目录
摘 要 Ⅰ
ABSTRACT Ⅱ
第一章 文献综述 1
1 研究背景和意义 1
2 国内外研究现状 2
2.1 国外研究现状 2
2.2 国内研究现状 3
3 研究内容和章节安排 3
3.1 研究内容 3
3.2 章节安排 4
第二章 材料与方法 5
1 数据采集与预处理 5
1.1 数据采集 5
1.2 数据预处理 6
1.2.1 数据插值 6
1.2.2 数据归一化 7
2 猪舍二氧化碳浓度预测模型 7
2.1 BP神经网络模型 7
2.1.1 BP神经网络结构 7
2.1.2 BP神经网络的学习过程 8
2.2 GRU模型 9
2.2.1 RNN 9
2.2.2 LSTM 9
2.2.3 GRU 10
2.3 EEMDGRU模型 11
2.3.1 EMD 11
2.3.2 EEMD 12
2.3.3 EEMDGRU 13
第三章 结果与分析 15
1 结果与分析 15
1.1 模型评价指标 15
1.2 EEMD分解结果 15
1.3 模型预测结果 16
2 讨论 18
第四章 结论与展望 19
1 结论 19
2 展望 19
参考文献 20
致 谢 22
基于深度学习的猪舍二氧化碳浓度预测模型研究
摘 要
动物禽舍内空气环境的相关研究对动物的健康生长有重要意义，猪舍内二氧化碳浓度过高会使猪无法健康生长，进而影响猪肉品质。为从源头上减少猪养殖过程中二氧化碳的大量堆积，采用深度学习方法建立猪舍二氧化碳浓度预测模型，预判舍内有害气体浓度变化，便于监测和及时调控猪舍内环境参数。实验采集了冬季和夏季猪舍环境中温度、湿度、风速和二氧化碳浓度等数据，经数据预处理后对其进 *51今日免费论文网|www.51jrft.com +Q: ^351916072^ 
行了EEMD分解，并基于IMF分量建立了EEMDGRU预测模型。同时建立了BP神经网络模型和GRU模型进行预测结果对比。结果表明，上述三种模型对冬季二氧化碳浓度预测得到的RMSE为131.477，381.968，574.941；MAE为92.258，328.18，442.261。对夏季二氧化碳浓度预测得到的RSME为133.669，223.53，147.886；MAE为98.193，192.71，106.707。可以看出，EEMDGRU模型对猪舍二氧化碳浓度预测精确度最高，可以有效地预测猪舍二氧化碳的浓度变化，为猪舍环境精准化调控管理提供有效帮助，同时保证了猪的健康生长环境，提高猪养殖业的生产质量和效率。

原文链接：http://www.jxszl.com/dzxx/dzdq/609070.html