本文主要研究内容
作者杨亮,刘春红,郭昱辰,邓河,李道亮,段青玲（2019）在《基于EMD-LSTM的猪舍氨气浓度预测研究》一文中研究指出：为提高猪舍氨气浓度预测的精度和效率,提出了基于经验模态分解和长短时记忆神经网络(EMD-LSTM)的猪舍氨气浓度预测模型。首先,将猪舍氨气浓度时间序列数据进行经验模态分解,得到不同时间尺度下的固有模态分量(IMF);然后,对IMF建立LSTM氨气浓度预测模型;最后,将各分量的预测结果相加求和作为猪舍氨气浓度的最终预测值。将本文提出的预测模型应用于江苏省宜兴市实验基地某养猪场的氨气浓度预测中,并与Elman模型、循环神经网络(RNN)模型、LSTM模型和EMD-LSTM模型进行了对比实验,结果表明,基于EMD-LSTM模型的预测精度较高,预测结果与真实值相比较,平均绝对误差、平均绝对百分误差和均方根误差为0. 072 3 mg/m~3、0. 6257%和0. 094 5 mg/m~3。
Abstract
wei di gao zhu she an qi nong du yu ce de jing du he xiao lv ,di chu le ji yu jing yan mo tai fen jie he chang duan shi ji yi shen jing wang lao (EMD-LSTM)de zhu she an qi nong du yu ce mo xing 。shou xian ,jiang zhu she an qi nong du shi jian xu lie shu ju jin hang jing yan mo tai fen jie ,de dao bu tong shi jian che du xia de gu you mo tai fen liang (IMF);ran hou ,dui IMFjian li LSTMan qi nong du yu ce mo xing ;zui hou ,jiang ge fen liang de yu ce jie guo xiang jia qiu he zuo wei zhu she an qi nong du de zui zhong yu ce zhi 。jiang ben wen di chu de yu ce mo xing ying yong yu jiang su sheng yi xing shi shi yan ji de mou yang zhu chang de an qi nong du yu ce zhong ,bing yu Elmanmo xing 、xun huan shen jing wang lao (RNN)mo xing 、LSTMmo xing he EMD-LSTMmo xing jin hang le dui bi shi yan ,jie guo biao ming ,ji yu EMD-LSTMmo xing de yu ce jing du jiao gao ,yu ce jie guo yu zhen shi zhi xiang bi jiao ,ping jun jue dui wu cha 、ping jun jue dui bai fen wu cha he jun fang gen wu cha wei 0. 072 3 mg/m~3、0. 6257%he 0. 094 5 mg/m~3。
论文参考文献
论文详细介绍
论文作者分别是来自农业机械学报的杨亮,刘春红,郭昱辰,邓河,李道亮,段青玲，发表于刊物农业机械学报2019年S1期论文，是一篇关于猪舍论文,氨气浓度论文,经验模态分解论文,长短时记忆神经网络论文,农业机械学报2019年S1期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自农业机械学报2019年S1期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：猪舍论文; 氨气浓度论文; 经验模态分解论文; 长短时记忆神经网络论文; 农业机械学报2019年S1期论文;