[发明专利]一种基于PSO-BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法

说明书

本发明公开了一种基于PSO‑BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法，属于甲烷产量的预测领域。构建PSO‑BP神经网络，对输入样本的数据进行归一化处理；建立数据集；根据所述数据集对BP神经网络进行初始化，得到权值和阈值；种群经过初始化后，得到粒子群适应度值；确定个体极值和群体极值；更新粒子速度位置，判断迭代数是否达到初始化设置的结束条件，若达到结束条件，获得最优权值阈值，计算更新权值阈值，判断迭代数是否达到初始化设置的结束条件，若满足则开始仿真，得到预测结果；本发明用以解决目前已有的瘤胃发酵产甲烷预测系统出现了许多数据预处理不理想，导致预测误差较大的问题。

技术领域

本发明属于甲烷产量的预测领域，具体涉及一种基于PSO-BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法。

背景技术

本世纪以来，由于温室气体排放造成的全球性气候变暖现象一直备受关注。甲烷(CH₄)是半衰期较长的一种温室气体，其增温潜势力是CO₂的25-30倍，对全球变暖的影响作用在近100多年里占到所有影响气候变暖作用的15％-20％，而畜牧业则是导致大气中甲烷累积的主要贡献者。全球每年CH₄的排放量达到5.35×108t,其中反刍动物的CH₄年平均排放量占已知散发到大气中CH₄排放总量的15％。其中牛类(除水牛外)的甲烷排放量约占反刍动物排放总量的75％。高产奶牛每年均产甲烷128千克，其他牛均产甲烷53千克。就动物营养学而言，根据动物饲养水平、饲粮结构组成和营养物质消化率的不同，反刍动物以CH₄形式损失的能量占饲料总能的2％-15％。反刍动物肠道发酵CH₄排放的建模和准确预测是寻找减缓CH₄排放策略和提高畜牧生产效率、减少能量不必要损耗的基础，因此其在反刍动物营养领域变得越来越重要。

在过去的几十年里，有很多学者建立了预测反刍动物CH₄产量的模型，包括线性回归模型(Holter and Young,1992；Moe and Tyrrell，1979)，非线性回归模型(Blaxter andClapperton，1965；Mills，2003)和动态机械模型(Dijkstra et al.，1992)等。这些模型成功的模拟了一些反刍动物的CH₄产量，然而有一些模型存在预测精度不高的问题,部分原因可能是：1)在假设模型的基础上进行的回归，具有一定的局限性；2)回归方程对样本数据的自带噪声处理能力较差；3)近似计算产生的误差较大时影响回归模型的精度。

瘤胃发酵产甲烷是一个复杂的过程，主要受饲料成分的影响。国内外已经已有不少学者从各方面讨论了与瘤胃消化及产气相关的因素。

发明内容

本发明的目的是为了为了一种基于PSO-BP神经网络的TMR日粮瘤胃发酵甲烷产量的预测方法，以克服现有的瘤胃发酵产甲烷结果精度不达标和误差大的问题，本发明提供一种基于PSO-BP神经网络的TMR(全混合)日粮瘤胃发酵甲烷产量的预测方法，所述预测方法具体步骤如下：

(1)构建PSO-BP神经网络，对输入的待检测的TMR日粮瘤胃发酵的甲烷产量的样本的数据进行归一化处理；

(2)建立数据集：包括输入数据和输出数据，所述输入数据为TMR日粮体外发酵测定的总能、中性洗涤纤维的含量、酸性洗涤纤维含量、干物质含量和粗蛋白含量，所述输出数据为甲烷产量或总产气量；

(3)根据所述数据集对BP神经网络进行初始化，确定网络拓扑结构，得到初始权值和阈值；

(4)种群经过初始化后，种群中的每个个体都包含了一个网络所有权值和阈值，个体通过适应度函数计算个体适应度值；

(5)根据所述粒子群适应度值确定个体极值和群体极值；