CN108898275B - 一种基于云模型的奶牛养殖环境舒适度评价方法及系统 - Google Patents
一种基于云模型的奶牛养殖环境舒适度评价方法及系统 Download PDFInfo
- Publication number
- CN108898275B CN108898275B CN201810537611.8A CN201810537611A CN108898275B CN 108898275 B CN108898275 B CN 108898275B CN 201810537611 A CN201810537611 A CN 201810537611A CN 108898275 B CN108898275 B CN 108898275B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- cloud model
- weight
- factor
- environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 368
- 238000009395 breeding Methods 0.000 title claims abstract description 37
- 230000001488 breeding effect Effects 0.000 title claims abstract description 37
- 235000013365 dairy product Nutrition 0.000 claims abstract description 103
- 230000007613 environmental effect Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 29
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 29
- 230000037037 animal physiology Effects 0.000 claims abstract description 13
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000012360 testing method Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000000428 dust Substances 0.000 claims description 5
- 230000035565 breathing frequency Effects 0.000 claims description 4
- 239000008267 milk Substances 0.000 claims 2
- 235000013336 milk Nutrition 0.000 claims 2
- 210000004080 milk Anatomy 0.000 claims 2
- 241000283690 Bos taurus Species 0.000 description 61
- 230000033228 biological regulation Effects 0.000 description 11
- 241001465754 Metazoa Species 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000008642 heat stress Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000011514 reflex Effects 0.000 description 4
- 230000036391 respiratory frequency Effects 0.000 description 4
- 230000008645 cold stress Effects 0.000 description 3
- 230000008094 contradictory effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000008646 thermal stress Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明提供一种基于云模型的奶牛养殖环境舒适度评价方法及系统，所述方法包括：选取包含温热环境、空气环境和动物生理三个方面的参数作为参评因素；构建权重集云模型，并根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，构建各评价等级基于云模型的评价集；将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，获得评语集云模型；根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型；将所述隶属云模型与权重集云模型进行合成，确定所述待评价奶牛舍环境舒适度的评价等级。本发明将三类不同维度的参数同时纳入到评价中，能更科学、准确地评价奶牛舍内环境的舒适度。
Description
技术领域
本发明涉及模糊综合评价技术领域，更具体地，涉及一种基于云模型的奶牛养殖环境舒适度评价方法及系统。
背景技术
