基于优化的长短时记忆神经网络牧群采食量估测模型

文献类型： 中文期刊

第一作者： 孟云琪

作者： 孟云琪;宣传忠;张蒙秦;樊先涛;布库

作者机构：

关键词： 放牧羊;采食量估测;LSTM;遗传算法优化;轨迹数据

期刊名称： 安徽农业大学学报

ISSN： 1672-352X

年卷期： 2022 年 49 卷 005 期

页码： 832-837

收录情况： 北大核心 ; CSCD

摘要： 为了能够较为精准的估测牧群的采食量信息,提出一种基于遗传算法(genetic algorithm,GA)和长短时记忆神经网络(long short-term memory,LSTM)的牧群采食量估测模型.首先通过皮尔森系数法分析得出影响牧群的采食量的主要影响因子,以减少输入维度并解决信息冗余问题.在此基础上,构建基于LSTM神经网络算法的牧群采食量估测模型,并引入遗传算法来优化LSTM神经网络模型参数来增加模型的可靠性.最后,利用该模型对牧群采食量进行估测.试验结果表明:该采食量估测模型各评价指标平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)、以及均方根误差(root mean square error,RMSE)分别为2.982、9.85%和6.108.与单一的LSTM神经网络以及GRU神经网络模型相比,均优于其他模型;且该模型具有较好的估测性能和较强的泛化能力,能够为合理轮牧提供科学指导,对草地保护有一定的应用价值.

分类号： S826%S818.9

  • 相关文献

[1]基于PCA-LSTM小麦叶片水分检测研究. 赵东东,赵雅丽,赵秉强,崔东云,丁筱玲. 2019

[2]基于时间序列与横截面数据的吉林省水稻产量预测对比分析. 陈威,祁伟彦,袁福香,李哲敏. 2018

[3]基于SSA-LSTM模型的黄鳝池溶氧预测研究. 林彬彬,袁泉,田志新,潘显斌,周文宗,徐震. 2023

[4]融合Transformer和LSTM的蓝莓根区土壤含水量预测模型. 王亿,曹姗姗,孙伟,胡博,古丽米拉·克孜尔别克,孔繁涛. 2024

[5]采用PCR-DGGE技术对放牧羊补饲糖蜜尿素舔砖后细菌种群结构的分析. 李长青,金海,薛树媛. 2015

[6]放牧羊采食量测定方法及影响因素分析. 王勇,田可川,侯广田,王建勋,早尔克,何文革. 2015

[7]用RISA法评估补饲对枯草期放牧羊细菌群落结构的影响. 李长青,金海,薛树媛,郭天龙. 2016

[8]荒漠草原不同季节土壤-牧草-放牧羊血清中矿物质含量变化规律. 孟子琪,杨磊,王利,李长青,玉梅,田丰,赵启南,张海鹰. 2023

[9]一起放牧羊群布鲁氏菌病的分析检测. 金肖叶,叶锋,刘丽娅,马晓菁,李鑫,舒展,陈卓,钟旗. 2023

[10]内蒙古敖汉地区放牧羊矿物质营养检测──二、微量元素部分. 任家琨,李国华,卢德勋,武立怀,王庆基,荣威恒,余顺祥,高福森,李健飞,代风岐. 1997

[11]内蒙古敖汉地区放牧羊矿物质营养检测──一、常量元素部分. 卢德勋,武立怀,任家琨,王庆基,李国华,荣成恒,余顺祥,高福森,李健飞,代风岐. 1997

[12]养羊放牧需科学补饲. 杨德新,王大广,杨丰福,许方达. 2000

[13]内蒙古敖汉地区放牧羊矿物质营养检测二、微量元素部分. 任家琨,李国华,卢德勋,武立怀,王庆基,荣威恒,余顺祥,高福森,李健飞,代风岐. 1992

作者其他论文 更多>>

微信小程序