基于遗传算法优化BP神经网络的奶牛采食量评估方法技术

本发明专利技术公开了一种基于遗传算法优化BP神经网络的奶牛采食量评估方法，所述方法包括如下步骤：步骤一、确定BP神经网络的拓扑结构；步骤二、样本数据的预处理；步骤三、种群初始化；步骤四、计算种群适应度值；步骤五、选择、交叉、变异操作；步骤六、判断进化是否完成；步骤七、模型构建；步骤八、模型验证。该方法采用遗传算法优化BP神经网络权值阈值的方法建立采食量评估模型，为准确评估奶牛采食量变化，合理掌控奶牛采食量变化规律提供科学依据与理论指导。本发明专利技术克服了BP神经网络可能陷入局部最优的缺点，提高了模型的收敛速度且具有较高的评估效果。

【技术实现步骤摘要】
基于遗传算法优化BP神经网络的奶牛采食量评估方法
本专利技术涉及一种奶牛采食量评估方法，具体涉及一种基于遗传算法优化BP神经网络的奶牛采食量评估方法。
技术介绍
奶牛养殖是我国传统畜牧行业，在畜牧业所占比重较大，因此如何提升我国奶牛养殖行业的经济效益，获得更好的投入产出比是当前急需解决的问题。其中，奶牛养殖业中干物质采食量是奶牛健康生产所需营养物质的量化基础，是衡量奶牛生产性能和潜力的重要指标，是决定奶牛生产水平高低、获得更高经济效益、推动奶牛养殖业不断标准化和专业化发展的重要因素，但个体奶牛的采食量在奶牛实际养殖中难以通过人工的方法直接获取，因此，准确评估奶牛干物质采食量对奶牛生产实践具有重要意义。在奶牛养殖业中，奶牛的采食量在不同环境、生理状况、生长周期、温度、饲料的精粗比等因素的影响下存在较大的差异，如何合理把控奶牛采食量是提升经济效益的关键因素。奶牛干物质采食量受多种因素的影响，它不仅会随着体重与采食时间变化而改变，而且也与奶牛的活动量、趴卧次数以及躺卧时间相关。高腾云等人研究发现：当奶牛的活动量相对较大时会增加能量消耗促进奶牛本文档来自技高网...

【技术保护点】
1.一种基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述方法包括如下步骤：/n步骤一、确定BP神经网络的拓扑结构/nBP神经网络输入为奶牛的采食时间、体重、行走步数、趴卧时间、趴卧次数和饲料的精粗比6种因素，输入层节点数为6，以奶牛的采食量作为输出，输出节点为1的3层神经网络结构，隐藏层节点的个数根据经验公式确定；/n步骤二、样本数据的预处理/n对输入输出数据进行归一化处理，使归一化后数据分布范围为[0，1]；/n步骤三、种群初始化/n根据步骤一确定的BP神经网络拓扑结构，确定权值、阈值的个数，种群的大小为权值阈值个数的和，并对种群个体进行二进制实数编码；/n步骤四、计算种群适...

【技术特征摘要】
1.一种基于遗传算法优化BP神经网络的奶牛采食量评估方法，其特征在于所述方法包括如下步骤：
步骤一、确定BP神经网络的拓扑结构
BP神经网络输入为奶牛的采食时间、体重、行走步数、趴卧时间、趴卧次数和饲料的精粗比6种因素，输入层节点数为6，以奶牛的采食量作为输出，输出节点为1的3层神经网络结构，隐藏层节点的个数根据经验公式确定；
步骤二、样本数据的预处理
对输入输出数据进行归一化处理，使归一化后数据分布范围为[0，1]；
步骤三、种群初始化
根据步骤一确定的BP神经网络拓扑结构，确定权值、阈值的个数，种群的大小为权值阈值个数的和，并对种群个体进行二进制实数编码；
步骤四、计算种群适应度值
根据种群个体得到BP神经网络的初始权重和阈值，用训练样本数据训练BP神经网络后预测系统输出，把预测输出和期望输出之间的误差绝对值作为个体适应度F；
步骤五、选择、交叉、变异操作
选择操作采用轮盘赌法在当前种群中选择适应度高的染色体进行复制；交叉操作采用交叉组合的方式；变异操作采用随方式进行变异；
步骤六、判断进化是否完成
若进化完成，获得出最优个体，即BP神经网络的最优权值、阈值，否则，则返回步骤四；
步骤七、模型构建
将步骤六获得的最优权值、阈值带入BP神经网络中，用训练样本集对模型进行训练；
步骤八、模型验证
测试样本集检验模型评估误差，若误差满足条件则停止，否则返回步骤一。
...

【专利技术属性】
技术研发人员：魏晓莉，沈维政，张永根，李根，付强，
申请(专利权)人：东北农业大学，
类型：发明
国别省市：黑龙江;23