现代奶牛养殖以高密度、高效率的集约化生产为主，越是品种优良、生产性能高的奶牛对环境的依赖性则越强。为奶牛提供一个能保证生长或生产而又经济舒适的养殖环境，不仅可以降低生产成本，提高经济效益，还可以减少因环境不适宜而引发的恶癖和应激，提高奶牛的自我免疫能力，预防疾病发生、减少药品和抗生素的摄入，从而提高奶产品的安全品质。因此，对奶牛养殖环境进行科学、有效地调控至关重要。而无论是调控方案的实施还是调控技术的效果评价都需要对当前养殖环境的舒适度进行评价。
目前奶牛养殖环境舒适度的评价方法主要包括：以热环境综合评估指数为评价指标的方法、以独立的环境参数阈值为评价指标的方法和以独立的生理参数作为评价指标的方法。
热环境综合评估指数通过温度、湿度和风速等环境参数根据经验公式计算热环境的舒适度指数，并规定阈值评估热应激或冷应激状况。常用的指数有温湿度指数、温湿风指数、黑球温度指数和风冷指数。由于奶牛耐寒怕热，除风冷指数外，上述其他指数都是用于夏季热应激评估。热环境一般包含温、湿、风、太阳辐射四个要素，温湿度指数综合了温度和湿度两个要素，黑球温度指数综合了太阳辐射、温度和湿度三个要素，温湿风指数综合了温度、湿度和风速三个要素。在很长的一段时间里，温湿度指数被认为是评价奶牛舍温热环境的最佳指标，但在不断的研究和发展中，其局限性也逐渐显露出来，因此出现了温湿风指数和黑球温度指数。风冷指数综合了温度和风速两个要素，主要是用于评价冬季冷应激状况。
以独立环境参数阈值为指标的评价方法常用作奶牛舍空气质量的评价，如舍内的CO2、NH3等气体浓度的上限阈值分别为1500ppm和15mg/m3。
以独立的生理参数作为指标的评价方法常用来评价热应激状况和环控技术的降温效果，如呼吸频率大于60次/min时奶牛开始出现热应激，有效的降温技术能降低直肠温度。以生理参数为导向的评价方法能更有精准地反应动物健康及适应性，在高效率集约化生产中可以作为精准环境调控的依据。
现有热环境综合评估指数分别是针对夏季热应激或冬季冷应激，通用性不够，且只包含了温热环境四要素中的其中两到三个要素。单独的生理参数相对较难获取、样本量有限，只能作为辅助参考，难以大范围地应用，且部分生理指标如直肠温度对环境的响应具有滞后性。无论是以环境参数为导向的评价方法还是以生理参数为指标的评价方法，上述评估方法都有一个共同的缺陷：即都是以独立的参数或是包含少数几个参数的指标进行环境评估，很容易导致对同一环境条件，利用不同的环境参数指标进行评估会出现不同的评价结果，难以有效地指导养殖环境的调控。
发明内容
为了解决上述问题，本发明实施例提供一种基于云模型的奶牛养殖环境舒适度评价方法及系统。
根据本发明的一个方面，提供一种基于云模型的奶牛养殖环境舒适度评价方法，包括：
选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；
根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；
将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；
根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级。
根据本发明的另一个方面，提供一种基于云模型的奶牛养殖环境舒适度评价系统，包括：
因素集构建模块，用于选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；
第一云模型构建模块，用于根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；
第二云模型构建模块，用于将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；
模糊评估模块，用于根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级。
根据本发明的另一个方面，提供一种基于云模型的奶牛养殖环境舒适度评价设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述第一方面的各种可能的实现方式中任一种实现方式所提供的方法。
根据本发明的另一个方面，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述第一方面的各种可能的实现方式中任一种实现方式所提供的方法。
本发明提出的一种基于云模型的奶牛养殖环境舒适度评价方法及系统，将热环境、空气环境和动物生理反应三类不同维度的参数同时纳入到评价中，能更科学、准确地描述奶牛舍内环境的舒适度，为环境调控提供决策支持，可避免因各评价因素间相互矛盾的关系而造成的冲突，更有效地指导环境调控。
附图说明
图1为根据本发明一实施例提供的一种基于云模型的奶牛养殖环境舒适度评价方法的流程示意图；
图2为根据本发明另一实施例提供的一种基于云模型的奶牛养殖环境舒适度评价方法的流程示意图；
图3为根据本发明另一实施例提供的待评价奶牛舍环境的隶属云模型和评语集云模型的云分布图；
图4为根据本发明另一实施例提供的一种基于云模型的奶牛养殖环境舒适度评价系统的结构示意图；
图5为根据本发明另一实施例提供的一种基于云模型的奶牛养殖环境舒适度评价设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明保护的范围。
养殖环境是由奶牛舍内空气的温度、湿度、光照、有害气体浓度、设施、设备等因素组成的特定综合环境，因此，采用包含温热环境、气体环境以及动物对环境的生理响应等多参数的评价方法才能更有效、科学地评价养殖环境舒适度。多参数评价问题是一个随机性和模糊性共存的问题，中国工程院院士李德毅教授于1995年提出了云模型理论，揭示了随机性和模糊性的内在关联性，能够用于很好的解决多参数评价问题。云的基本概念：设U是一个用精确数值表示的定量论域，
