基于溫濕指數（THI）動態模型的肉雞腹水風險預測方法

肉雞腹水綜合征的致病因素復雜，導致建立其風險關聯模型難度較大，制約了風險預測的精度。肉雞作為主要的養殖禽類之一，推動了肉雞養殖業的規模化發展。特別是在規模化高密度養殖模式下，環境應激（如溫濕度失控）極易誘發該病，給養殖場帶來重大經濟損失[。然而，傳統預防手段缺乏科學指導，難以及時發現肉雞腹水的早期風險信號，存在滯后問題。在這樣的情況下，需要采用更加可靠的手段對肉雞腹水綜合征的發生風險進行預測。對此，領域內很多研究人員提出了疾病風險預測方法。

近年來，研究人員提出了多種基于數據驅動的預測模型，但仍存在一定局限性。例如，陳春蓉等2提出了基于長短時記憶模型的疾病風險預測方法。通過獲取歷史發病數據，解析疾病發生的趨勢分量。結合時間序列分解處理，建立基于長短時記憶網絡的混合預測模型，實現疾病風險的預測。該方法能夠捕捉疾病發生的長期依賴關系，具有良好的時序性。但其在實際應用中存在超參數調優困難的局限性，如果選擇的時間窗口不夠合理，可能會遺漏某些數據特征，影響了風險預測結果的精度。李丹等3提出了基于改進隨機森林集成模型的疾病風險預測方法。采用采樣技術對原始數據集進行優化。采用人工神經網絡對原始的隨機森林算法進行改進，構建改進隨機森林集成模型實現疾病發生風險的預測分析。該方法能夠捕捉到少數類樣本的特征，適用于數據集分布不平衡的預測場景。但其對于疾病發生因素非線性關系的捕捉能力有所不足，導致風險預測精度有所下降。

考慮到上述研究人員所提出的疾病風險預測方法在實際應用中的預測精度并不高，無法為畜牧管理提供科學參考。為了緩解這一問題，本研究提出了一種基于溫濕指數（THI）動態模型的肉雞腹水風險預測方法。

1基于溫濕指數動態模型的肉雞腹水風險預測方法設計

1.1構建肉雞雞舍的溫濕指數動態模型

在肉雞雞舍環境中，布設多組溫濕度傳感器，對雞舍內肉雞的體表溫濕度變化進行實時監測。根據所監測到的溫濕度數據，構建溫濕度指數的動態模型。

本研究設置肉雞體表溫濕度監測參數，見表1。

表1溫濕度數據監測參數設置

基于上述參數，獲取實時的肉雞體表溫濕度數據。利用該數據，建立肉雞的溫濕度指數動態模型。其數學表達式如公式（1）所示。

G=a×T₁+（1-a）T₂

公式中， G 表示溫濕度指數動態模型， a 表示權重系數， T_?1 表示監測的干球溫度， T₂ 表示監測的濕球溫度。

通過在溫濕度指數動態模型中代人實時采集的溫濕度數據，對肉雞當前的生長狀態進行動態分析。

1.2結合肉雞生長指標的腹水疾病回歸分析

在肉雞腹水綜合征的致病因素中，生長速度與日齡是兩大關鍵關聯指標。基于此，本研究旨在通過環境溫濕度驅動生理響應的機制，量化生長狀態并建立預測模型。

本研究以溫濕度指數（THI）作為核心環境應激指標，將其輸入一個基于熱生理學的動態模型，根據溫濕度指數動態模型，分析肉雞的產熱量。計算方法如公式（2）所示[5]。

Q=h?A?（G-T_a）

公式中， Q 表示肉雞體表的產熱量， h 表示對流換熱系數， A 表示肉雞體表的散熱面積， T_a 表示雞舍環境溫度。

進而，利用產熱量參數計算能顯著反映肉雞代謝強度的核心指標—代謝產熱率（MHR），如公式（3）所示。

P=Q（O-C）

公式中， P 表示肉雞的代謝產熱率， o 表示肉雞生長的單位時間耗氧量， C 表示二氧化碳的產生量。

以代謝產熱率為肉雞生長速度的量化指標，結合肉雞的當前日齡，對腹水綜合征的發生概率進行回歸分析，建立肉雞生長指標與肉雞腹水風險之間的關聯關系。建立這一分析過程的線性回歸方程，如公式（4）所示。

Y=bx（P，L）+c

公式中， Y 表示發生腹水綜合征的概率， b 表示線性回歸方程曲線的截距， x 表示肉雞生長指標，包括生長速度和日齡兩個維度， L 表示肉雞生長日齡，c表示方程曲線斜率。

