首页|基于机器学习的湖羊断奶体重预测研究

基于机器学习的湖羊断奶体重预测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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。

顾永跟、时元婷、殷雨洋、黄杰、陶杰、吴小红、张艳琼

展开 >

湖州师范学院信息工程学院,浙江湖州 313000

浙江省现代农业资源智慧管理与应用研究重点实验室,浙江湖州 313000

湖州市农业科学研究院,浙江湖州 313000

湖州学院电子信息学院,浙江湖州 313000

展开 >

湖羊 早期干预 断奶体重预测 机器学习 深度神经网络

浙江省重点研发项目湖州市择优委托重点研发项目

2017C020362022ZD2002

2024

10.19556/j.0258-7033.20230718-05

中国畜牧杂志
中国畜牧兽医学会

中国畜牧杂志

CSTPCD北大核心
影响因子：0.704
ISSN：0258-7033
年,卷(期)：2024.60(7)
  • 16