T是U空间上的定性概念，若对于元素x(x∈X)，都存在一个有稳定倾向的随机数μ(x)∈[0,1]，称为x对T的确定度，则概念T从论域U到区间[0,1]的映射在数域空间的分布，称为云。云的数字特征反映了定性知识的定量特性，用期望值Ex，熵En和超熵He三个数值来表征。期望值Ex为云滴在论域空间分布的期望，就是最能代表定性概念的点，或者说是这个定性概率量化的最典型样本；熵En为定性概念的不确定性度量，由定性概念的随机性和模糊性共同决定。超熵He为熵的不确定性度量，即熵的熵，由熵的随机性和模糊性共同决定。云模型的3个数字特征值把模糊性和随机性完全继承到一起，构成定性和定量相互间的映射。本发明将云模型应用到奶牛养殖环境舒适度的评价中。
如图1所示，为本发明一实施例提供的一种基于云模型的奶牛养殖环境舒适度评价方法的流程示意图，包括：
101、选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；
奶牛舍多为开放式自然通风牛舍，舍内环境受季节性气候的影响较大，而不同季节奶牛舍环境舒适度各参评因素的取值范围与权重都有所不同，故首先需要根据测试时间判断对应的季节S。季节S分为夏季(s1)、过渡季节(s2)和冬季(s3)，S＝{s1,s2,s3}。然后，选取在测试时间所对应的测试季节，能够影响或反映奶牛设环境舒适度的参数作为评价因素，来构建因素集U＝{u1,u2,…,ui}，其中需要同时包含温热环境、空气环境和动物生理三个方面的参数，温热环境方面的参数包括但不限于：环境温度、相对湿度和风速，空气环境方面的参数包括但不限于：舍内CO2浓度、NH3浓度和粉尘浓度，动物生理方面的参数包括但不限于：奶牛呼吸频率，分别从上述每个方面的参数中选出一种或多种参数作为参评因素，所选取的参评因素的集合则构成了因素集。
102、根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；
确定各参评因素的权重对于获得定性的评价结果必不可少，通常根据奶牛养殖领域专家的知识和经验分配各参评因素的权重标度。每一个参评因素对应一个权重，将每个参评因素的权重用云模型表达出来，需要根据经验公式确定每个参评因素的权重云模型的数字特征，然后集合所有参评因素的权重云模型，生成权重集云模型。
各参评因素的阈值是指每个参数的取值范围，可以根据各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，例如划分为适宜(v1)、较适宜(v2)和不适宜(v3)三级，并根据经验知识确定将奶牛舍环境舒适度进行等级划分的标准，即各参评因素的取值在什么取值区间时是分别属于适宜(v1)、较适宜(v2)和不适宜(v3)这三个评价等级的，并以此等级划分标准建立评价等级集V＝{v1,v2,v3}。同时，将各评价等级用云模型表达出来，由于每个评价等级都由各参评因素的取值区间的集合构成，因此，通过确定每个评价等级下的每个参评因素的云模型的数字特征，即可获得各评价等级下的各参评因素的云模型，将各评价等级下的所有参评因素的云模型集合起来，即可获得各评价等级基于云模型的评价集。
103、将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；
根据云的运算法则，将所述权重集云模型与各个评价等级基于云模型的评价集利用模糊合成算子进行合成，生成各评价等级的评语云模型，每个评价等级的评语云模型则是用于评价待测奶牛舍环境的舒适度等级的标准，将各评价等级的评语云模型集合起来，获得评语集云模型。评语集云模型则可认为是评价标准云模型的集合。
104、根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级。
对待评价奶牛舍环境中的各参评因素进行实际测量，获得实测数据，然后需要对采集到实测数据进行预处理，利用逆向云算法计算出反映定性概念的数字特征，即期望、熵和超熵，再利用正向云发生器算法，获得所述各参评因素的实测数据的云模型，即构建待评价奶牛舍环境舒适度的隶属云模型。
根据云的运算法则，利用模糊合成算子将权重集云模型与待评价奶牛舍环境的隶属云模型合成，合成获得的云模型则是能够反映待评价奶牛环境舒适度所在等级的模糊表达。根据合成后的云模型与评语集云模型的贴合度来确定奶牛舍综合环境的评定等级是指将合成获得的云模型与所述评语集云模型中各评价等级的评语云模型进行期望、熵和超熵三个方面的比较，合成获得的云模型更接近哪个评价等级的评语云模型，则可获知所述待评价奶牛舍环境舒适度相对应的评价等级。
本发明提出的一种基于云模型的奶牛养殖环境舒适度评价方法，将热环境、空气环境和动物生理反应三类不同维度的参数同时纳入到评价中，能更科学、准确地描述奶牛舍内环境的舒适度，为环境调控提供决策支持，可避免因各评价因素间相互矛盾的关系而造成的冲突，更有效地指导环境调控。
本发明另一实施例，在上述实施例的基础上，步骤102中根据专家知识确定所述各参评因素的权重并构建权重集云模型的步骤进一步包括：
根据所述测试季节各参评因素对奶牛舒适度的影响对所述各参评因素进行优先级排序；
按照优先级顺序利用层次分析法对所述各参评因素进行两两比较，根据专家知识依次确定两两比较的所述各参评因素的权重，生成判断矩阵；
对所述判断矩阵进行一致性校验，若校验成功，则计算所述判断矩阵的特征值，获得权重集；
根据所述权重集和所述判断矩阵计算各参评因素的权重所对应的云模型的数字特征，生成权重集云模型。
具体地，由于在不同季节各参评因素对奶牛舍环境舒适度的影响和权重是不同的，因此，首先根据奶牛养殖领域的专家知识，获得在测试季节各参评因素对奶牛舒适度的影响程度知识，对各参评因素进行优先级排序，优先级越高，说明该参评因素对奶牛舒适度的影响越大，该参评因素在奶牛舍环境舒适度的等级评价中所占的比重也就越大，即权重越大。
