[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

说明书

本发明提供一种个体窝产活仔数的预测分析方法、装置及电子设备，涉及生物信息技术领域，该方法包括：获取窝产活仔数影响因子对应的影响因子特征值数据集；将影响因子特征值数据集输入至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；对正态分布样本集抽样得到影响因子特征值样本，替换影响因子特征值样本集中的特征值样本，得到影响因子特征值新数据集；将影响因子特征值新数据集输入至窝产活仔数预测模型，得到窝产活仔数新预测值；基于影响因子特征值样本，和窝产活仔数新预测值构建线性回归模型。本发明可以实现预测窝产活仔数，且确定影响因子特征值与窝产活仔数预测值的关系，有针对性的去提升个体窝产活仔数。

技术领域

本发明涉及生物信息技术领域，尤其涉及一种个体窝产活仔数的预测分析方法、装置及电子设备。

背景技术

窝产活仔数的预测是一项非常重要的任务。传统的窝产活仔数的预测方法，往往是业务人员通过过去养殖所积累的经验去预估一批母猪的平均窝产活仔数，这种方法往往有着非常大的局限性。由于多种因素的影响，往往有些母猪的窝产活仔数会大于预估平均值，有些则会小于预估平均值。因此，仅观察一批母猪的平均窝产活仔数往往会掩盖了母猪个体差异，而母猪个体差异往往才是非常重要的东西，目前缺乏相应的方法去分析母猪个体差异对窝产活仔数的影响。

发明内容

本发明提供一种个体窝产活仔数的预测分析方法、装置及电子设备，实现预测窝产活仔数，且可以确定母猪个体差异对应窝产活仔数的影响，进而可以有针对性的去提升个体窝产活仔数。

本发明提供一种个体窝产活仔数的预测分析方法，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。

根据本发明提供的个体窝产活仔数的预测分析方法，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。

根据本发明提供的个体窝产活仔数的预测分析方法，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；