基于隨機森林回歸的魚飼料顆粒密度預測方法

邢書青

基于隨機森林回歸的魚飼料顆粒密度預測方法

邢書青

（鄭州黃河鯉種質資源保護工作站河南鄭州450000）

文章針對現有預測方法對魚飼料顆粒密度預測精度低的問題，引入隨機森林回歸，開展對其預測方法的設計研究。通過魚飼料密度特征數據選取，以魚飼料顆粒壓制過程中的壓縮比和壓制速度等為特征數據，將獲取到的原始特征數據進行預處理；基于隨機森林回歸，建立預測模型，結合模型輸出結果實現對魚飼料顆粒密度的預測。采用對比實驗的方式將基于隨機森林回歸的預測方法與基于響應面法的預測方法對魚飼料顆粒密度的預測結果進行對比，得出基于隨機森林回歸的預測方法預測精度更高，可為魚飼料顆粒壓制質量提升提供重要的數據依據。

隨機森林回歸；密度；方法；預測；顆粒；魚飼料

為保證飼料的適口性，提高飼料的消化率，需要對飼料加工工藝進行更為科學合理的設計。在這一過程中，飼料顆粒處理品質包括對飼料顆粒尺寸的控制、含水率以及粉化率等參數評價。魚類與其他畜禽類動物相比，其消化器官更加簡單且長度更短[1]。通常情況下，魚的消化道長度僅為豬的10％，而魚的進食和生活環境也與其他動物有很大的差異。因此，基于這一特征，要求魚飼料應當更加容易消化，且其顆粒大小、形狀等都需要適應魚的大小、種類[2]。飼料的顆粒密度直接關系到飼料的品質，影響飼料的產量、外觀及其消化吸收。魚粉的粒度是衡量魚粉品質的一個重要標準。通過已有大量研究可知，對魚飼料密度造成影響的因素主要包括工藝及參數、成型設備、飼料原料與配比等，但目前有關魚飼料顆粒密度的研究相對較少，在對其密度的預測方面更是極少涉及[3]。因此，本文基于上述論述，在明確魚飼料顆粒密度重要性的基礎上，引入隨機森林回歸開展對魚飼料顆粒密度預測方法的設計研究。

1 魚飼料密度特征數據選取與預處理

在選擇魚飼料密度特征的時候，考慮到影響密度的因素，選擇相關、信息量大、存在差異的特征，并以此來構建未來的預測模型[4]。在對特征數據進行提取時，還需要對原始特征數據進行轉化，使其成為模型能識別的數據，從而便于后續預測模型的運算。通過對魚飼料顆粒壓制整個過程進行探究，明確對其密度產生影響的特征數據包括壓制速度、壓制比，其中壓制比又會對魚飼料顆粒壓制裝置的有效孔深產生一定影響，即壓縮比越大，則裝置的有效孔深越深，反之，壓縮比越小，則裝置的有效孔深越淺[5]。在壓制過程中，環模壓縮比的范圍規定在1∶10～1∶18范圍內，因此魚飼料密度特征當中壓縮比特征數據的取值也為1∶10～1∶18。擠壓機的壓力速度會對擠壓魚粉物料的擠壓時間和流速產生影響，通常情況下，壓制裝置的壓制速度可設定為2 mm/s、4 mm/s、6 mm/s、8 mm/s和10 mm/s，共5個不同水平，因此，壓制速度特征數據的取值同上。結合獲取到的魚飼料密度特征數據，確定魚飼料顆粒密度與壓縮比和壓縮速度之間存在以下二階響應面回歸關系：

公式（2）中，每一行均表示在同一時間各個相關特征的實際測量結果，每一列均表示某一相同特征的樣本數量；表示數量，表示與魚飼料顆粒密度相關的特征數值。根據上述公式，對原始特征數據進行預處理，為后續預測模型的建立提供重要依據。

