《基於人工神經網路的瘤胃發酵甲烷產量預測模型研究》是依託中國農業大學，由趙廣永擔任項目負責人的面上項目。
基本介紹
- 中文名：基於人工神經網路的瘤胃發酵甲烷產量預測模型研究
- 依託單位：中國農業大學
- 項目負責人：趙廣永
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
反芻動物的瘤胃發酵是溫室氣體甲烷的重要來源之一。瘤胃甲烷的產生不僅造成了大量飼料能量的損失，而且加重了地球的溫室效應。準確地預測瘤胃甲烷產量是提高飼料利用效率和減輕溫室效應的基礎。現有預測瘤胃甲烷產量的模型主要是基於瘤胃甲烷與飼料營養特性指標之間的一元線性相關模型和多元線性相關模型。儘管這些模型能夠在一定程度上闡明了瘤胃甲烷與飼料特性之間的相關關係，但是均不能從數量上準確地模擬瘤胃甲烷的產生規律，導致預測瘤胃甲烷產量的準確性較差。人工神經網路（artificial neural network，ANN）是套用大量簡單處理單元廣泛連線組成的複雜網路，是一個大規模自組織、自適應的非線性智慧型系統，因此特別適用於模擬指標的非線性變化規律。本項目計畫研究ANN模擬瘤胃甲烷產生規律的適用性和準確性，並根據反芻動物飼料的碳水化合物組分和含氮化合物組分建立準確預測瘤胃甲烷產量的ANN人工智慧模型。
結題摘要
本項目研究了套用人工神經網路(ANN)模擬和預測瘤胃甲烷(CH4)、二氧化碳(CO2)和揮發性脂肪酸(VFA)產量的可行性。套用體外培養發酵技術測定牛典型日糧的CH4、CO2和VFA產量。套用康奈爾淨碳水化合物——蛋白質體系(CNCPS)分析了日糧營養組分。將牛日糧分為訓練集（45種）和測試集（10種）。套用SAS®9.2對訓練集數據進行逐步回歸分析。結果顯示，CH4產量與CNCPS碳水化合物組分CA、CB1、CB2相關顯著。以日糧CNCPS組分CA、CB1、CB2為自變數(x1, x2, x3)，CH4、CO2或VFA產量為因變數(y)，擬合多元線性相關模型，計算r2和P值。以MATLAB 7.14作為仿真平台，分別套用訓練集日糧CH4、CO2和VFA產量與CNCPS組分CA、CB1、CB2對三層反饋神經網路 (BP3)訓練，建立預測模型。套用所建立的多元線性相關模型和BP3模型，預測測試集相關數據。採用配對t檢驗分析實測值與預測值的差異；採用一元線性相關模型分析實測值與預測值的相關關係，計算r2和P值；計算RMSPE%，分析預測誤差。結果顯示，牛日糧CNCPS組分CA、CB1和CB2 分別與體外培養發酵CH4、CO2和總產氣量之間存在顯著多元線性相關關係。在以CH4、CO2和總產氣量分別作為單一輸出變數的條件下，BP3神經網路模型3—8—1, 3—11—1和3—2—1能夠分別地準確模擬和預測牛日糧體外培養發酵CH4, CO2 和總產氣量。BP3神經網路模型模擬和預測CH4的準確性與多元線性相關模型相近，但是BP3模擬和預測CO2和總產氣量的準確性高於多元線性相關模型。結果還顯示，CNCPS組分CA、CB1 和CB2 與體外培養發酵乙酸、丙酸、丁酸和總VFA之間均存在顯著多元線性相關關係。所建模型能夠準確預測乙酸和丁酸產量，但不能準確預測丙酸和總VFA產量。在以乙酸、丙酸、丁酸或總VFA作為單一輸出變數的條件下，BP3模型3—4—1、3—3—1、3—6—1 和 3—6—1能夠準確模擬和預測乙酸、丙酸、丁酸和總VFA產量。BP3模型的準確性高於多元線性模型。本項目闡明了CNCPS組分CA、CB1、CB2可用作預測CH4、CO2、總產氣量和VFA的日糧組分。套用BP3神經網路能夠準確模擬和預測體外培養發酵CH4、CO2、總產氣量和VFA產量。
