基于平行向量自回归模型的蛋鸭养殖环境预测研究

郭鹏飞 张垒 刘双印 徐龙琴

摘 要：养殖环境的精准预测一直是蛋鸭养殖业亟需解决的棘手难题。文章以温度、湿度、粉尘和CO2等养殖环境参数为研究对象，通过平行向量自回归时间序列VAR（2）模型预测方法，优化具有自适应、精度高和无病态的蛋鸭养殖环境线性预测模型，实现了蛋鸭健康养殖环境精准预测，为蛋鸭养殖环境预警与控制提供支持决策的依据。

关键词：养殖环境；平行向量自回归；预测模型

中图分类号：X832 文献标识码：A 文章编号：2095-2945（2019）19-0060-03

Abstract： The accurate prediction of breeding environment has always been a thorny problem to be solved in egg duck breeding industry. In this paper， the VAR （2） model prediction method of parallel vector autoregression time series was used to study the environmental parameters of culture， such as temperature， humidity， dust and CO2， to optimize the linear prediction model of laying duck breeding environment with self-adaptation， high precision and no morbid condition. The accurate prediction of healthy breeding environment of laying ducks was realized， which provides the basis for supporting decision-making for the early warning and control of breeding environment of laying ducks.

Keywords： culture environment； parallel vector autoregression； prediction model

1 概述

我国是世界上最大的水禽生产和消费国，从统计数据上来看，蛋鸭生产不仅是我国家禽生产的重要组成部分和农业及农村经济发展的支柱产业之一，而且蛋鸭产品在国际市场上占有优势地位，成为中国畜牧业在国际市场中最具竞争力的领域之一。虽然中国是世界蛋鸭养殖中心，蛋鸭的饲养总量和蛋鸭产品的产量均居世界第一位，但我国蛋鸭养殖业由于长期发展滞后，养殖技术水平和产业化程度却大大落后于世界发达国家和地区。产生这些问题的根本原因是由于蛋鸭养殖业长期发展滞后导致相应的科学研究和科技研发跟不上，使水禽业的发展得不到有力技术支撑。面对当前和未来广东省蛋鸭养殖发展的趋势和要求，如何建立蛋鸭养殖生产中的环境变化趋势并保持良好养殖环境对日趋规模化发展的蛋鸭产业至关重要[1]。

研究蛋鸭健康养殖环境是为了给出一个可以在不同季节、不同天气下，可以动态操控的一系列蛋鸭养殖环境因素的组合。这一问题的来源是基于我们项目组做的一个关于温度和蛋鸭产蛋量的实验。在现有的大量文献中提到，当环境的温度达到33-35℃时，对于蛋鸭来说，这是一个极其恶劣的环境，会使得产蛋量急剧下降[2-4]。通过实验发现，在环境温度达到33-35℃时，通过改变蛋鸭的采食和饮水，蛋鸭的产蛋量不僅没有下降，反而比32℃以下环境的蛋鸭产蛋量还要高。由此可见对蛋鸭产蛋量产生影响的环境因素不是单一确定的，而是养殖环境的多个因素共同作用的结果，对于综合结果的评价是目前蛋鸭养殖业中一个非常重要的课题。

随着大数据分析和深度学习方法的蓬勃发展和农业信息化的普及，通过对农业生产过程中的数据收集和分析，并对农业生产指导成为农业发展的必然趋势，其中多元时间序列分析的深度学习方法显得尤为突出。其中，战立波通过对生猪价格波动规律性进行研究，有效提高生猪价格预测的准确性和调控措施的有效性[5]；刘双印等人通过基于时间序列的支持向量机算法实现了河蟹福利养殖水质参数的溶解氧浓度在线预测，提高溶解氧预测的精度[6]；王萍等人通过时间序列模型建立新城疫风险预测模型，实现了动物新城疫风险短时局部预警[7]；巫伟峰等人运用时间序列分析法对广东生猪价格波动产生的原因进行了分析，并针对平抑广东生猪价格波动提出了有针对性的建议[8]。本文通过平行向量自回归时间序列VAR（2）模型预测方法，优化具有自适应、精度高和无病态的蛋鸭养殖环境线性预测模型，实现了蛋鸭健康养殖环境精准预测，为蛋鸭养殖环境预警与精准控制提供参考依据。