然后按照优先级顺序利用层次分析法对所述各参评因素进行两两比较，根据专家知识依次确定两两比较的所述各参评因素的权重，生成判断矩阵，针对奶牛舍环境舒适度各参评因素建立的判断矩阵可描述为如表1所示。由于判断矩阵是根据专家知识和经验判断得出，不一定具有一致性，需对判断矩阵进行一致性检验，若不符合一致性，则需要调整权重，直至判断矩阵通过一致性检验。对于符合一致性检验的判断矩阵，计算其特征值，获得权重集：
A0＝(a1，a2，a3，a4，a5，a6，…，ai),
上式中，A0表示权重集，ai表示按照优先级顺序排在第i个的参评因素所对应的权重。
获得权重集后再计算各参评因素的权重所对应的云模型的数字特征，即期望、熵和超熵，构建各参评因素的权重云模型Cai(Exai，Enai，Heai)。计算过程如下：取参评因素的权重所对应的云模型的期望Exai为所述参评因素的权重值ai；根据所述判断矩阵中最小的权重值wji计算所述参评因素的权重所对应的云模型的熵Enai和超熵Heai。相对应地，计算公式如下：
Exai＝ai (1)
Enai＝0.1·min(wji) (2)
Heai＝0.01·min(wji) (3)
所有参评因素的权重云模型则组成了权重集云模型：
表1判断矩阵描述
| 参评因素 | u1 | u2 | u3 | …… | ui |
| u1 | w11 | w12 | w13 | w1i | |
| u2 | w21 | w22 | w23 | …… | w2i |
| u3 | w31 | w32 | w33 | w3i | |
| …… | …… | wjj | |||
| ui | wi1 | wi2 | wi3 | wji | wii |
本发明实施例将传统的根据专家知识主观确定云模型的熵和超熵的方法转变为经验公式计算权重集的数字特征的方法，使得对奶牛舍环境舒适度的评价更为客观科学。
本发明另一实施例，在上述各实施例的基础上，步骤102中根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集的步骤，具体为：
根据所述各参评因素的阈值和奶牛舍环境舒适度的评价标准，构建评价等级集；
对所述评价等级集中的每个评价等级均执行以下步骤：利用预设的取值范围对所述评价等级中的各参评因素的阈值进行归一化，根据归一化后的值计算各参评因素所对应的云模型的数字特征，生成该评价等级基于云模型的评价集。
其中，奶牛舍环境舒适度的评价标准通过收集奶牛养殖领域的专家知识获得，如表2所示。
表2奶牛舍环境舒适度的评价标准
根据各参评因素的阈值，对照上述奶牛舍环境舒适度的评价标准，可将奶牛舍环境舒适度划分为3个评价等级，每个评价等级中都包含各参评因素在该评价等级下的取值范围，从而生成评价等级集。
由于各指标的量纲差别较大，需要对各参评因素分级的阈值进行归一化。采用公式(4)对每个评价等级中的各参评因素的阈值进行归一化，预设的取值范围具体为：温度范围(-30，50)，相对湿度范围(0，100)，风速范围(0，10)，CO2范围(300，50000)，NH3范围(0，50)，粉尘范围(0，20)，呼吸频率范围(20，200)。
其中，x0为归一化后的值，x为归一化前的值，xmax和xmin分别为取值范围的最大值和最小值。
归一化后构建各参评因素的云模型Ci(Exi，Eni，Hei)，该评级等级中的所有参评因素的云模型组成了该评价等级基于云模型的评价集Bj，(j＝1，…，m，其中m为评价等级数)。
根据归一化后的值计算各参评因素所对应的云模型的数字特征的步骤具体为：
若参评因素的阈值为闭区间，则取所述参评因素所对应的云模型的期望Ex为所述闭区间的中值，并相应地计算所述参评因素所对应的云模型的熵En和超熵He，计算公式如下：
He＝0.001·Ex (7)
其中，cmax和cmin为闭区间的端点值。
若参评因素的阈值为单侧开区间，则取所述参评因素所对应的云模型的期望Ex为所述单侧开区间的边界值，并相应地计算所述参评因素所对应的云模型的熵En和超熵He，其中，用公式(7)计算超熵He，而计算熵En的公式为：
En＝0.01·Ex (8)
若参评因素的阈值为多个分段区间，则针对每个分段区间分别计算该参评因素取值在该分段区间时所对应的子模型的期望、熵和超熵，综合选取所有子模型的并集。
任何时候都可能出现多个分段区间，如环境较适宜时的湿度，则参考前述闭区间和单侧开区间的情况针对每个分段区间分别建立子模型后再综合选取各子模型的并集。
本发明实施例，将传统的根据专家知识主观确定云模型的熵和超熵的方法转变为经验公式计算评价集对应的云模型数字特征的方法，同时针对温热环境和动物生理等相关评价参数在不同评价等级时存在多个取值区间的特性，提供了一套对应云模型的数字特征的确定方法。
本发明另一实施例，在上述实施例的基础上，步骤104中根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型的步骤，具体为：
对所述各参评因素的实测数据进行归一化处理；
对每个参评因素，计算经归一化处理后所述参评因素的实测数据的样本均值、一阶样本绝对中心矩和样本方差，获得所述参评因素的实测云模型的数字特征；
根据所有参评因素的实测云模型生成待评价奶牛舍环境的隶属云模型。
具体地，针对实际环境中所测得的数据，对数据进行归一化后计算各参评因素实测数据的样本均值
一阶样本绝对中心矩
和样本方差S，然后根据公式(9)-(11)计算获得参评因素的实测云模型的数字特征，形成参评因素的实测云模型Cyi(Exyi，Enyi，Heyi)。计算公式如下：
其中，n为单个参评因素的测量次数。
将所有参评因素的实测云模型组合起来，构建待评价奶牛舍环境的隶属云模型R。
基于上述各实施例，参评因素具体包括：环境温度、相对湿度和风速中的至少两种，舍内CO2浓度、NH3浓度和粉尘浓度中的至少一种，以及奶牛呼吸频率。
