基于平行向量自回歸模型的蛋鴨養(yǎng)殖環(huán)境預(yù)測(cè)研究

郭鵬飛 張壘 劉雙印 徐龍琴

摘 要：養(yǎng)殖環(huán)境的精準(zhǔn)預(yù)測(cè)一直是蛋鴨養(yǎng)殖業(yè)亟需解決的棘手難題。文章以溫度、濕度、粉塵和CO2等養(yǎng)殖環(huán)境參數(shù)為研究對(duì)象，通過平行向量自回歸時(shí)間序列VAR（2）模型預(yù)測(cè)方法，優(yōu)化具有自適應(yīng)、精度高和無病態(tài)的蛋鴨養(yǎng)殖環(huán)境線性預(yù)測(cè)模型，實(shí)現(xiàn)了蛋鴨健康養(yǎng)殖環(huán)境精準(zhǔn)預(yù)測(cè)，為蛋鴨養(yǎng)殖環(huán)境預(yù)警與控制提供支持決策的依據(jù)。

關(guān)鍵詞：養(yǎng)殖環(huán)境；平行向量自回歸；預(yù)測(cè)模型

中圖分類號(hào)：X832 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(guó)是世界上最大的水禽生產(chǎn)和消費(fèi)國(guó)，從統(tǒng)計(jì)數(shù)據(jù)上來看，蛋鴨生產(chǎn)不僅是我國(guó)家禽生產(chǎn)的重要組成部分和農(nóng)業(yè)及農(nóng)村經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)之一，而且蛋鴨產(chǎn)品在國(guó)際市場(chǎng)上占有優(yōu)勢(shì)地位，成為中國(guó)畜牧業(yè)在國(guó)際市場(chǎng)中最具競(jìng)爭(zhēng)力的領(lǐng)域之一。雖然中國(guó)是世界蛋鴨養(yǎng)殖中心，蛋鴨的飼養(yǎng)總量和蛋鴨產(chǎn)品的產(chǎn)量均居世界第一位，但我國(guó)蛋鴨養(yǎng)殖業(yè)由于長(zhǎng)期發(fā)展滯后，養(yǎng)殖技術(shù)水平和產(chǎn)業(yè)化程度卻大大落后于世界發(fā)達(dá)國(guó)家和地區(qū)。產(chǎn)生這些問題的根本原因是由于蛋鴨養(yǎng)殖業(yè)長(zhǎng)期發(fā)展滯后導(dǎo)致相應(yīng)的科學(xué)研究和科技研發(fā)跟不上，使水禽業(yè)的發(fā)展得不到有力技術(shù)支撐。面對(duì)當(dāng)前和未來廣東省蛋鴨養(yǎng)殖發(fā)展的趨勢(shì)和要求，如何建立蛋鴨養(yǎng)殖生產(chǎn)中的環(huán)境變化趨勢(shì)并保持良好養(yǎng)殖環(huán)境對(duì)日趨規(guī)模化發(fā)展的蛋鴨產(chǎn)業(yè)至關(guān)重要[1]。

研究蛋鴨健康養(yǎng)殖環(huán)境是為了給出一個(gè)可以在不同季節(jié)、不同天氣下，可以動(dòng)態(tài)操控的一系列蛋鴨養(yǎng)殖環(huán)境因素的組合。這一問題的來源是基于我們項(xiàng)目組做的一個(gè)關(guān)于溫度和蛋鴨產(chǎn)蛋量的實(shí)驗(yàn)。在現(xiàn)有的大量文獻(xiàn)中提到，當(dāng)環(huán)境的溫度達(dá)到33-35℃時(shí)，對(duì)于蛋鴨來說，這是一個(gè)極其惡劣的環(huán)境，會(huì)使得產(chǎn)蛋量急劇下降[2-4]。通過實(shí)驗(yàn)發(fā)現(xiàn)，在環(huán)境溫度達(dá)到33-35℃時(shí)，通過改變蛋鴨的采食和飲水，蛋鴨的產(chǎn)蛋量不僅沒有下降，反而比32℃以下環(huán)境的蛋鴨產(chǎn)蛋量還要高。由此可見對(duì)蛋鴨產(chǎn)蛋量產(chǎn)生影響的環(huán)境因素不是單一確定的，而是養(yǎng)殖環(huán)境的多個(gè)因素共同作用的結(jié)果，對(duì)于綜合結(jié)果的評(píng)價(jià)是目前蛋鴨養(yǎng)殖業(yè)中一個(gè)非常重要的課題。

