[发明专利]基于不确定性支持向量分类的智能营养配比方法和系统

摘要

本发明提供一种基于不确定性支持向量分类的智能营养配比方法和系统，包括用于存储与各只被监测奶牛ID分别对应的奶牛历史监测信息的数据库，营养需要模型构建模块、营养需要配比计算模块、多目标函数和约束条件构建模块、最优饲料供应量求解模块以及智能配料模块，本发明提供的基于不确定性支持向量分类的智能营养配比方法和系统，根据奶牛的基本信息、日采食量和产奶量的不同而适时适量地调配不同的配料，智能得到符合现有农场资源的最优配比的混合饲料，既实现奶牛的优质、高效生产；同时，还提高了饲料的利用效率，实现奶牛养殖过程的精细养殖。

主权项

一种基于不确定性支持向量分类的智能营养配比方法，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、生奶品质评价指标和生奶品质的不确定性评价结果；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；生奶品质的不确定性评价结果包括优质奶质和普通奶质，通过以下方法获得：由若干个专家或者专业品奶师对于各项评价指标分别评价，若各项评价指标的评价结果均为优，则得出所评价的生奶为优质奶质的结论；否则，得出所评价的生奶为普通奶质的结论；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采用基于不确定性支持向量机构建被监测奶牛的营养需要模型；其中，xi代表第i天的多维特征向量，多维特征向量的各维度特征值即为奶牛历史监测信息中的某一具体参数值；pi+表示对于第i天的生奶，评价生奶为优质奶质的专家数量；pi‑表示对于第i天的生奶，评价生奶为普通奶质的专家数量；其中，S3中，采用基于不确定性支持向量机构建被监测奶牛的营养需要模型具体为:采用径向基函数作为核函数，将非线性问题扩展到高位空间线性化处理，进而基于不确定性支持向量机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初始营养需要配比作为所述营养需要模型的输入，通过迭代运算，不断调整优化初始营养需要配比，最终得到优质牛奶的营养需要配比；S5，建立多目标函数和约束条件；其中，多目标函数为：Cost‑min(最小值)＝P1X1+P2X2+P3X3+PmXmUse1max(最大值)＝A11F11X1+A21F21X2+A31F31X3+…+Am1Fm1XmUse2max(最大值)＝A12F12X1+A22F22X2+A32F32X3+…+Am2Fm2XmUse3max(最大值)＝A13F13X1+A23F23X2+A33F33X3+…+Am3Fm3Xm……Usenmax(最大值)＝A1nF1nX1+A2nF2nX2+A3nF3nX3+…+AmnFmnXm约束条件为：Li≤Xi≤Hi(i＝1,2，…，m)Xi≤Qi(i＝1,2，…，m)X1+X2+X3+…+Xm＝YA11X1+A21X2+A31X3+…+Am1Xm＝Y1A12X1+A22X2+A32X3+…+Am2Xm＝Y2A13X1+A23X2+A33X3+…+Am3Xm＝Y3……A1nX1+A2nX2+A3nX3+…+AmnXm＝Yn其中，Q1，Q2，…Qm分别为已有的m种饲料的质量；P1，P2，…Pm分别为各种饲料的单价；A11，A12，…A1n；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，…A2n；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；Am1，Am2，…Amn；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，…F1n；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，…F2n；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；Fm1，Fm2，…Fmn；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，…，Yn分别为奶牛当日所需n种营养物质的比例；Y为奶牛当日所需饲料量；L1，L2，L3，…，Lm分别为m种饲料的最低饲喂限量；H1，H2，H3，…，Hm分别为m种饲料的最高饲喂限量；X1，X2，X3，…，Xm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。