[发明专利]基于双胞支持向量回归的动态营养配比方法和系统

权利要求书

1.一种基于双胞支持向量回归的动态营养配比方法，其特征在于，包括以下步骤：

S1，数据库中存储与各只被监测奶牛ID分别对应的奶牛历史监测信息；所述奶牛历史监测信息包括奶牛基本信息、奶牛历史饲喂信息、奶牛历史生活环境信息、奶牛历史状态信息和奶牛历史挤奶信息；其中，所述奶牛历史饲喂信息包括所饲喂的各营养物质配比；

S2，当需要确定指定被监测奶牛当日所需营养物质配比时，通过读卡器读取固定在所述指定被监测奶牛上的RFID标签，获得指定被监测奶牛ID；同时，采集当日奶牛生活环境信息和当日奶牛状态信息；

将所述被监测奶牛ID、所述当日奶牛生活环境信息和当日奶牛状态信息发送到服务器；

S3，所述服务器读取数据库，获得与所述被监测奶牛ID对应的l天的奶牛历史监测信息，以l天的奶牛历史监测信息作为训练样本集

其中，x_i代表第i天的多维特征输入向量，多维特征输入向量的各维度特征值具体包括奶牛历史生活环境信息、奶牛历史状态信息和奶牛历史挤奶信息，作为营养需要模型的输入变量，分别记为：X1，X2，X3，…，Xn；

y_i代表第i天的多维特征输出向量，多维特征输出向量的各维度特征值具体包括饲料量估计值和各营养物质配比，作为营养需要模型的输出变量，分别记为：Y，Y1，Y2，Y3，…，Yn；其中，Y为饲料量估计值，Y1，Y2，Y3，…，Yn代表n类营养物质的配比；

采用双胞支持向量回归机对各组{X1，X2，X3，…，Xn；Y，Yi}，进行训练，其中，1≤i≤n，构建得到模型fy、f1、f2、f3,...,fn；其中，模型fy为饲料量估计值预测模型；f1、f2、f3,...,fn分别为n类营养物质的营养需要模型；

S3中，采用双胞支持向量回归机构建被监测奶牛的营养需要模型和饲料量估计值预测模型具体为:采用Kriging方法的Gauss分布函数作为核函数将非线性问题扩展到高位空间线性化处理；进而基于双胞支持向量回归构建被监测奶牛的营养需要模型；

S4，将当日奶牛生活环境信息、当日奶牛状态信息以及牛奶期望信息作为所述营养需要模型的输入，最终得到当日所需营养需要配比，即Y1，Y2，Y3，…，Yn的值；

将当日奶牛生活环境信息、当日奶牛状态信息以及牛奶期望信息作为所述饲料量估计值预测模型的输入，最终得到当日所需饲料量Y；

S5，建立多目标函数和约束条件；

其中，多目标函数为：

Cost^-_min＝P₁X₁+P₂X₂+P₃X₃+P_mX_m

Use1_max＝A₁₁F₁₁X₁+A₂₁F₂₁X₂+A₃₁F₃₁X₃+…+A_m1F_m1X_m

Use2_max＝A₁₂F₁₂X₁+A₂₂F₂₂X₂+A₃₂F₃₂X₃+…+A_m2F_m2X_m

Use3_max＝A₁₃F₁₃X₁+A₂₃F₂₃X₂+A₃₃F₃₃X₃+…+A_m3F_m3X_m

……

Usen_max＝A_1nF_1nX₁+A_2nF_2nX₂+A_3nF_3nX₃+…+A_mnF_mnX_m

约束条件为：

L_i≤X_i≤H_i(i＝1,2，…，m)

X_i≤Q_i(i＝1,2，…，m)

X₁+X₂+X₃+…+X_m＝Y

A₁₁X₁+A₂₁X₂+A₃₁X₃+…+A_m1X_m＝Y₁

A₁₂X₁+A₂₂X₂+A₃₂X₃+…+A_m2X_m＝Y₂

A₁₃X₁+A₂₃X₂+A₃₃X₃+…+A_m3X_m＝Y₃

……

A_1nX₁+A_2nX₂+A_3nX₃+…+A_mnX_m＝Y_n

其中，Q₁，Q₂，…Q_m分别为已有的m种饲料的质量；

P₁，P₂，…P_m分别为各种饲料的单价；

A₁₁，A₁₂，…A_1n；分别为第一种饲料所包含的各营养物质的含量，n为该种饲料所包含的营养物质的数量；

A₂₁，A₂₂，…A_2n；分别为第二种饲料所包含的各营养物质的含量，n为该种饲料所包含的营养物质的数量；

A_m1，A_m2，…A_mn；分别为第m种饲料所包含的各营养物质的含量，n为该种饲料所包含的营养物质的数量；

F₁₁，F₁₂，…F_1n；分别为第一种饲料所包含的各营养物质的消化率和利用率，n为该种饲料所包含的营养物质的数量；

F₂₁，F₂₂，…F_2n；分别为第二种饲料所包含的各营养物质的消化率和利用率，n为该种饲料所包含的营养物质的数量；

F_m1，F_m2，…F_mn；分别为第m种饲料所包含的各营养物质的消化率和利用率，n为该种饲料所包含的营养物质的数量；

Y₁，Y₂，…，Y_n分别为奶牛当日所需n种营养物质的比例，通过S4获得；

Y为奶牛当日所需饲料量，通过S4获得；

L₁，L₂，L₃，…，L_m分别为m种饲料的最低饲喂限量；

H₁，H₂，H₃，…，H_m分别为m种饲料的最高饲喂限量；

X₁，X₂，X₃，…，X_m分别为m种饲料当日的供应量，为输出值；

S6，采用极大极小值法对所述多目标函数求解，得到基于现有农场资源的当日最优m种饲料的供应量；

S7，根据S6计算得到的m种饲料的供应量，使用控制设备智能识别并称量组合，得到满足需求的混合饲料。