一种面向时序数据的多品种小批量生产线性能预测模型研究

随着生产线数字化、自动化水平的提高,产生了大量的反映运行过程机理及运行状态的数据,这些数据为生产线性能分析和预测提供了可能。针对生产线的在制品数量、生产周期和生产效率性能指标,构建了一种面向时序数据的循环深度信念网络的生产线预测模型(Cycle-deep belife network,C-DBN);针对传统基于SGD(Stochastic gradient descent)的训练方法存在的预测模型收敛速度慢以及精度低等问题,提出了基于AMM(Adam with momentum)算法的生产线性能预测模型训练方法;确定了面向时序数据的生产线性能预测模型训练流程。最终通过实例验证了生产线性能预测模型和训练方法的有效性。

康奈尔净碳水化合物-蛋白质体系在反刍动物生产中的应用研究

康奈尔净碳水化合物-蛋白质体系(CNCPS)是由美国康奈尔大学学者提出的一种基于动物、环境和饲料成分信息,将饲料的生物学特性与动物的消化利用情况有机结合,在不同生产情况下预测动物需要量和营养供应的模型。近年来,应用CNCPS进行饲料营养价值评定的研究越来越多。本文简述了CNCPS的特点,重点阐述了CNCPS对饲料原料的营养价值评定以及对反刍动物饲粮及生产性能的预测评估及其推进发展,并分析了CNCPS与其他评价体系联合应用的情况。