文献

J-GLOBAL ID：202202286052360233   整理番号：22A0943031

小サンプルデータに基づく機械学習モデルを用いた産卵鶏舎臭濃度の予測【JST・京大機械翻訳】

Prediction of laying hen house odor concentrations using machine learning models based on small sample data

著者 (11件)： Liu Yu (Department of Agricultural Structure and Bioenvironmental Engineering, College of Water Resources and Civil Engineering, China Agricultural University, Beijing 100083, China) ,  Liu Yu (Key Laboratory of Agricultural Engineering in Structure and Environment, Ministry of Agriculture and Rural Affairs, Beijing 100083, China) ,  Zhuang Yanrong (Department of Agricultural Structure and Bioenvironmental Engineering, College of Water Resources and Civil Engineering, China Agricultural University, Beijing 100083, China) ,  Zhuang Yanrong (Key Laboratory of Agricultural Engineering in Structure and Environment, Ministry of Agriculture and Rural Affairs, Beijing 100083, China) ,  Ji Boyu (Pig Improvement Company, Shanghai 200030, China) ,  Zhang Guoqiang (Department of Civil and Architectural Engineering, Aarhus University, Inge Lehmanns Gade 10, 8000 Aarhus C, Denmark) ,  Rong Li (Department of Civil and Architectural Engineering, Aarhus University, Inge Lehmanns Gade 10, 8000 Aarhus C, Denmark) ,  Teng Guanghui (Department of Agricultural Structure and Bioenvironmental Engineering, College of Water Resources and Civil Engineering, China Agricultural University, Beijing 100083, China) ,  Teng Guanghui (Key Laboratory of Agricultural Engineering in Structure and Environment, Ministry of Agriculture and Rural Affairs, Beijing 100083, China) ,  Wang Chaoyuan (Department of Agricultural Structure and Bioenvironmental Engineering, College of Water Resources and Civil Engineering, China Agricultural University, Beijing 100083, China) ,  Wang Chaoyuan (Key Laboratory of Agricultural Engineering in Structure and Environment, Ministry of Agriculture and Rural Affairs, Beijing 100083, China)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 195  ページ： Null  発行年： 2022年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 産卵鶏舎では,清潔な環境管理と人間/動物の健康管理のために,臭気測定と低減が必要である。しかし,限られた定量的データと高価な検出技術は,臭気低減実施の正確な評価を排除する。本研究は,タイムリーな臭気モニタリングを達成し,臭気濃度に影響する重要な成分をチェックするために,産卵鶏舎から収集された小型サンプルサイズ臭気データセットに基づく,極端な勾配ブースティング(XGBoost),サポートベクトル回帰(SVR),およびバックプロパゲーションニューラルネットワーク(BPNN)の3つの異なる機械学習モデルの臭気予測能力を比較した。入力変数はアンモニア(NH_3)濃度,硫化水素(H_2S)濃度,温度,相対湿度(RH)および換気速度であり,出力値は臭気濃度であった。結果は,XGBoostモデルが最高の予測能力を持ち,R2が0.88で,BPNN(R2=0.75)とSVR(R2=0.66)が続いたことを示した。XGBoostモデルは中程度の精度で臭気濃度をタイムリーに予測するための有用なツールである。さらに,訓練されたXGBoostモデルにおいて,NH_3濃度は最も重要な因子であり,H_2S濃度,温度,RH,および換気速度が続いたが,これはガス成分およびガス生産に関連する環境変数が,臭気予測モデルの訓練における主要な駆動因子であることを示した。本研究はまた,臭気濃度に及ぼす各ガスおよび環境因子の影響を予測し,XGBoostモデルの良好な知識マイニング能力を検証した。実用可能性は,ヒト評価者を置換し,臭気センサとして産卵鶏舎環境制御に適用するために,XGBoostモデルを使用するのに相当である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 環境管理 ,  相対湿度 ,  換気 ,  *臭気 ,  硫化水素 ,  アンモニア ,  ヒト ,  検出法 ,  *産卵 ,  *産卵鶏 ,  *鶏舎 ,  *機械学習 ,  予測モデル
準シソーラス用語： 環境因子 ,  臭気計測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 臭気濃度 ,  産卵鶏舎 ,  機械学習 ,  予測モデル ,  XGBoost

分類 (1件)： 悪臭  (SB04010I)

タイトルに関連する用語 (5件)： サンプルデータ ,  機械学習 ,  モデル ,  産卵鶏 ,  予測