这样，参评因素的选取就综合了温热环境、空气环境和动物生理三个方面。
下面结合一个实例，对本发明上述各实施例提供的方法作进一步说明。
2011年7月份某次奶牛舍环境舒适度评估测量数据如表3所示，对之进行环境舒适度评估。
表3奶牛舍环境舒适度评估测量数据示例
评价过程如图2所示，具体包括以下步骤：
步骤一：测试时间为7月份，判断对应季节为夏季；
步骤二：构建因素集U＝{u1,u2,…,u6}，并根据夏季各参数对奶牛舒适度的影响对各参数进行优先级排序：呼吸频率(u1)>温度(u2)>相对湿度(u3)>舍内风速(u4)>NH3浓度(u5)>舍内CO2浓度(u6)。
步骤三：根据表2建立评价等级集V＝{v1,v2,v3}。
步骤四：构建判断矩阵：
经检验，上述判断矩阵满足一致性，因此，计算后获得权重集为：
A0＝(0.3351，0.3021，0.1077，0.1677，0.0570，0.0305)
根据公式(1)-(3)计算云模型的特征参数，计算得期望Exai为上述各参评因素的权重，熵Enai＝0.014，超熵Heai＝0.0014，(i＝1,2,3,4,5,6)，构建权重集云模型为：
步骤五：确定评语集云模型；
对各参评因素的分级标准的阈值进行归一化，根据公式(4)-(7)计算v1级(环境适宜)时各参评因素的云模型数字特征，得到该评价等级基于云模型的评价集为：
将权重集云模型与环境适宜等级基于云模型的评价集进行合成，得到环境适宜等级的评语云模型Cv1：
Cv1＝[(0.3884，0.0292，0.0046)]
以此类推，得到环境较适宜(v2)和不适宜(v3)的评语云模型。由于环境较适宜时湿度取值为两个分段区间，故先得到了两个子模型(Cv21和Cv22)。由于Cv22基本落在Cv1范围内，取Cv21为环境较适宜的评语云模型：
Cv2＝[(0.4712,0.0308,0.0055)]
Cv3＝[(0.5399,0.0599,0.0060)]
步骤六：确定隶属云模型；
对表3中的数据进行归一化后，根据公式(9)-(11)计算得各参评因素对应的云模型数字特征，构成隶属云模型：
步骤七：基于云模型进行模糊综合评价；
利用模糊合成算子，将权重集云模型与隶属云模型合成，获得待评价奶牛舍环境的云模型：
C(0.4913，0.0326，0.0068)
根据C、Cv1、Cv2、Cv3做云分布图，如图3所示，从左到右分别为环境适宜(Cv1)、环境较适宜(Cv2)、待评价综合环境(C)和环境不适宜(Cv3)时的云分布图。由图可见，本实例的评价结果介于较适宜和不适宜之间，但与较适宜时的云分布更贴近，同时C的En和He都相对较大，说明综合考虑待评价环境属于较适宜的等级，在一定范围内会偏向于不适宜。如果根据表2按照单个独立因子判断：从环境温度考虑该奶牛舍的环境属于不适宜范围，从相对湿度考虑牛舍环境属于较适宜范围，从风速和有害气体浓度考虑，该牛舍属于适宜范围；从动物的生理反应考虑，平均呼吸频率为70次/min，属于较适宜的范围；这就出现了多个评价指标评价结果的相互矛盾，一般认为生理指标能更准确地表达动物的舒适性。因为平均风速较大(1.0m/s)，增加了动物的散热，可以有效缓解热应激，降低呼吸频率。可见，本发明的综合评价方法避免了多重矛盾判断结果的出现，同时其判断结果与生理指标判断结果一致，这说明了该方法的有效性和科学性。
如图4所示，为本发明另一实施例提供的一种基于云模型的奶牛养殖环境舒适度评价系统的结构示意图，包括：因素集构建模块401、第一云模型构建模块402、第二云模型构建模块403和模糊评估模块404，其中，
因素集构建模块401，用于选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；
第一云模型构建模块402，用于根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；
第二云模型构建模块403，用于将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；
模糊评估模块404，用于根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级。
该系统用于在前述各实施例中实现基于云模型的奶牛养殖环境舒适度评价。因此，在前述各实施例中的基于云模型的奶牛养殖环境舒适度评价方法中的描述和定义，可以用于本发明实施例中各个执行模块的理解。
其中，所述第一云模型构建模块402，具体包括：
排序子模块，用于根据所述测试季节各参评因素对奶牛舒适度的影响对所述各参评因素进行优先级排序；
层次分析子模块，用于按照优先级顺序利用层次分析法对所述各参评因素进行两两比较，根据专家知识依次确定两两比较的所述各参评因素的权重，生成判断矩阵；
一致性校验子模块，用于对所述判断矩阵进行一致性校验，若校验成功，则计算所述判断矩阵的特征值，获得权重集；
权重云模型构建子模块，用于根据所述权重集和所述判断矩阵计算各参评因素的权重所对应的云模型的数字特征，生成权重集云模型。
其中，所述权重云模型构建子模块具体用于：
取任一参评因素的权重所对应的云模型的期望为所述参评因素的权重值；
根据所述判断矩阵中最小的权重值计算所述参评因素的权重所对应的云模型的熵和超熵。
其中，所述第一云模型构建模块402，还具体包括：
等级构建子模块，用于根据所述各参评因素的阈值确定奶牛舍环境舒适度的评价标准，并根据所述评价标准建立评价等级集；
评价集云模型构建子模块，用于对所述评价等级集中的每个评价等级均执行以下步骤：利用预设的取值范围对所述评价等级中的各参评因素的阈值进行归一化，根据归一化后的值计算各参评因素所对应的云模型的数字特征，生成该评价等级基于云模型的评价集。
其中，所述评价集云模型构建子模块具体用于：
