[发明专利]维持净能需要量的预测方法、装置及电子设备

权利要求书

1.一种维持净能需要量的预测方法，其特征在于，包括：

获取目标生猪的心率数据；

基于所述心率数据和预先训练好的净能需要预测模型，获得所述目标生猪的维持净能需要量；

其中，所述净能需要预测模型是基于产能参数训练得到的神经网络模型。

2.根据权利要求1所述的维持净能需要量的预测方法，其特征在于，所述净能需要预测模型的训练过程，包括：

获取若干样本生猪的心率数据，形成第一数据集，其中，所述心率数据包括时间信息；

获取各所述样本生猪在相应时间信息的维持净能需要量数据，形成第二数据集；

基于所述第一数据集和所述第二数据集构建训练数据集；

基于所述训练数据集、预设的数据曲线拟合法和预设的参数估计算法，获得所述产能参数；

基于所述训练数据集对所述产能参数进行训练，获得所述净能需要预测模型；

其中，所述数据曲线拟合法为基于非线性逻辑回归函数对所述训练数据集进行曲线拟合。

3.根据权利要求2所述的维持净能需要量的预测方法，其特征在于，所述基于所述训练数据集、预设的数据曲线拟合法和预设的参数估计算法，获得所述产能参数，包括：

以所述训练数据集中的所述心率数据作为输入量，以所述训练数据集中与所述心率数据相应的所述维持净能需要量数据作为输出量，基于非线性逻辑回归函数进行曲线拟合，获得曲线拟合函数；

基于预设的参数估计算法和所述曲线拟合函数进行参数逆向估计，获得所述产能参数。

4.根据权利要求3所述的维持净能需要量的预测方法，其特征在于，所述曲线拟合函数的表达式为：

NEm_ij＝g(Φ_i,HR_ij)+ε_ij

其中，i表示样本生猪的只数序号，j表示数据个数序号，HR_ij表示样本生猪的心率数据，NEm_ij表示样本生猪在相应时间的维持净能需要量，Φ_i表示产能参数，ε_ij表示随机效应误差。

5.根据权利要求3所述的维持净能需要量的预测方法，其特征在于，所述参数估计算法包括期望最大算法、牛顿迭代算法和梯度下降算法中的任意一项或多项。

6.根据权利要求2所述的维持净能需要量的预测方法，其特征在于，所述净能需要预测模型的训练过程，还包括：

基于所述第一数据集和所述第二数据集构建测试数据集，记所述测试数据集中所述维持净能需要量数据为维持净能需要量的实际值；

将所述测试数据集中的心率数据输入至所述净能需要预测模型，获得维持净能需要量的预测值；

分析所述维持净能需要量的预测值和所述维持净能需要量的实际值之间的相关性关系；

基于所述相关性关系对所述净能需要预测模型进行验证。

7.根据权利要求6所述的维持净能需要量的预测方法，其特征在于，所述基于所述相关性关系对所述净能需要预测模型进行验证，包括：

基于所述相关性关系，获得预测加权残差分布情况；

基于所述预测加权残差分布情况对所述净能需要预测模型进行验证。

8.一种维持净能需要量的预测装置，其特征在于，包括：

获取模块，用于获取目标生猪的心率数据；

预测模块，用于基于所述心率数据和预先训练好的净能需要预测模型，获得所述目标生猪的维持净能需要量；

其中，所述净能需要预测模型是基于产能参数训练得到的神经网络模型。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述维持净能需要量的预测方法的全部或部分步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述维持净能需要量的预测方法的全部或部分步骤。