隨著大數(shù)據(jù)分析和深度學(xué)習(xí)方法的蓬勃發(fā)展和農(nóng)業(yè)信息化的普及，通過對(duì)農(nóng)業(yè)生產(chǎn)過程中的數(shù)據(jù)收集和分析，并對(duì)農(nóng)業(yè)生產(chǎn)指導(dǎo)成為農(nóng)業(yè)發(fā)展的必然趨勢(shì)，其中多元時(shí)間序列分析的深度學(xué)習(xí)方法顯得尤為突出。其中，戰(zhàn)立波通過對(duì)生豬價(jià)格波動(dòng)規(guī)律性進(jìn)行研究，有效提高生豬價(jià)格預(yù)測(cè)的準(zhǔn)確性和調(diào)控措施的有效性[5]；劉雙印等人通過基于時(shí)間序列的支持向量機(jī)算法實(shí)現(xiàn)了河蟹福利養(yǎng)殖水質(zhì)參數(shù)的溶解氧濃度在線預(yù)測(cè)，提高溶解氧預(yù)測(cè)的精度[6]；王萍等人通過時(shí)間序列模型建立新城疫風(fēng)險(xiǎn)預(yù)測(cè)模型，實(shí)現(xiàn)了動(dòng)物新城疫風(fēng)險(xiǎn)短時(shí)局部預(yù)警[7]；巫偉峰等人運(yùn)用時(shí)間序列分析法對(duì)廣東生豬價(jià)格波動(dòng)產(chǎn)生的原因進(jìn)行了分析，并針對(duì)平抑廣東生豬價(jià)格波動(dòng)提出了有針對(duì)性的建議[8]。本文通過平行向量自回歸時(shí)間序列VAR（2）模型預(yù)測(cè)方法，優(yōu)化具有自適應(yīng)、精度高和無病態(tài)的蛋鴨養(yǎng)殖環(huán)境線性預(yù)測(cè)模型，實(shí)現(xiàn)了蛋鴨健康養(yǎng)殖環(huán)境精準(zhǔn)預(yù)測(cè)，為蛋鴨養(yǎng)殖環(huán)境預(yù)警與精準(zhǔn)控制提供參考依據(jù)。

2 材料與方法

2.1 數(shù)據(jù)描述

以山麻鴨養(yǎng)殖環(huán)境為研究對(duì)象，在蛋鴨養(yǎng)殖現(xiàn)場(chǎng)搭建立體傳感網(wǎng)絡(luò)的在線監(jiān)測(cè)平臺(tái)，包括：溫度、濕度、CO2濃度、NH3濃度、粉塵等參數(shù)，根據(jù)平行向量自回歸時(shí)間序列VAR（2）模型的要求，選區(qū)了廣州市鐘村蛋鴨養(yǎng)殖基地室內(nèi)2018年1月份養(yǎng)殖環(huán)境數(shù)據(jù)和產(chǎn)蛋數(shù)據(jù)作為建模原始數(shù)據(jù)。

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(shí)別：明確輸入環(huán)境因子數(shù)據(jù)與預(yù)測(cè)環(huán)境因子數(shù)據(jù)之間的平行向量自回歸VAR（p）模型表達(dá)式；（2）模型的參數(shù)估計(jì)與檢驗(yàn)；（3）模型的診斷分析。

2.3 預(yù)測(cè)結(jié)果評(píng)價(jià)方法

通過t-檢驗(yàn)給出的模型參數(shù)顯著性結(jié)果顯示：蛋鴨室內(nèi)養(yǎng)殖環(huán)境VAR（2）模型對(duì)應(yīng)于溫度、濕度、光照、CO2濃度參數(shù)的顯著性較好，而對(duì)于粉塵參數(shù)的顯著性較差。

蛋鴨室內(nèi)養(yǎng)殖環(huán)境影響核心指標(biāo)建立的基于平行向量自回歸時(shí)間序列預(yù)測(cè)模型結(jié)果與真實(shí)值的對(duì)比如圖1-5所示。

廣州番禺鐘村室內(nèi)蛋鴨養(yǎng)殖環(huán)境VAR（2）模型的評(píng)價(jià)指標(biāo)結(jié)果見表2。

從圖表中可以看出廣州番禺鐘村室內(nèi)蛋鴨養(yǎng)殖環(huán)境VAR（2）模型對(duì)溫度、濕度、CO2濃度、光照的預(yù)測(cè)精確度較高，對(duì)粉塵的變化趨勢(shì)與輸入值比較一致，但精確度較低。

