仲恺农业工程学院信息科学与技术学院;仲恺农业工程学院智慧农业创新研究院;中山大学计算机学院;仲恺农业工程学院广州市农产品质量安全溯源信息技术重点实验室;
准确预测肉鹅养殖环境湿度对于实现精准养殖管理具有重要意义．通过对未来湿度变化趋势的精准预测，养殖者可以及时调整环境条件、优化养殖环境，有效减轻或预防热应激对肉鹅的影响，从而保证了肉鹅的健康成长和养殖效率的提升.本研究提出一种基于Transformer-MultiScaleTCN的鹅舍湿度多步预测模型．该模型通过结合Transformer、改进的多尺度TCN(Temporal Convolutional Network)和多层感知机（Multi-Layer Perceptron,MLP）构成一种创新的预测框架．首先，通过Transformer的Encoder提取特征信息，捕捉长距离的依赖关系．其次，对原有TCN block进行改进并构建包含不同卷积核尺寸的多尺度TCN捕获数据依赖.然后，通过MLP构成的特征融合模块，将不同尺度的特征结合起来，以提高预测的准确性．最后，进行鹅舍环境湿度多步预测.试验结果显示，提出的模型在除第2步的MAE略高外，其他评价指标均优于对比模型．特别在步长为12时MAE、RMSE和R2分别达到0.038 9、0.062 3和0.841 2．提出的模型能够有效地预测未来环境湿度的变化，为应对肉鹅养殖中常见的热应激问题提供了创新的解决策略．
| 237 | 0 | 35 |
| 下载次数 | 被引频次 | 阅读次数 |
[1]侯水生，刘灵芝．2023年水禽产业与技术发展报告[J]．中国畜牧杂志，2024,60(3):318-321.
[2]李祥铜，曹亮，李湘丽，等．基于XGBoost的水禽养殖粉尘预测研究[J]．仲恺农业工程学院学报，2021,34(2):11-16.
[3] KUMAR M,RATWAN P,DAHIYA S P,et al. Climate change and heat stress:impact on production,reproduction and growth performance of poultry and its mitigation using genetic strategies[J]. Journal of Thermal Biology,2021,97:102867.
[4]赵云飞，金太花，魏明吉，等．热应激影响家禽肠道健康的研究进展[J]．中国家禽，2024,46(12):116-123.
[5]卢倩，正旭城，梁雅茜，等．冷、热应激对水禽的影响及营养调控研究进展[J]．饲料研究，2022,45(2):123-126.
[6]刘又夫，肖德琴，周家鑫，等．水禽智能化养殖研究现状及发展趋势[J]．智慧农业（中英文），2023,5(1):99-110.
[7]江丹莉，吴纯华，包海缘，等．水帘降温对鹅舍内不同位置环境参数的影响[J]．仲恺农业工程学院学报，2019,32(2):36-40.
[8]马超凡，谢秋菊，王圣超，等．融合统计学习与深度学习的猪舍环境预测模型[J]．山西农业大学学报（自然科学版），2022,42(6):24-32.
[9]黄天艺，吴华瑞，朱华吉．基于多模态数据驱动的黄瓜温室湿度预测方法[J]．电子测量技术，2023,46(16):97-104.
[10]谢秋菊，马超凡，王圣超，等．猪舍氨气与二氧化碳浓度变化时序预测模型优化[J]．农业机械学报，2023,54(7):381-391.
[11]石庆兰，束金阳，李道亮，等．基于BiLSTM-GRU融合网络的稻虾养殖溶解氧含量预测[J]．农业机械学报，2023,54(10):364-370.
[12]李晓梅，杨健浩，李俐，等．基于多维数据的WTD-GA-BP海参养殖水温预测[J]．河南师范大学学报（自然科学版），2023,51(6):30-38.
[13]郭建军，韩钤钰，董佳琦，等．基于SSA-PSO-LSTM模型的羊舍相对湿度预测技术[J]．农业机械学报，2022,53(9):365-373.
[14]靳亚红，吴鑫淼，甄文超，等．基于采样点光谱信息窗口尺度优化的土壤含水率无人机多光谱遥感反演[J]．农业机械学报，2024,55(1):316-327.
[15]尹航，李祥铜，徐龙琴，等．对虾养殖溶解氧浓度组合预测模型EMD-RF-LSTM[J]．智慧农业（中英文），2021,3(2):115-125.
[16]左敏，胡天宇，董微，等．基于Informer神经网络的农产品物流需求预测分析——以华中地区为例[J]．智慧农业（中英文），2023,5(1):34-43.
[17] VASWANI A,SHAZEER N,PARMAR N,et al. Attention Is All You Need[EB/OL].(2024-05-20). http://arxiv. org/abs/1706. 03762.
[18] KIM J,OBREGON J,PARK H,et al. Multi-step photovoltaic power forecasting using transformer and recurrent neural networks[J]. Renewable and Sustainable Energy Reviews,2024,200:114479.
[19]赵陆阳，刘长良，刘卫亮，等．基于CBAM-DSC-UNet模型的时空风速预测算法[J]．太阳能学报：2024,45(10):497-505.
[20]尚俊平，张冬阳，席磊，等．基于多尺度特征融合和注意力机制的辣椒病害识别模型[J]．河南农业大学学报，2024,58(6):1021-1033.
[21] BAI S,KOLTER J Z,KOLTUN V. An empirical evaluation of generic convolutional and recurrent networks for sequence modeling[EB/OL].(2024-05-20). http://arxiv. org/abs/1803. 01271.
[22] GUO J,LI D,DU B. A stacked ensemble method based on TCN and convolutional bi-directional GRU with multiple time windows for remaining useful life estimation[J]. Applied Soft Computing,2024,150:111071.
[23]段沁宇，薛贵军，谭全伟，等．基于SVMD的改进BWOTimeNet短期热负荷预测模型[J]．广西师范大学学报：自然科学版，2024,42(6):101-116.
[24]许钰林，康孟珍，王秀娟，等．基于深度学习的玉米和大豆期货价格智能预测[J]．智慧农业（中英文），2022,4(4):156-163.
基本信息:
DOI：
中图分类号:TP18;S835
引用信息:
[1]胡聪,李汝彬,刘双印等.基于Transformer-MultiScaleTCN的鹅舍湿度多步预测模型[J].仲恺农业工程学院学报,2025,38(02):22-30.
基金信息:
国家自然科学基金项目（61871475、62373390）; 广东省基础与应用基础研究基金重点项目（2022B1515120059）