2 建立基于隨機森林回歸的預測模型

將上述經過預處理得到的矩陣直接作為隨機森林回歸預測模型的輸入，利用Bootstrap對樣本進行重新采集，并生成樣本子集，同時產生相應的OOB數據。在森林當中，針對每一個節點都需要完成對個特征數據的采集，同時該節點還需要進行不斷分裂。根據分裂結果，建立多個對魚飼料顆粒密度預測的模型，利用OOB數據對其OOB誤差進行計算[6]。最后，對多個模型輸出的結果取平均值作為最終預測模型的輸出結果。根據上述論述，基于隨機森林回歸的預測模型表達式如式（3）。

公式（3）中，表示預測模型輸出的預測結果，表示示性函數，表示隨機森林中決策樹給出的預測數據結果，表示常數。在上述預測模型運行的過程中，完成對樣本子集的采集后，各個節點開始分裂，并重新對分裂的節點進行特征選擇，同時判斷其是否可繼續分裂。在所有節點均分裂完畢后，生成最終的回歸決策子樹，并對其OOB誤差進行計算。在預測模型運算中，決策子樹的數量和隨機選擇的特征分裂個數都會對最終預測結果造成一定影響。由于不能夠直接將預測模型中各個決策樹的預測結果作為直接結果，因此在模型運行的最后一步增加交叉驗證環節，通過泛化計算將泛化誤差不在允許范圍內的數值去除，僅針對剩余部分數據進行求均值計算，以此完成對基于隨機森林回歸的預測模型的構建。

3 模型預測結果輸出

在完成對預測模型的構建后，再將其應用到具體環境當中針對魚飼料顆粒密度進行預測時，為確保模型輸出結果的預測精度更高，需要利用平均相對誤差（MeanRelativeError, MRE）對輸出結果進行檢驗，其公式如式（4）。

4 對比實驗與結果分析

4.1 實驗準備

本文在已有研究的基礎上，引入一種隨機森林回歸模型，提出了一種針對魚飼料密度預測的方法，為驗證這一方法的實際應用可行性，選擇以某魚飼料顆粒壓制裝置作為實驗設備，利用該設備完成對魚飼料的壓制，并利用前述方法對其密度進行預測。魚飼料顆粒壓制裝置的型號為RZ-KLJ-120，外形尺寸為480 mm×635 mm×1 100 mm，重量為250 kg。為使實驗具有可比性，以基于響應面法的預測方法為對照，利用該預測方法對壓制后的魚飼料顆粒密度進行預測，對比兩種方法得到的預測結果。

本次研究選擇制備的魚飼料為鯽魚飼料，為確保實驗的客觀性，在利用兩種預測方法對其密度進行預測時，均針對按照表1魚飼料配方壓制的飼料的密度進行預測。

表1鯽魚飼料壓制配方記錄表

序號成分含量 （1）魚粉28.5 g （2）43％蛋白豆粕78.5 g （3）棉粕286.5 g （4）雙低菜粕220.0 g （5）全脂米糠125.0 g （6）小麥122.0 g （7）油菜籽25.0 g

按照表1中所示的配方，利用飼料顆粒壓制裝置完成對魚飼料的制備。以此為基礎，開展實驗測試環節。

4.2 對比實驗分析

在實驗過程中，對比在不同壓制速度下兩種預測方法對魚飼料顆粒密度的預測精度。為確保實驗的客觀性，魚飼料顆粒的實際密度可通過公式（5）計算得出平均密度數值。

表2兩種預測方法的預測精度對比

序號壓制速度實際顆粒密度本文預測方法預測結果對照組預測方法預測結果 （1）2 mm/s1.12 g/cm31.12 g/cm31.26 g/cm3 （2）4 mm/s1.10 g/cm31.11 g/cm31.25 g/cm3 （3）6 mm/s1.09 g/cm31.08 g/cm31.30 g/cm3 （4）8 mm/s1.05 g/cm31.06 g/cm31.18 g/cm3 （5）10 mm/s1.02 g/cm31.02 g/cm31.16 g/cm3

