本申请涉及环境监测技术领域，公开一种基于环境数据的鸡舍环境舒适度预测方法，包括：获取鸡舍的原始环境数据；去除所述原始环境数据的误差获得更新环境数据；对所述更新环境数据进行非趋势的互相关解析，获得所述更新环境数据的相关系数频数分布；通过所述相关系数频数分布，确定所述更新环境数据的最优去趋势尺度m，获得所述更新环境数据的相关矩阵；对所述相关矩阵进行因子分析，计算所述更新环境数据的因子得分；通过所述因子得分预测鸡舍环境的即时舒适度。该方法可以精确分析出各环境因素之间的耦合关系，也可对鸡舍的舒适度作出量化的评判。本申请还公开一种基于环境数据的鸡舍环境舒适度预测装置、产品及存储介质。产品及存储介质。产品及存储介质。
【技术实现步骤摘要】
基于环境数据的鸡舍环境舒适度预测方法、装置、产品及存储介质
[0001]本申请涉及环境监测
，例如涉及一种基于环境数据的鸡舍环境舒适度预测方法、装置、产品及存储介质。
技术介绍
[0002]畜牧业作为我国的传统产业，在国民经济中占有至关重要的地位，人们对畜牧业产品的消费需求也在不断增加，畜牧业正处于快速发展阶段。然而，畜牧行业现有的控制技术水平难以与其高速发展的势头相匹配，这必然会出现系列问题。鸡舍的环境非常重要，鸡舍的环境的舒适与否直接影响到鸡的成活率和产蛋量，对养鸡产业的经济效益影响很大。
[0003]现有的鸡舍环境的预测管理工作不理想，不能产生精确的预测结果。
[0004]在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
[0005]现有的预测算法适应实际环境的能力较差，无法准确预测鸡舍的舒适度。
技术实现思路
[0006]为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
[0007]本公开实施例提供了一种基于环境数据的鸡舍环境舒适度预测方法装置、产品及存储介质，以解决多场景应用的技术问题。
[0008]在一些实施例中，所述方法包括：
[0009]获取鸡舍的原始环境数据，所述原始环境数据包括原始温度数据和原始湿度数据；
[0010]去除所述原始环境数据的误差获得更新环境数据，所述更新环境数据包括更新温度数据和更新湿度数据；
[0011]对所述更新环境数据进行非趋势的互相关解析，获得所述更新环境数据的相关系数频数分布；
[0012]通过所述相关系数频数分布，确定所述更新环境数据的最优去趋势尺度m，获得所述更新环境数据的相关矩阵；
[0013]对所述相关矩阵进行因子分析，计算所述更新环境数据的因子得分；
[0014]通过所述因子得分预测鸡舍环境的即时舒适度。
[0015]具体的，所述对所述更新环境数据进行非趋势的互相关解析，获得所述更新环境数据的相关系数频数分布的方法为：
[0016]设定所述更新温度数据的温度时间序列为T，所述更新湿度数据的湿度时间序列为H，分别计算T的累加信号和H的累加信号，获得公式(1)，公式(1)为
[0017][0018]其中，T＝{t
i
,i＝1,
…
,N},H＝{r
i
,i＝1,
…
,N}，t
i
为时间i的即时温度数据，r
i
为时间i的即时湿度数据，i为大于等于1的自然数，N为大于等于1的自然数，t
k
为所述温度时间序列T的累加信号，r
k
为所述湿度时间序列的累加信号，k为大于等于1的自然数；
[0019]将所述T的累加信号和所述H的累加信号划分为N
‑
y个重叠区域，每个重叠区域包括y+1个值，所述重叠区域的范围为[i,i+y]，y为大于等于0的自然数；
[0020]通过最小二乘法拟合获得每个所述重叠区域的局部趋势和
[0021]去除所述局部趋势和获得所述重叠区域的残差序列后计算所述重叠区域的协方差，所述协方差为
[0022][0023]其中，f2(y,i)为协方差；
[0024]计算每个所述重叠区域的长度，获得非趋势协方差，所述非趋势协方差为
[0025][0026]F(y)～y
λ
ꢀꢀꢀ
(4)，
[0027]其中，F2(y)为所述非趋势协方差，λ为标定参数，公式(4)为所述非趋势协方差的开根号值和标定参数λ的近似函数关系；
[0028]通过公式(5)和所述非趋势协方差获得所述温度时间序列和所述湿度时间序列的互相关系数ρ，公式(5)为
[0029][0030]其中，F
T
和F
H
为所述温度时间序列和所述湿度时间序列的DFA标度参数。
[0031]具体的，所述对所述相关矩阵进行因子分析，计算所述更新环境数据的因子得分的方法包括：
[0032]设定所述更新环境数据的变量序列由最优去趋势因子序列线性表示，所述变量序列为{x1,x2,x3,
…
,x
n
}，所述最优去趋势因子序列为{f1,f2,f3,
…
,f
m
}，m为小于n的自然数，即
[0033][0034]公式(6)的矩阵形式为X＝A
