基于采食行为参数的奶牛个体采食量量化方法研究

受饲养环境和设备限制,现存奶牛个体采食量监测方法难以应用于商业生产。为找到简单高效的个体采食量量化方法,以采食行为参数(采食时间、躺卧时间、行走步数)、个体体重及日粮粗精比作为输入参数,构建4种采食量量化模型:反向传播神经网络(BP)模型、遗传算法优化BP神经网络(GA-BP)模型、粒子群算法优化BP神经网络(PSO-BP)模型、多项式学习率衰减算法优化BP神经网络(PDLR-BP)模型,并经模型评价验证找到适宜的算法函数。结果表明,结合采食行为数据与改进型BP算法可实现奶牛个体采食量量化研究,4个模型建模精度高,模型量化值与实测值呈显著相关,决定系数高于0.90;其中,PSO-BP模型精准性最优且收敛更快,模型MSPE,MAE和R2值分别为0.046 kg^(2)·d^(-1)、0.166 kg·d^(-1)和0.95,其均方相对误差RMSE=0.214 kg·d^(-1)分别低于BP模型、GA-BP模型和PDLR-BP模型10%、9.3%和6.9%。PSO-BP模型极值差降幅明显,说明PSO-BP模型稳定性更优。