基于支持向量回归奶牛粪尿及氮排放预测方法

付强 沈维政 魏晓莉 尹艳玲 郑萍 张永根 苏中滨 赵春江

摘 要：为了有效预防和控制规模化奶牛养殖过程中对环境造成的污染，准确预测奶牛粪尿及氮的排放非常重要。传统的基于产污系数（PGC）和線性回归（LR）模型等方法由于受到预测范围和回归函数假设的限制，预测结果有时会偏离实际。该文以荷斯坦干奶牛为例，将支持向量回归（SVR）应用于奶牛粪尿及氮的排放预测。SVR是一种典型的非参数机器学习模型，无需提前对预测模型做任何假设，仅通过对训练样本数据的学习，便能拟合出最接近实际的函数。与传统LR方法和其它非参数机器学习模型RBF-ANN的对比测试结果表明，基于SVR的预测模型在预测精度上优于其它方法，特别是比传统的LR方法预测精度更高，可以作为对奶牛粪尿及氮排放进行预测的新型参考方法。

关键词：奶牛养殖污染;粪尿排放预测;氮排放预测;非参数模型;支持向量回归

DOI： 10.25165/j.ijabe.20201302.4781

引用信息： Fu Q， Shen W Z， Wei X L， Yin Y L， Zheng P， Zhang Y G， et al.  Predicting the excretion of feces， urine and nitrogen using support vector regression： A case study with Holstein dry cows.  Int J Agric & Biol Eng， 2020; 13（2）： 48–56.