[发明专利]个体窝产活仔数的预测分析方法、装置及电子设备

权利要求书

1.一种个体窝产活仔数的预测分析方法，其特征在于，包括：

获取窝产活仔数影响因子对应的影响因子特征值数据集；

将所述影响因子特征值数据集输入至训练好的窝产活仔预测模型进行窝产活仔数预测，得到窝产活仔数预测值；所述窝产活仔预测模型是基于影响因子特征值样本集和多序列长短期记忆模型训练得到；

对正态分布样本集抽样得到影响因子特征值样本，基于所述影响因子特征值样本替换所述影响因子特征值样本集中，与所述影响因子特征值样本属于相同窝产活仔数影响因子的特征值样本，得到影响因子特征值新数据集；所述正态分布样本集是基于所述影响因子特征值样本集中同一窝产活仔数影响因子对应的多个影响因子特征值样本拟合成正态分布所得到；

将所述影响因子特征值新数据集输入至所述窝产活仔数预测模型，得到窝产活仔数新预测值；

基于所述影响因子特征值样本，和所述窝产活仔数新预测值构建线性回归模型，以基于所述线性回归模型确定影响因子特征值与窝产活仔数预测值的关系；

所述将所述影响因子特征值数据集输入至训练好的窝产活仔预测模型进行窝产活仔数预测，得到窝产活仔数预测值，包括：

基于所述窝产活仔预测模型的多个长短期记忆序列模型，对所述影响因子特征值数据集中，与所述长短期记忆序列模型对应的影响因子特征值进行权重设置，得到多个加权特征值；

基于所述窝产活仔预测模型的连接层，将所述多个加权特征值进行连接，得到目标特征值；

基于所述窝产活仔预测模型的致密层，将所述目标特征值进行致密连接，得到所述窝产活仔数预测值；

所述基于所述窝产活仔预测模型的多个长短期记忆序列模型，对所述影响因子特征值数据集中，与所述长短期记忆序列模型对应的影响因子特征值进行权重设置，得到多个加权特征值，包括：

基于所述长短期记忆序列模型中多个串联的长短期记忆序列单元分别对自身所接收的影响因子特征值进行权重设置，所述加权特征值得到所述加权特征值；

其中，所述多个串联的长短期记忆序列单元中的上一个长短期记忆序列单元将对影响因子特征值的加权处理结果输入至下一个长短期记忆序列单元，以用于下一个长短期记忆序列单元对自身所接收的影响因子特征值进行权重设置；

所述加权特征值为所述多个串联的长短期记忆序列单元中的最后一个长短期记忆序列单元对影响因子特征值的加权处理结果；

所述影响因子特征值包括连续性特征和离散型特征；

所述长短期记忆序列单元用于基于嵌套层对所述离散型特征进行向量化处理，得到向量化特征，再基于连接层将所述向量化特征和所述连续性特征相结合，得到结合特征，并基于长短期记忆序列层对所述结合特征进行权重设置；

所述窝产活仔数影响因子包括母猪影响因子、公猪影响因子、配种员影响因子和猪场影响因子。

2.根据权利要求1所述的个体窝产活仔数的预测分析方法，其特征在于，还包括：

在得到所述窝产活仔数预测值后，基于Adam优化器将所述窝产活仔数预测值与窝产活仔数实际值进行比较，得到比较结果，并基于所述比较结果对所述窝产活仔预测模型的参数进行更新。