通過線性回歸分析，旨在定量揭示肉雞生長代謝指標與腹水風險之間的關聯關系，為風險預測提供依據。

1.3肉雞腹水風險預測

根據上述建立的關聯關系，采用隨機森林回歸模型對肉雞腹水風險進行預測分析。

將回歸分析的結果輸入到模型中進行分類決策學習，構建肉雞腹水風險預測的隨機森林模型，如公式（5）所示。

公式中， H（x） 表示肉雞腹水風險預測的隨機森林模型， i 表示隨機森林模型的第顆決策樹， k 表示抽樣次數， I 表示示性函數， A 表示決策樹末端。

通過決策樹的二分類，不斷逼近概率最高的腹水風險值，由此輸出得到肉雞腹水風險預測結果[7]其表達式如公式（6）所示。

R=g?h_i（x）（ρ，x）

公式中， R 表示肉雞腹水風險值，g表示隨機森林模型的基尼指數，用于度量決策樹分支的分裂特征選擇策略， ρ 表示決策樹之間的平均相關性系數。

通過隨機森林模型，對實時采集的肉雞生長數據進行自主化分析，實現肉雞腹水風險的預測。

2實例分析

2.1肉雞生長環境布設

在雞舍環境中，選用512型號顆粒料喂養實驗肉雞，其粒度均勻性約為 85% 。在實驗過程中，保持雞舍內部光照等環境條件恒定，避免其他因素對實驗結果造成影響。

在該雞舍環境內布設溫濕度傳感器，進行肉雞體表溫濕度等實驗數據的采集。所選用設備為泰科電子（上海）有限公司生產的HTU31A（VAEC-Q100AnalogR5000型號的溫濕度傳感器，其主要技術參數，見表2。

表2溫濕度傳感器主要技術參數

面向肉雞的活動區域，布設該型號的溫濕度傳感器設備10組，基于表1所示參數，采集得到本次實驗的肉雞體表溫濕度數據。

2.2肉雞腹水風險預測結果分析

在雞舍中篩選出100只肉雞作為實驗對象，對其生長過程的腹水風險進行預測分析。

以編號為1#的肉雞實驗對象為例，利用溫濕度傳感器采集其不同日齡的溫濕度數據。

從圖1可以看出，在該肉雞實驗對象的生長過程中，其體表溫濕度有著小幅度的變化，這說明該肉雞的生長速度隨著日齡的增長進行變化。通過構建溫濕指數動態模型，對肉雞的生長狀態進行量化指標的描述。

在此基礎上，本文方法結合肉雞的日齡進行了腹水綜合征發生概率的線性回歸擬合分析。檢驗本次測試中線性回歸分析結果的誤差狀態。

從圖2可以看出，線性回歸分析結果的標準化殘差基本穩定在[-1，1的區間內，這初步表明肉雞生長指標與腹水綜合征發生概率之間的模型擬合效果較好，為后續風險預測環節提供了有力支持。

為評估本文方法的預測性能，我們統計了其對不同肉雞實驗對象的腹水風險預測結果。為檢驗其有效性，本次實驗將本文方法與基于長短時記憶（LSTM）模型以及改進隨機森林集成模型兩種現有疾病風險預測方法進行對比。所有方法均對相同的實驗對象進行預測，并以肉雞實際的腹水發生狀態作為金標準，對比分析各方法預測結果的精度水平。

圖1肉雞溫濕度生長狀態數據

圖2線性回歸分析的標準化殘差

圖3疾病風險預測精度對比

從圖3可以看出，與其他兩種方法相比，本文方法預測結果的腹水風險值明顯與實際的腹水綜合征發生風險更為接近，預測風險值平均差值僅為0.027，表明本文方法能夠更加準確地對肉雞腹水風險進行預測。這一優勢主要得益于本文方法采用線性回歸分析的方法，能夠更加準確地解析肉雞溫濕度指數與腹水風險之間的關聯關系，從而實現了精度更高的風險預測。

結語

本研究所設計的肉雞腹水風險預測方法，以溫濕指數（THI）動態模型為核心輸人，實現了對肉雞生理應激狀態的動態表征。通過回歸分析，成功建立了生理狀態指標與腹水綜合征之間的定量關聯關系，并以此作為關鍵特征。在此基礎上，應用隨機森林模型進行預測，獲得了較高的精度水平。該方法的成功應用，可為養殖人員提供及時、可靠的風險預警，幫助其采取針對性預防手段，有效降低疾病發生概率，最終提升養殖的經濟效益。

參考文獻：

[1]張寧，胡曉悅，楊威，等.河北省中小規模雞場主要疫病風險監測及預警分析[J].北方牧業，2024（07）：11-12.

[2]陳春蓉，趙瑾，賀兆源，等.基于長短時記憶模型的包蟲病爆發風險預測混合模型的建立[J].現代畜牧科技，2024（08）：27-33.

[3]李丹，盧琰，吳佩珊，等.基于改進隨機森林集成模型的疾病風險預測[J].實驗室研究與探索，2023，42（09）：95-99+109.

[4]王乘熙，李澤，崔國增，等.基于多區域空調房間溫濕度的MPC算法研究[J].計算機仿真，2023，40（01）：304-310.

[5]蔣晨晰，程素芳，吳國灶，等.肺動脈內皮細胞在肉雞腹水綜合征中的作用及miRNA調控機制的研究進展［J].中國畜牧獸醫，2025，52（04）：1522-1532.

[6]蘇蒙，劉莎，宋丹麗，等.基于轉錄組測序篩選肉雞腹水綜合征相關候選基因[J].畜牧獸醫學報，2025，56（02）：559-570.

[7]王之超，何江，黃俊程，等.高鹽飲水對肉雞生長性能、器官指數及血清抗氧化指標的影響LJ].現代畜牧獸醫，2024（05）：31-36.

收稿日期：2025-08-29

作者簡介：劉帥利（2000一），男，漢族，河南省鄭州市，本科。研究方向：畜牧類、家禽、獸醫、環控。