基于核极限学习机奶牛日粮能量消化预测方法

摘要

cqvip:为准确评价饲料营养价值和提升饲喂管理水平,精准预测奶牛日粮能量消化指标具有重要意义。传统上主要基于线性回归(LR)方法预测奶牛日粮能量消化指标,但受参数模型假设限制,预测结果精度低,甚至偏离实际。文章首次将核极限学习机(KELM)方法应用于奶牛日粮消化能(DE)和能量消化率(ED)预测,KELM作为一种典型非参数机器学习模型,无需提前对预测模型作任何假设,仅通过学习训练样本数据,便可拟合出最接近实际的函数,特别适用于奶牛日粮能量消化等复杂系统预测问题。与传统LR方法和其他非参数模型RBF-ANN、SVM及标准ELM对比验证与讨论,结果表明,基于KELM预测方法在MAE、MAPE、RMSE及RT等多数指标上优于其他方法,特别是与传统LR方法相比,KELM方法预测精度更高,可作为对奶牛日粮DE和ED预测新型参考方法,为人工智能与机器学习在预测和评价动物饲粮营养价值应用研究提供借鉴。