從表2中記錄的實驗數據可以看出，本文預測方法在第1組、第5組得出的預測結果與實際顆粒密度完全一致，而其他組得到的預測結果與其相差也均在±0.01 g/cm3以內；對照組預測方法得出的預測結果與實際顆粒密度在5組實驗數據中均表現為相差較大。因此，通過上述得出的實驗結果能夠初步證明，本文提出的預測方法在實際應用中可在裝備壓制速度不斷變化的過程中，實現對魚飼料顆粒密度的高精度預測。

在實際對魚飼料顆粒進行壓制的過程中，壓縮比也會在一定程度上影響到飼料顆粒壓制裝置的有效孔深，進而對魚飼料顆粒密度產生影響。因此為進一步驗證上述兩種預測方法的預測精度差異，選擇將壓縮比作為變量條件，對不同壓縮比條件下兩種預測方法的預測精度進行比較。RZ-KLJ-120型號魚飼料顆粒壓制裝置的壓縮比從1∶10到1∶18不等，其分別對應的有效孔深如表3所示。

表3RZ-KLJ-120型號壓制裝置不同壓縮比與有效孔深

序號壓縮比有效孔深 （1）1∶1022.5 mm （2）1∶1223.6 mm （3）1∶1427.8 mm （4）1∶1630.2 mm （5）1∶1832.5 mm

結合表3中所示的數據，同樣按照公式（5）完成對魚飼料顆粒實際密度的計算，并將兩種預測方法得出的預測結果與其進行比較，為更直觀地對比，繪制如圖1所示的實驗結果。

圖1　兩種預測方法預測精度對比結果

由圖1可知，本文提出的預測方法所得預測曲線能夠通過全部5個節點，說明預測結果與實際魚飼料顆粒密度一致，而對照組預測方法得出的預測曲線在壓縮比為1∶10、1∶14和1∶18時均未通過實際密度節點，因此其預測精度明顯不如本文提出的方法。通過上述實驗結果能夠綜合證明，在引入隨機森林回歸的基礎上提出的預測方法，可在不同壓制速度和壓縮比條件下，實現對魚飼料顆粒密度的高精度預測。

5 結語

本研究將魚飼料顆粒密度作為預測目標，引入了一種全新的隨機森林回歸方法，針對魚飼料顆粒密度提出一種全新的預測方法，并結合對比實驗實現了對預測方法精度的檢驗。在實際應用中，本文提出的預測方法可為魚飼料顆粒的壓制質量評價提供更有利的數據依據，從而更好地提出促進魚飼料顆粒壓制質量提升的策略。

[1]王堯,陳晨光,張潔若,等.養殖密度對厚頜魴幼魚生長?飼料利用及腸道抗氧化應激性能的影響[J].漁業科學進展,2022,43(1):106-114.

[2]劉偉,蔣明,吳凡,等.飼料能量密度和投喂水平對吉富羅非魚生長和健康的影響[J].水生生物學報,2022,46(1):58-68.

[3]張曉,梁萌青,衛育良,等.飼料中蛋白質含量及養殖密度對紅鰭東方鲀幼魚生長性能?氮排泄及相關生化指標的影響[J].漁業科學進展,2021,42(1):74-83.

[4]黨科,呂思明,宮香偉,等.種植密度對糜子不同生育時期飼料品質的影響[J].西北農業學報,2021,30(7):989-999.

[5]曲兆凱,田軍倉,閆新房.稻蟹模式下水層深度?追肥量?放蟹密度及飼料投喂量最優組合試驗研究[J].灌溉排水學報,2021,40(11):51-58.

[6]張坤,樊海平,邱曼麗,等.配合飼料在不同密度大刺鰍精養模式中的應用效果[J].中國農學通報,2020,36(21):126-131.

10.3969/j.issn.2095-1205.2022.07.25

S963

A

2095-1205(2022)07-75-03

邢書青（1985- ），女，漢族，河南滎陽人，本科，畜牧師，研究方向為水產養殖。