若参评因素的阈值为闭区间，则取所述参评因素所对应的云模型的期望为所述闭区间的中值，并相应地计算所述参评因素所对应的云模型的熵和超熵；
若参评因素的阈值为单侧开区间，则取所述参评因素所对应的云模型的期望为所述单侧开区间的边界值，并相应地计算所述参评因素所对应的云模型的熵和超熵；
若参评因素的阈值为多个分段区间，则针对每个分段区间分别计算该参评因素取值在该分段区间时所对应的子模型的期望、熵和超熵，综合选取所有子模型的并集。
其中，所述模糊评估模块404具体用于：
对所述各参评因素的实测数据进行归一化处理；
对每个参评因素，计算经归一化处理后所述参评因素的实测数据的样本均值、一阶样本绝对中心矩和样本方差，获得所述参评因素的实测云模型的数字特征；
根据所有参评因素的实测云模型生成待评价奶牛舍环境的隶属云模型。
其中，所述参评因素具体包括：环境温度、相对湿度和风速中的至少两种，舍内CO2浓度、NH3浓度和粉尘浓度中的至少一种，以及奶牛呼吸频率。
本发明实施例所提供的一种基于云模型的奶牛养殖环境舒适度评价系统，将热环境、空气环境和动物生理反应三类不同维度的参数同时纳入到评价中，能更科学、准确地描述奶牛舍内环境的舒适度，为环境调控提供决策支持，可避免因各评价因素间相互矛盾的关系而造成的冲突，更有效地指导环境调控。
如图5所示，为本发明另一实施例提供的一种基于云模型的奶牛养殖环境舒适度评价设备的结构示意图，包括：
处理器(processor)501、存储器(memory)502和总线503；
其中，处理器501及存储器502分别通过总线503完成相互间的通信；处理器501用于调用存储器502中的程序指令，以执行上述实施例所提供的基于云模型的奶牛养殖环境舒适度评价方法，例如包括：选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级。
本发明又一实施例，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述各实施例所提供的基于云模型的奶牛养殖环境舒适度评价方法，例如包括：选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的基于云模型的奶牛养殖环境舒适度评价设备实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分方法。
最后，本发明的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于云模型的奶牛养殖环境舒适度评价方法，其特征在于，包括：
选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；
根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；
将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；
根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级；
所述根据专家知识确定所述各参评因素的权重并构建权重集云模型的步骤，具体为：
根据所述测试季节各参评因素对奶牛舒适度的影响对所述各参评因素进行优先级排序；
按照优先级顺序利用层次分析法对所述各参评因素进行两两比较，根据专家知识依次确定两两比较的所述各参评因素的权重，生成判断矩阵；
对所述判断矩阵进行一致性校验，若校验成功，则计算所述判断矩阵的特征值，获得权重集；
根据所述权重集和所述判断矩阵计算各参评因素的权重所对应的云模型的数字特征，生成权重集云模型；
所述根据所述权重集和所述判断矩阵计算各参评因素的权重所对应的云模型的数字特征的步骤，具体为：
取任一参评因素的权重所对应的云模型的期望为所述参评因素的权重值；
根据所述判断矩阵中最小的权重值计算所述参评因素的权重所对应的云模型的熵和超熵；所述计算过程为：取参评因素的权重所对应的云模型的期望Exai为所述参评因素的权重值ai；根据所述判断矩阵中最小的权重值wji计算所述参评因素的权重所对应的云模型的熵Enai和超熵Heai；其计算公式为：
Exai＝ai
Enai＝0.1·min(wji)
Heai＝0.01·min(wji)；
所有参评因素的权重云模型则组成了权重集云模型为：
2.根据权利要求1所述的方法，其特征在于，所述根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集的步骤，具体为：
根据所述各参评因素的阈值确定奶牛舍环境舒适度的评价标准，并根据所述评价标准建立评价等级集；
对所述评价等级集中的每个评价等级均执行以下步骤：利用预设的取值范围对所述评价等级中的各参评因素的阈值进行归一化，根据归一化后的值计算各参评因素所对应的云模型的数字特征，生成该评价等级基于云模型的评价集。
3.根据权利要求2所述的方法，其特征在于，所述根据归一化后的值计算各参评因素所对应的云模型的数字特征的步骤具体为：
若参评因素的阈值为闭区间，则取所述参评因素所对应的云模型的期望为所述闭区间的中值，并相应地计算所述参评因素所对应的云模型的熵和超熵；
若参评因素的阈值为单侧开区间，则取所述参评因素所对应的云模型的期望为所述单侧开区间的边界值，并相应地计算所述参评因素所对应的云模型的熵和超熵；
若参评因素的阈值为多个分段区间，则针对每个分段区间分别计算该参评因素取值在该分段区间时所对应的子模型的期望、熵和超熵，综合选取所有子模型的并集。
4.根据权利要求1所述的方法，其特征在于，所述根据所述各参评因素的实测数据构建所述待评价奶牛舍环境的隶属云模型的步骤，具体为：
对所述各参评因素的实测数据进行归一化处理；
