畜牧雜志，2015（17）：64-69.

[5]戰立強.生豬價格時間序列的規律性波形和成因及調控[J].農業現代化研究，2014（1）：25-28.

[6]劉雙印，徐龍琴，李道亮，等.基于時間相似數據的支持向量機水質溶解氧在線預測[J].農業工程學報，2014（03）：155-162.

[7]王萍，程冰，孫金領.基于ARIMA的新城疫風險預測模型[J].青島農業大學學報（自然科學版），2016（01）：68-71.

[8]巫偉峰，萬忠.廣東生豬價格波動研究——基于2005-2017年生豬價格時間序列分析[J].南方農村，2018（05）：21-26.