一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法技术

本发明专利技术公开了一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法，属于环境智能控制技术领域。包括：步骤一：选取猪舍内采集的历史温度、湿度、二氧化碳浓度以及光照强度作为氨气浓度的影响因素，对氨气浓度及4种影响因素的时间序列进行经验模态分解，分别得到本征模态函数和趋势项；步骤二：对分解后相同时间尺度下的波动分量分别建立Elman神经网络预测模型；步骤三：对各分量预测结果进行重构得到氨气浓度预测值，建立了基于经验模态分解与Elman神经网络的氨气浓度预测方法。本发明专利技术的预测结果与使用Elman神经网络单独预测方法相比可提高猪舍氨气浓度预测的准确性，连续预测的性能可为寒地猪舍内环境监控及氨气浓度的调控提供有效参数。

A Prediction Method of Ammonia Concentration in Cold Piggery Based on Empirical Mode Decomposition and Elman Neural Network

The invention discloses a prediction method of ammonia concentration in cold pigsty based on empirical mode decomposition and Elman neural network, which belongs to the field of environmental intelligent control technology. The first step is to select the historical temperature, humidity, carbon dioxide concentration and illumination intensity collected in pigsty as the influencing factors of ammonia concentration, and to decompose the time series of ammonia concentration and four influencing factors by empirical mode decomposition, and get the intrinsic mode function and trend terms respectively. The second step is to establish Elman neural network for the fluctuation components at the same time scale after decomposition. The third step is to reconstruct the predicted results of each component to get the predicted values of ammonia concentration, and establish a prediction method of ammonia concentration based on empirical mode decomposition and Elman neural network. The prediction results of the present invention can improve the accuracy of ammonia concentration prediction in piggery compared with the single prediction method using Elman neural network, and the performance of continuous prediction can provide effective parameters for environmental monitoring and ammonia concentration regulation in piggery in cold regions.

【技术实现步骤摘要】
一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法
：本专利技术属于环境智能控制
，尤其涉及一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法。
技术介绍
：当前，养猪产业逐渐向着规模化、产业化和集约化方向发展。寒地猪舍冬季为了保温一般处于密闭状态，常常导致猪舍内有害气体浓度过高，危害生猪和养殖人员的健康，其中，氨气的含量最高、危害性最大。猪舍是一个实时变化的、复杂的、非线性且相互作用而形成的小气候系统，舍内各环境参数都会对氨气浓度造成影响。目前，我国多数研究的是氨气浓度的高低对生猪生长状态的影响，而基于猪舍内环境因素对氨气浓度影响方面的研究很少，预测模型主要采用机理模型和经验模型，这两种预测方法表明预测结果十分不稳定且预测精度不高。文献“罗文博.基于Android平台的猪舍氨气浓度预测系统[D]，黑龙江八一农垦大学，硕士学位论文，2018年.”中采用Elman神经网络对氨气浓度进行预测，其训练时间过长，经过7047步才能达到目标误差，且不能达到连续预测的效果。因此本专利技术首先使用经验模态分解的方法对数据进行平稳化处理，再使用Elman神经本文档来自技高网...

【技术保护点】
1.一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法，其特征在于：包括如下步骤：步骤S1：选取猪舍内采集的历史温度、湿度、二氧化碳浓度以及光照强度作为氨气浓度的影响因素，对氨气浓度及4种影响因素的时间序列进行经验模态分解，分别得到本征模态函数和趋势项；步骤S2：对分解后各相同时间尺度下的波动分量分别建立Elman神经网络预测模型；步骤S3：对各分量预测结果进行重构得到氨气浓度预测值，建立基于经验模态分解与Elman神经网络的氨气浓度预测模型。

【技术特征摘要】
1.一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法，其特征在于：包括如下步骤：步骤S1：选取猪舍内采集的历史温度、湿度、二氧化碳浓度以及光照强度作为氨气浓度的影响因素，对氨气浓度及4种影响因素的时间序列进行经验模态分解，分别得到本征模态函数和趋势项；步骤S2：对分解后各相同时间尺度下的波动分量分别建立Elman神经网络预测模型；步骤S3：对各分量预测结果进行重构得到氨气浓度预测值，建立基于经验模态分解与Elman神经网络的氨气浓度预测模型。2.根据权利要求1所述的一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法，其特征在于：所述步骤S1选择的猪舍为密闭式机械通风方式。3.根据权利要求1所述的一种基于经验模态分解与Elman神经网络的寒地猪舍内氨气浓度预测方法，其特征在于：所述步骤S1具体为：设fm(n)为环境参数和氨气浓度的时间序列数据，其中n∈N*，m取值范围为1～5，表示为5个变量，对各个环境参数进行如下的分解：(1)初始化：另r0＝fm(n),k＝1，(2)计算k个本征模函数，dk，a)初始化：h0＝rk-1,j＝1b)定义所有的局部极值hj-1c)并定义所有的局部极值点，计算包络均值：其中Emax,j-1(t)为局部极大值点决定上包络线，Emin,j-1(t)为局部极小值点决定上包络线，均值Emean,j-1(t)为平均包络线，d)计算hj[n]＝hj-1[n]-Emean,j-1(n)(2)e)如果满足标准得到dk＝hj，则停止，否则j＝j+1；(3)计算：...

【专利技术属性】
技术研发人员：尹艳玲，沈维政，付晓，王润涛，张宇，熊本海，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：黑龙江,23