对每个参评因素，计算经归一化处理后所述参评因素的实测数据的样本均值、一阶样本绝对中心矩和样本方差，获得所述参评因素的实测云模型的数字特征；
根据所有参评因素的实测云模型生成待评价奶牛舍环境的隶属云模型。
5.根据权利要求1所述的方法，其特征在于，所述参评因素具体包括：环境温度、相对湿度和风速中的至少两种，舍内CO2浓度、NH3浓度和粉尘浓度中的至少一种，以及奶牛呼吸频率。
6.一种基于云模型的奶牛养殖环境舒适度评价系统，其特征在于，包括：
因素集构建模块，用于选取在测试季节影响或反映奶牛舍环境舒适度的包含温热环境、空气环境和动物生理三个方面的参数作为参评因素，构建因素集；
第一云模型构建模块，用于根据专家知识确定所述各参评因素的权重并构建权重集云模型，根据所述各参评因素的阈值将奶牛舍环境舒适度划分为多个评价等级，并构建各评价等级基于云模型的评价集；
第二云模型构建模块，用于将所述权重集云模型分别与各评价等级基于云模型的评价集进行模糊合成，生成各评价等级的评语云模型，所述各评价等级的评语云模型组成评语集云模型；
模糊评估模块，用于根据所述各参评因素的实测数据构建待评价奶牛舍环境的隶属云模型，利用模糊合成算子将所述隶属云模型与所述权重集云模型进行合成，根据合成获得的云模型与所述评语集云模型的贴合度确定所述待评价奶牛舍环境舒适度的评价等级；
所述根据专家知识确定所述各参评因素的权重并构建权重集云模型的步骤，具体为：
根据所述测试季节各参评因素对奶牛舒适度的影响对所述各参评因素进行优先级排序；
按照优先级顺序利用层次分析法对所述各参评因素进行两两比较，根据专家知识依次确定两两比较的所述各参评因素的权重，生成判断矩阵；
对所述判断矩阵进行一致性校验，若校验成功，则计算所述判断矩阵的特征值，获得权重集；
根据所述权重集和所述判断矩阵计算各参评因素的权重所对应的云模型的数字特征，生成权重集云模型；
所述根据所述权重集和所述判断矩阵计算各参评因素的权重所对应的云模型的数字特征的步骤，具体为：
取任一参评因素的权重所对应的云模型的期望为所述参评因素的权重值；
根据所述判断矩阵中最小的权重值计算所述参评因素的权重所对应的云模型的熵和超熵；所述计算过程为：取参评因素的权重所对应的云模型的期望Exai为所述参评因素的权重值ai；根据所述判断矩阵中最小的权重值wji计算所述参评因素的权重所对应的云模型的熵Enai和超熵Heai；其计算公式为：
Exai＝ai
Enai＝0.1·min(wji)
Heai＝0.01·min(wji)；
所有参评因素的权重云模型则组成了权重集云模型为：
7.一种基于云模型的奶牛养殖环境舒适度评价设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810537611.8A CN108898275B (zh) | 2018-05-30 | 2018-05-30 | 一种基于云模型的奶牛养殖环境舒适度评价方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810537611.8A CN108898275B (zh) | 2018-05-30 | 2018-05-30 | 一种基于云模型的奶牛养殖环境舒适度评价方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108898275A CN108898275A (zh) | 2018-11-27 |
| CN108898275B true CN108898275B (zh) | 2020-12-29 |
Family
ID=64343643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810537611.8A Active CN108898275B (zh) | 2018-05-30 | 2018-05-30 | 一种基于云模型的奶牛养殖环境舒适度评价方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108898275B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109782832A (zh) * | 2019-01-18 | 2019-05-21 | 中国农业科学院农业信息研究所 | 一种蛋鸡养殖环境监控系统及方法 |
| CN110070211A (zh) * | 2019-03-21 | 2019-07-30 | 中国石油化工股份有限公司 | 基于云的油田开发规划方案优化评价方法 |
| CN109827617A (zh) * | 2019-03-26 | 2019-05-31 | 泰州乐税宝信息科技有限公司 | 一种基于互联网的智能环境监测系统 |
| CN110419499B (zh) * | 2019-08-28 | 2021-05-11 | 广西壮族自治区水牛研究所 | 一种评价泌乳期奶水牛舒适性的方法 |
| CN110867253B (zh) * | 2019-11-28 | 2022-05-03 | 南京农业大学 | 一种牛的热应激分级检测方法及其检测系统 |
| CN111311016B (zh) * | 2020-02-28 | 2022-03-22 | 中国农业大学 | 基于舒适度评价的活羊效用分选预测方法及系统 |
| CN112991084A (zh) * | 2021-04-16 | 2021-06-18 | 河南牧原智能科技有限公司 | 一种确定牲畜舒适度的方法、装置、设备及系统 |