2 材料与方法

2.1 数据描述

以山麻鸭养殖环境为研究对象，在蛋鸭养殖现场搭建立体传感网络的在线监测平台，包括：温度、湿度、CO2浓度、NH3浓度、粉尘等参数，根据平行向量自回归时间序列VAR（2）模型的要求，选区了广州市钟村蛋鸭养殖基地室内2018年1月份养殖环境数据和产蛋数据作为建模原始数据。

2.2 模型建立

本文采用如下平行向量自回归VAR（p）建模方法，具体步骤如下：（1）模型的识别：明确输入环境因子数据与预测环境因子数据之间的平行向量自回归VAR（p）模型表达式；（2）模型的参数估计与检验；（3）模型的诊断分析。

2.3 预测结果评价方法

通过t-检验给出的模型参数显著性结果显示：蛋鸭室内养殖环境VAR（2）模型对应于温度、湿度、光照、CO2浓度参数的显著性较好，而对于粉尘参数的显著性较差。

蛋鸭室内养殖环境影响核心指标建立的基于平行向量自回归时间序列预测模型结果与真实值的对比如图1-5所示。

广州番禺钟村室内蛋鸭养殖环境VAR（2）模型的评价指标结果见表2。

从图表中可以看出广州番禺钟村室内蛋鸭养殖环境VAR（2）模型对温度、湿度、CO2浓度、光照的预测精确度较高，对粉尘的变化趋势与输入值比较一致，但精确度较低。

4 数据分析

平行向量自回归模型是一种多元时间序列分析模性，它具备处理隐藏于具有对应时间和横截面相关性多维度量信息的能力，可以很好地理解变量之间的动态关系，因而适合于蛋鸭养殖环境的预测。本研究对广州番禺钟村蛋鸭养殖室内环境进行了VAR（2）方法建模，结果发现VAR（2）模型对室内养殖环境因子温度、湿度、CO2浓度、光照的预测精度较高。将平行向量自回归模型引入蛋鸭养殖环境的预测，结果表明是可行的，對养殖环境因子的预测也取得了很好的效果。平行向量自回归模型与ARIMA等一元时间序列模型相比，平行向量自回归模型在对多变量预测的同时揭示了各变量之间的动态关系更具有优势，对蛋鸭环境各因子之间关系的描述更加系统化。与多元线性回归模型相比，平行向量自回归模型不仅给出了蛋鸭环境各因子之间的动态关系，而且揭示了蛋鸭环境因子具有一定延续性的时间依赖关系。由于蛋鸭饮食和下蛋对关键环境因子变化有着比较迅速的反应，本文提出在保证精度条件下效率较高的线性模型更能够及时应对蛋鸭环境因子的变化。

5 结论

综上所述，养殖环境的精准预测一直是水禽养殖业亟需解决的棘手难题。本文通过广州番禺钟村室内和室外蛋鸭养殖环境因素，在多元线性回归提取特征的对比下，构建了基于平行向量自回归时间序列的广州番禺钟村蛋鸭室内养殖环境因素VAR（2）模型预测方法，明确了线性特征提取在线性模型构建中的重要作用，并且优化了具有自适应、精度高和无病态的蛋鸭养殖环境线性预测模型，实现了蛋鸭健康养殖环境精准预测，为蛋鸭养殖环境预警与控制提供支持决策。

参考文献：

[1]林勇，陈宽维，师蔚群，等.超长蛋鸭笼养舍内不同区域环境参数与蛋鸭生产性能比较分析[J].家畜生态学报，2016（8）：31-35.

[2]吴艳萍.蛋鸭无公害养殖的环境控制要点[J].水禽世界，2010（1）：14-15.

[3]江宵兵，林如龙，王纪茂，等.不同喷淋模式对旱地圈养蛋鸭生产性能的影响[J].中国畜牧兽医，2016（11）：205-208.

[4]林勇，施振旦，顾洪如，等.生物发酵床对苏邮1号鸭生产性能和蛋品质及肉品质性状的影响[J].中国畜牧杂志，2015（17）：64-69.

[5]战立强.生猪价格时间序列的规律性波形和成因及调控[J].农业现代化研究，2014（1）：25-28.

[6]刘双印，徐龙琴，李道亮，等.基于时间相似数据的支持向量机水质溶解氧在线预测[J].农业工程学报，2014（03）：155-162.

[7]王萍，程冰，孙金领.基于ARIMA的新城疫风险预测模型[J].青岛农业大学学报（自然科学版），2016（01）：68-71.

[8]巫伟峰，万忠.广东生猪价格波动研究——基于2005-2017年生猪价格时间序列分析[J].南方农村，2018（05）：21-26.