摘要
本研究以初生羔羊信息预测羔羊断奶体重,预测结果作为判断对初生羔羊是否需要进行早期饲喂、治疗等干预的依据.本研究收集了湖州某羊场 8 836 只羊的性别、血统号、出生日期、羔皮品质、初生体重、同胎羔数、断奶体重等信息,通过观察特征间关系,使用斯皮尔曼秩相关系数进行特征相关性检测,筛选出 4个重要特征变量(性别、出生月份、初生体重、同胎羔数),基于这些重要特征变量运用线性回归、随机森林、XGBoost、支持向量机回归、深度神经网络模型(DNN)对羔羊断奶体重进行回归预测.结果显示:5 种模型的预测值与真实值误差小于 1.5 kg的正确率均在 81%以上,其中构建的DNN模型正确率可达 88.40%,均方误差(MSE)值为 2.96,平均绝对误差(MAE)值为 0.87,均为最优.对预测的羔羊体重进行排序,以二分类形式判断是否需要干预饲喂,得出混淆矩阵与受试者工作特征曲线(ROC)图,显示DNN模型效果最好.
基金项目
浙江省重点研发项目(2017C02036)
湖州市择优委托重点研发项目(2022ZD2002)
国家科技期刊平台
NSTL
万方数据