4 數(shù)據(jù)分析

平行向量自回歸模型是一種多元時(shí)間序列分析模性，它具備處理隱藏于具有對(duì)應(yīng)時(shí)間和橫截面相關(guān)性多維度量信息的能力，可以很好地理解變量之間的動(dòng)態(tài)關(guān)系，因而適合于蛋鴨養(yǎng)殖環(huán)境的預(yù)測(cè)。本研究對(duì)廣州番禺鐘村蛋鴨養(yǎng)殖室內(nèi)環(huán)境進(jìn)行了VAR（2）方法建模，結(jié)果發(fā)現(xiàn)VAR（2）模型對(duì)室內(nèi)養(yǎng)殖環(huán)境因子溫度、濕度、CO2濃度、光照的預(yù)測(cè)精度較高。將平行向量自回歸模型引入蛋鴨養(yǎng)殖環(huán)境的預(yù)測(cè)，結(jié)果表明是可行的，對(duì)養(yǎng)殖環(huán)境因子的預(yù)測(cè)也取得了很好的效果。平行向量自回歸模型與ARIMA等一元時(shí)間序列模型相比，平行向量自回歸模型在對(duì)多變量預(yù)測(cè)的同時(shí)揭示了各變量之間的動(dòng)態(tài)關(guān)系更具有優(yōu)勢(shì)，對(duì)蛋鴨環(huán)境各因子之間關(guān)系的描述更加系統(tǒng)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(huán)境各因子之間的動(dòng)態(tài)關(guān)系，而且揭示了蛋鴨環(huán)境因子具有一定延續(xù)性的時(shí)間依賴關(guān)系。由于蛋鴨飲食和下蛋對(duì)關(guān)鍵環(huán)境因子變化有著比較迅速的反應(yīng)，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(shí)應(yīng)對(duì)蛋鴨環(huán)境因子的變化。

5 結(jié)論

綜上所述，養(yǎng)殖環(huán)境的精準(zhǔn)預(yù)測(cè)一直是水禽養(yǎng)殖業(yè)亟需解決的棘手難題。本文通過廣州番禺鐘村室內(nèi)和室外蛋鴨養(yǎng)殖環(huán)境因素，在多元線性回歸提取特征的對(duì)比下，構(gòu)建了基于平行向量自回歸時(shí)間序列的廣州番禺鐘村蛋鴨室內(nèi)養(yǎng)殖環(huán)境因素VAR（2）模型預(yù)測(cè)方法，明確了線性特征提取在線性模型構(gòu)建中的重要作用，并且優(yōu)化了具有自適應(yīng)、精度高和無病態(tài)的蛋鴨養(yǎng)殖環(huán)境線性預(yù)測(cè)模型，實(shí)現(xiàn)了蛋鴨健康養(yǎng)殖環(huán)境精準(zhǔn)預(yù)測(cè)，為蛋鴨養(yǎng)殖環(huán)境預(yù)警與控制提供支持決策。

參考文獻(xiàn)：

[1]林勇，陳寬維，師蔚群，等.超長(zhǎng)蛋鴨籠養(yǎng)舍內(nèi)不同區(qū)域環(huán)境參數(shù)與蛋鴨生產(chǎn)性能比較分析[J].家畜生態(tài)學(xué)報(bào)，2016（8）：31-35.

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

[3]江宵兵，林如龍，王紀(jì)茂，等.不同噴淋模式對(duì)旱地圈養(yǎng)蛋鴨生產(chǎn)性能的影響[J].中國(guó)畜牧獸醫(yī)，2016（11）：205-208.

[4]林勇，施振旦，顧洪如，等.生物發(fā)酵床對(duì)蘇郵1號(hào)鴨生產(chǎn)性能和蛋品質(zhì)及肉品質(zhì)性狀的影響[J].中國(guó)畜牧雜志，2015（17）：64-69.

[5]戰(zhàn)立強(qiáng).生豬價(jià)格時(shí)間序列的規(guī)律性波形和成因及調(diào)控[J].農(nóng)業(yè)現(xiàn)代化研究，2014（1）：25-28.

[6]劉雙印，徐龍琴，李道亮，等.基于時(shí)間相似數(shù)據(jù)的支持向量機(jī)水質(zhì)溶解氧在線預(yù)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2014（03）：155-162.

[7]王萍，程冰，孫金領(lǐng).基于ARIMA的新城疫風(fēng)險(xiǎn)預(yù)測(cè)模型[J].青島農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2016（01）：68-71.

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