×
F+ε，其中X为所述变量序列的原始n维变量，F为因子向量，即X的公共因子，矩阵A为因子载荷矩阵，α
nm
为因子载荷，α
nm
是第n变量与第m因子的相关系数,ε为X的特殊因子；
[0035]通过因子旋转计算所述更新环境数据的因子得分，所述因子得分为ZF，即
[0036]ZF＝XSD+D0ꢀꢀꢀ
(7)，
[0037]其中，X为环境数据矩阵，S为成分得分系数矩阵，D为成分贡献率权重集合，D0为补偿得分。
[0038]在一些实施例中，所述装置包括：
[0039]获取原始环境数据模块，被配置为获取鸡舍的原始环境数据，所述原始环境数据包括原始温度数据和原始湿度数据；
[0040]获取更新环境数据模块，被配置为去除所述原始环境数据的误差获得更新环境数据，所述更新环境数据包括更新温度数据和更新湿度数据；
[0041]获取相关系数频数分布模块，被配置为对所述更新环境数据进行非趋势的互相关解析，获得所述更新环境数据的相关系数频数分布；
[0042]获取相关矩阵模块，被配置为通过所述相关系数频数分布，确定所述更新环境数据的最优去趋势尺度m，获得所述更新环境数据的相关矩阵；
[0043]计算因子得分模块，被配置为对所述相关矩阵进行因子分析，计算所述更新环境数据的因子得分；
[0044]预测即使舒适度模块，被配置为通过所述因子得分预测鸡舍环境的即时舒适度。
[0045]在一些实施例中，所述装置包括：
[0046]处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如上所述的基于环境数据的鸡舍环境舒适度预测方法。
[0047]在一些实施例中，所述产品包括：
[0048]如上所述的基于环境数据的鸡舍环境舒适度预测装置。
[0049]在一些实施例中，所述存储介质存储有程序指令，所述程序指令在运行时，执行如上所述的基于环境数据的鸡舍环境舒适度预测方法。
[0050]本公开实施例提供的基于环境数据的鸡舍环境舒适度预测方法、装置、产品及存储介质，通过非趋势互相关解析法对环境数据进行处理，可以精确分析出各环境因素之间的耦合关系，有助于帮助管理人员作出精准判断，同时通过因子分析方法对环境数据进行评估本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于环境数据的鸡舍环境舒适度预测方法，其特征在于，包括：获取鸡舍的原始环境数据，所述原始环境数据包括原始温度数据和原始湿度数据；去除所述原始环境数据的误差获得更新环境数据，所述更新环境数据包括更新温度数据和更新湿度数据；对所述更新环境数据进行非趋势的互相关解析，获得所述更新环境数据的相关系数频数分布；通过所述相关系数频数分布，确定所述更新环境数据的最优去趋势尺度m，获得所述更新环境数据的相关矩阵；对所述相关矩阵进行因子分析，计算所述更新环境数据的因子得分；通过所述因子得分预测鸡舍环境的即时舒适度。2.根据权利要求1所述的方法，其特征在于，所述对所述更新环境数据进行非趋势的互相关解析，获得所述更新环境数据的相关系数频数分布的方法为：设定所述更新温度数据的温度时间序列为T，所述更新湿度数据的湿度时间序列为H，分别计算T的累加信号和H的累加信号，获得公式(1)，公式(1)为其中，T＝{t
i
,i＝1,
…
,N},H＝{r
i
,i＝1,
…
,N}，t
i
为时间i的即时温度数据，r
i
为时间i的即时湿度数据，i为大于等于1的自然数，N为大于等于1的自然数，t
k
为所述温度时间序列T的累加信号，r
k
为所述湿度时间序列的累加信号，k为大于等于1的自然数；将所述T的累加信号和所述H的累加信号划分为N
‑
y个重叠区域，每个重叠区域包括y+1个值，所述重叠区域的范围为[i,i+y]，y为大于等于0的自然数；通过最小二乘法拟合获得每个所述重叠区域的局部趋势和去除所述局部趋势和获得所述重叠区域的残差序列后计算所述重叠区域的协方差，所述协方差为其中，f2(y,i)为协方差；计算每个所述重叠区域的长度，获得非趋势协方差，所述非趋势协方差为F(y)～y
λ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)，其中，F2(y)为所述非趋势协方差，λ为标定参数，公式(4)为所述非趋势协方差的开根号值和标定参数λ的近似函数关系；通过公式(5)和所述非趋势协方差获得所述温度时间序列和所述湿度时间序列的互相关系数ρ，公式(5)为
其中，F
T
和F
H
为所述温度时间序列和所述湿度时...
【专利技术属性】
技术研发人员：王福宝，赵雅坤，金鑫，
申请(专利权)人：青岛科创信达科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。