| CN117171487B (zh) * | 2023-11-03 | 2024-02-02 | 北京市农林科学院智能装备技术研究中心 | 肉牛热应激程度的确定方法、装置、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106326473A (zh) * | 2016-08-31 | 2017-01-11 | 国信优易数据有限公司 | 基于熵权算法与层次分析法的数据挖掘方法与系统 |
| CN106339536A (zh) * | 2016-08-19 | 2017-01-18 | 南华大学 | 基于水污染指数法和云模型的水质综合评价方法 |
| CN107909255A (zh) * | 2017-11-06 | 2018-04-13 | 天津大学 | 一种基于云模型的帷幕灌浆效果模糊综合评价方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030208514A1 (en) * | 2002-04-30 | 2003-11-06 | Jian-Bo Yang | Methods and apparatus for decision making |
-
2018
- 2018-05-30 CN CN201810537611.8A patent/CN108898275B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106339536A (zh) * | 2016-08-19 | 2017-01-18 | 南华大学 | 基于水污染指数法和云模型的水质综合评价方法 |
| CN106326473A (zh) * | 2016-08-31 | 2017-01-11 | 国信优易数据有限公司 | 基于熵权算法与层次分析法的数据挖掘方法与系统 |
| CN107909255A (zh) * | 2017-11-06 | 2018-04-13 | 天津大学 | 一种基于云模型的帷幕灌浆效果模糊综合评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 猪舍环境适宜性模糊综合评价;谢秋菊;《农业工程学报》;20160831;第32卷(第16期);第198~203页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108898275A (zh) | 2018-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108898275B (zh) | 一种基于云模型的奶牛养殖环境舒适度评价方法及系统 | |
| CN102183621A (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
| CN108510180B (zh) | 一种生产设备所处性能区间的计算方法 | |
| CN113888011A (zh) | 基于灰色关联分析和层次分析法的鸡舍内环境评价方法 | |
| CN109558889B (zh) | 生猪舒适度分析方法及装置 | |
| CN115310350A (zh) | 基于pod-ann降阶模型的鸡舍空气龄预测方法 | |
| CN112149870B (zh) | 一种基于ISODATA聚类与Elman神经网络的猪舍氨气浓度组合预测方法 | |
| CN116307879A (zh) | 一种斑节对虾虾苗高效培育方法、系统及介质 | |
| CN113255223B (zh) | 一种空调负荷短期预测方法及系统 | |
| CN115392582A (zh) | 基于增量模糊粗糙集属性约简的作物产量预测方法 | |
| CN110991743B (zh) | 一种基于聚类分析和优化神经网络的风电功率短期组合预测方法 | |
| CN113205274A (zh) | 一种施工质量定量化排名方法 | |
| CN112994079A (zh) | 一种风电场出力序列生成方法和系统 | |
| CN113487037B (zh) | 一种熵权算法和机器学习技术的甜樱桃裂果率评估方法 | |
| CN117574255B (zh) | 一种基于鹈鹕算法和支持向量机的边坡安全系数预测方法 | |
| CN113762773B (zh) | 一种灾害监测预报的关联定位分解方法及系统 | |
| CN117973947B (zh) | 一种配电网工程施工工艺标准化验收方法及系统 | |
| CN113780833B (zh) | 一种台风登陆影响区风场危险性评估方法和装置 | |
| CN117171487B (zh) | 肉牛热应激程度的确定方法、装置、设备及介质 | |
| CN114676809A (zh) | 基于粒子群优化svr模型的生猪热应激程度预测方法 | |
| Wang et al. | Phenotypic Parameters Prediction of Lettuce based on Computer Vision and Regression | |
| Pu et al. | A Method of Linear Regression Model Building for Healthy Pupae Number Based on Common Characters Indicators | |
| Zhou et al. | Research of Leaf Quality Based on Snowflake Theory. | |
| CN116108974A (zh) | 一种考虑气象因素的需求响应基线负荷预测方法及装置 | |
| CN116739418A (zh) | 一种电子式互感器健康状态评估方法、系统、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |