本发明涉及神经网络，特别涉及一种基于神经网络的猪肉产品产量预警系统。
背景技术：
1、猪肉是重要的食品资源，其供应量的变动直接影响市场供需关系和价格波动。因此，需要持续、及时地对猪肉产品产量进行预测、预警。然而，一般的，对猪肉产品产量进行预测、预警时，多是由养殖人员根据以往的养殖经验进行，这样做不仅人力成本较大，预测、预警的准确性、及时性以及全面性均不足。因此，亟需一种智能化解决手段。
技术实现思路
1、本发明分析了育肥猪饲喂参数育肥猪肉产品产量的影响，提出了育肥猪肉产品产量的采食量和温度校正方法，旨在提高育肥猪肉产品产量的评价精度。
2、本发明提供一种基于神经网络的猪肉产品产量预警系统，包括：
3、基于物联网的育肥猪饲喂参数采集模块，通过采集育肥猪的饲喂参数，用以对育肥猪个体信息进行收集和育肥猪饲喂量的调整、以及对育肥猪舍多环境参数进行检测和控制；
4、猪肉产品产量评价模块，用于对所述育肥猪的饲喂参数进行检测、预测和猪肉产品产量的预警；
5、其中，所述猪肉产品产量评价模块包括：猪肉产品产量预测子模块、育肥猪采食量预测子模块、育肥猪舍温度预测子模块、育肥猪采食量动态校正子模块、猪肉产品产量动态校正子模块和基于issa-narx神经网络的猪肉产品产量等级评价器。
6、优选的，所述育肥猪饲喂参数采集模块包括：终端监控设备、网络通信层和数据应用层；
7、终端监控设备和网络通信层之间通过lora网络进行长距离通信；
8、网络通信层和数据应用层之间通过gprs网络进行远距离通信。
9、优选的，所述终端监控设备为群养育肥猪智能饲喂站包括：信息采集模块、信息传输模块和设备控制模块；
10、所述信息采集模块包括：温湿度传感器、rfid耳标信息、料槽称重传感器、电子地磅；
11、所述信息传输模块包括为lora无线通信模块；
12、所述设备控制模块为由stm32单片机控制的下料推杆电机、湿帘、加热器、气体净化器、触摸屏；所述stm32单片机负责采集、发送传感器数据并控制现场设备；
13、所述lora无线通信模块将采集的育肥猪饲喂信息发送至lora汇聚节点并接收下发的控制指令；
14、所述网络通信层包括：lora汇聚节点和gprs-dtu模块；
15、所述lora汇聚节点汇聚各lora终端信息采集点采集的育肥猪饲喂信息数据，通过gprs-dtu模块和上位机建立通信连接。
16、优选的，所述应用层包括：所述猪肉产品产量等级评价模块、育肥猪饲喂监控模块和网络通信接口；
17、所述育肥猪饲喂监控模块的功能包括：猪舍温湿度信息、育肥猪采食量信息、猪肉产品产量信息、历史数据统计分析和实时数据获取；
18、所述网络通信接口实现上位机监控平台和下位机测控系统间的网络通信。
19、优选的，所述猪肉产品产量预测子模块包括：基于密度的猪肉产量聚类分析分类器、多个组合预测模型和grnn神经网络猪肉产品产量预测结果重构模型；
20、所述育肥猪饲喂参数中的历年猪肉产品产量作为所述基于密度的猪肉产量聚类分析分类器的输入；
21、所述基于密度的猪肉产量聚类分析分类器对所述历年猪肉产品产量进行分类，分类后的每种类型的猪肉产品产量值作为对应组合预测模型的输入；
22、所述组合预测模型包括：xgboost极端梯度增强预测模型、bigru双向门控循环单元预测模型以及arima差分自回归滑动平均预测模型；
23、每组所述组合预测模型中的所述xgboost极端梯度增强预测模型、bigru双向门控循环单元预测模型、arima差分自回归滑动平均预测模型的预测值经遗传算法变权重相加求和得到融合预测值；
24、每组所述组合预测模型的融合预测值作为grnn神经网络猪肉产量预测结果重构模型的输入；
25、所述grnn神经网络猪肉产量预测结果重构模型的输出值作为猪肉产品产量预测子模块的最终猪肉产品产量输出值。
26、优选的，所述育肥猪采食量预测子模块包括：基于模型的育肥猪采食量聚类分析分类器、多个elman神经网络采食量预测模型和grnn神经网络采食量预测结果重构模型；
27、所述猪饲喂参数中的育肥猪在一段时间内的采食量作为基于模型的育肥猪采食量聚类分析分类器的输入；
28、所述基于模型的育肥猪采食量聚类分析分类器对所述采食量进行分类，分类后的每种类型的育肥猪采食量作为所述elman神经网络采食量预测模型的输入；
29、所述elman神经网络采食量预测模型的采食量预测值作为所述grnn神经网络采食量预测结果重构模型的输入；
30、所述grnn神经网络采食量预测结果重构模型的输出值作为育肥猪采食量预测子模块的最终采食量预测输出值。
31、优选的，所述猪舍温度预测子模块包括：猪舍温度ceemdan分解模型、排列熵重构单元、偏自相关函数单元和随机森林对子序列进行双尺度特征选择单元、多个elm神经网络育肥猪舍温度预测模型和grnn神经网络温度预测结果重构模型；
32、所述猪舍温度ceemdan分解模型把饲喂参数中的猪舍温度分解为本征模函数imf和残余量r(t)；
33、所述排列熵重构单元将本征模函数进行相空间重构，并利用所述偏自相关函数单元和随机森林进行双尺度特征选择单元得到新子序列，新子序列作为所述elm神经网络预测模型的输入；
34、所述elm神经网络育肥猪舍温度预测模型的输出作为所述grnn神经网络育肥猪舍温度预测结果重构模型的输入；
35、所述grnn神经网络育肥猪舍温度预测结果重构模型的输出作为育肥猪舍温度预测子模块的最终育肥猪舍温度预测输出值。
36、优选的，所述育肥猪采食量动态校正子模块包括：变化率回路1和采食量动态校正sorfnn自组织模糊递归神经网络；
37、育肥猪采食量预测子模块的输出作为采食量动态校正sorfnn自组织模糊递归神经网络的a端输入；
38、猪舍温度预测子模块的输出作为变化率回路的输入和采食量动态校正sorfnn自组织模糊递归神经网络的b端输入；
39、变化率回路1的2个dy/dt的连接端的输出作为采食量动态校正sorfnn自组织模糊递归神经网络的d端输入；
40、变化率回路1的输出为采食量动态校正sorfnn自组织模糊递归神经网络的c端输入。
41、优选的，所述猪肉产品产量动态校正子模块包括：变化率回路2和sorfnn自组织模糊递归神经网络；
42、猪肉产品产量预测子模块的输出作为所述猪肉产品产量动态校正sorfnn自组织模糊递归神经网络的e端输入；
43、育肥猪采食量动态校正子模块的输出作为猪肉产品产量动态校正sorfnn自组织模糊递归神经网络的f端输入；
44、变化率回路2的2个dy/dt的连接端的输出作为猪肉产品产量动态校正sorfnn自组织模糊递归神经网络的h端输入；
45、变化率回路2的输出为猪肉产品产量动态校正sorfnn自组织模糊递归神经网络的g端输入。
46、优选的，所述猪肉产品产量等级评价器根据猪肉产品产量动态校正子模块输出的猪肉产品产量预测值的大小、育肥猪品种和猪舍面积作为输入，输出为猪肉产品产量等级；
47、所述猪肉产品产量等级包括：猪肉产量高产、猪肉产量比较高产、猪肉产量中产、猪肉产量低产和猪肉产量比较低产。
48、本发明取得了以下有益效果：
49、1、本发明根据猪肉产品产量和育肥猪采食量参数样本差异的特点，构建基于密度的猪肉产量聚类分析分类器和基于模型的育肥猪采食量聚类分析分类器，分别对猪肉产品产量和育肥猪采食量多点样本参数进行分类，设计关于猪肉产品产量的多个组合预测模型和grnn神经网络猪肉产量预测结果重构模型，设计关于育肥猪采食量的多个elman神经网络预测模型和grnn神经网络育肥猪采食量预测结果重构模型；在对猪肉产品产量和育肥猪采食量预测的过程中，充分考虑它们在时间空间方面的特性，把成因相近、相对匀质的数据从海量级的数据中提取出来，从而建立针对性更强的、更能反映任意时间段的预测模型，提高预测猪肉产品产量和育肥猪采食量的预测精度。
50、2、本发明的组合预测模型基于xgboost极端梯度增强预测模型、bigru双向门控循环单元预测模型、arima差分自回归滑动平均预测模型三种方法建立预测子模型，分别实现对猪肉产品产量的非线性组合逼近，构建组合预测模型，基于matlab仿真平台对猪肉产品产量进行预测，结果表明，组合预测模型可以融合单一预测方法的信息，实现信息互补，提高模型的鲁棒性，融合多种方法的预测结果相较于单一预测方法更科学、更精准。
51、3、本发明通过育肥猪舍温度ceemdan分解模型将具有非线性和非平稳性特征的育肥猪舍温度参数时间序列分解为多个本征模函数imf分量和一个残余量r(t)，为避免过多的本征模函数imf分量造成模型训练难度的显著提升和预测精度的降低，采用排列熵将分解的本征模函数imf分量进行相空间重构得到子序列，从而降低本征模函数imf分量的复杂度，利用偏自相关函数单元和随机森林单元对子序列进行双尺度特征选择单元得到新子序列，再利用各新子序列分别构建elm神经网络育肥猪舍温度预测模型，最后通过grnn神经网络将各新子序列的预测结果进行非线性叠加得到最终的育肥猪舍温度输出值。实例研究表明，所提出的最终预测结果具有较高的育肥猪舍温度预测精度。
52、4、本发明sorfnn自组织模糊递归神经网络预测模型，建立内部的反馈连接，将上一时刻的信息记录并代入下次的网络计算中，从而增强网络的动态性能。采用互信息mi结合激活强度为自组织方法增长或修剪规则层神经元，以增强网络的泛化能力，用自适应学习速率的梯度下降算法调整网络参数，保证了网络的收敛效果。实例预测结果表明，该模型预测精度高，包含了网络的动态信息，自适应能力强，采用自组织机制具有便捷的调整能力。
53、5、本发明育肥猪采食量动态校正子模块由2个dy/dt模块和sorfnn自组织模糊递归神经网络组成，2个dy/dt单元相串联构成变化率回路1，通过变化率回路1把影响育肥猪采食量的温度一次变化率和二次变化率引入育肥猪采食量动态校正子模块的sorfnn自组织模糊递归神经网络训练中，形成新的输入向量，具有良好的非线性映射能力，提高了网络的泛化能力，使其在非线性育肥猪采食量的动态校正子模块中相较于传统的静态神经网络具有更好的校正精度和自适应能力，提高育肥猪采食量的预测精度。
54、6、本发明猪肉产品产量动态校正子模块由2个dy/dt模块和sorfnn自组织模糊递归神经网络组成，2个dy/dt单元相串联构成积分回路1，通过积分回路1把影响育肥猪采食量的前一时刻采食量值和前二时刻采食量值引入育肥猪采食量动态校正子模块的sorfnn自组织模糊递归神经网络训练中，产生新的输入向量，具有良好的非线性映射能力，网络模型的猪肉产品产量与育肥猪采食量输入，还包括它们的前一时刻和前二时刻的采食量，网络的泛化能力得到提高，使其用于非线性猪肉产量的时间序列预测时具有更好的预测性能。
55、7、本发明根据育肥猪采食量以及前次采食量对猪肉产品产量的影响对猪肉产品产量预测进行动态校正，相较于传统的静态神经网络具有更好的校正精度和自适应能力，提高猪肉产品产量的预测精度。
56、8、本发明基于issa的narx神经网络猪肉产品产量等级评价器根据猪肉产品产量动态校正子模块输出猪肉产品产量预测值的大小、育肥猪品种和猪舍面积作为issa的narx神经网络猪肉产量等级评价器的输入，issa的narx神经网络猪肉产量等级评价器的输出把不同品种育肥猪猪肉产品产量分为猪肉产量高产、猪肉产量比较高产、猪肉产量中产、猪肉产量低产和猪肉产量比较低产五个等级，该评价器提高猪肉产品产量等级评价的准确性和可靠性。
57、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
58、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种基于神经网络的猪肉产品产量预警系统，其特征在于，包括：
2.如权利要求1所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述育肥猪饲喂参数采集模块包括：终端监控设备、网络通信层和数据应用层；
3.如权利要求2所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述终端监控设备为育肥猪智能饲喂器包括：信息采集模块、信息传输模块和设备控制模块；
4.如权利要求2所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述应用层包括：所述猪肉产品产量等级评价模块、育肥猪饲喂监控模块和网络通信接口；
5.如权利要求1所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述猪肉产品产量预测子模块包括：基于密度的猪肉产量聚类分析分类器、多个组合预测模型和grnn神经网络预测结果重构模型；
6.如权利要求1所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述育肥猪采食量预测子模块包括：基于模型的育肥猪采食量聚类分析分类器、多个elman神经网络采食量预测模型和grnn神经网络采食量预测结果重构模型；
7.如权利要求1所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述猪舍温度预测子模块包括：猪舍温度ceemdan分解模型、排列熵重构单元、偏自相关函数单元和随机森林对子序列进行双尺度特征选择单元、多个elm神经网络育肥猪舍温度预测模型和grnn神经网络温度预测结果重构模型；
8.如权利要求1所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述育肥猪采食量动态校正子模块包括：变化率回路1和采食量动态校正sorfnn自组织模糊递归神经网络；
9.如权利要求1所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述猪肉产品产量动态校正子模块包括：变化率回路2和sorfnn自组织模糊递归神经网络；
10.如权利要求1所述的基于神经网络的猪肉产品产量预警系统，其特征在于，所述猪肉产品产量等级评价器根据猪肉产品产量动态校正子模块输出的猪肉产品产量预测值的大小、育肥猪品种和猪舍面积作为输入，输出为猪肉产品产量等级；
