软计算方法预测热应激下奶牛寻找遮荫行为：随机森林与神经网络的比较研究
机器学习
2025-07-23 v2
摘要
热应激是地中海气候下奶牛面临的主要福利和生产力问题之一。在本研究中，我们将每日寻找遮荫数量的预测视为非线性多元回归问题，并评估两种软计算算法——随机森林和神经网络——这些算法基于2023年夏季在西班牙瓦伦西亚Titaguas的一个商业农场收集的高分辨率行为和微气候数据进行训练。原始数据集（6907个白天观测，5-10分钟分辨率）包括遮荫中的奶牛数量、环境温度和相对湿度。由此我们推导出三个特征：当前温湿指数（THI）、累积白天THI和平均夜间THI。为了评估模型性能，还使用了5折交叉验证。结果表明，两种软计算模型均优于单一决策树基线。最佳神经网络（3个隐藏层，每层16个神经元，学习率=10e-3）的平均RMSE达到14.78，而随机森林（10棵树，深度=5）达到14.97，并提供最佳可解释性。每日误差分布显示中位数RMSE为13.84，并确认预测与观察到的遮荫高峰偏差小于一小时。这些结果证明了嵌入应用数学特征框架中的软计算数据驱动方法适用于建模嘈杂的生物现象，展示了它们作为热应激条件下精准畜牧业低成本、实时决策支持工具的价值。
引用
@article{arxiv.2501.05494,
title = {Soft Computing Approaches for Predicting Shade-Seeking Behaviour in Dairy Cattle under Heat Stress: A Comparative Study of Random Forests and Neural Networks},
author = {S. Sanjuan and D. A. Méndez and R. Arnau and J. M. Calabuig and X. Díaz de Otálora Aguirre and F. Estellés},
journal= {arXiv preprint arXiv:2501.05494},
year = {2025}
}
备注
22 pages, 10 figures