论文标题：Multistep prediction of temperature and humidity in poultry houses based on the GFF-transformer model

期刊：Frontiers of Agricultural Science & Engineering

作者：Hengyi JI , Guanghui TENG

发表时间：7 Jan 2025

DOI： 10.15302/J-FASE-2025603

微信链接：点击此处阅读微信文章

Dec 2025, Volume 12 Issue 4

· 第十一篇 ·

▎论文ID

Multistep prediction of temperature and humidity in poultry houses based on the GFF-transformer model

家禽舍温湿度的多步预测：GFF-Transformer模型的应用

文章类型：Research Article

发表年份：2025年

第一作者：冀横溢^1,2

通讯作者：腾光辉^1,2

Email: futong@cau.edu.cn

作者单位：1. 中国农业大学水利与土木工程学院；2. 农业农村部设施农业工程重点实验室。

Cite this article :

Hengyi JI, Guanghui TENG. Multistep prediction of temperature and humidity in poultry houses based on the GFF-transformer model. Front. Agr. Sci. Eng., 2025, 12(4): 803-817 DOI:10.15302/J-FASE-2025603

· Graphical abstract ·

· 主 要 内 容 ·

随着我国畜禽产业向标准化、规模化快速发展，大型养殖场中高产品种对环境变化尤为敏感。温度和湿度是影响畜禽健康与生产效率的核心因素：过高或过低的温度会减缓生长、降低饲料转化率，而湿度异常则可能加剧病原传播风险。目前，多数畜禽舍环境控制系统依赖实时传感器数据与预设阈值对比来启动设备，但设备响应存在延迟，难以应对环境的动态变化。如何通过精准预测未来温湿度，提前优化控制策略，成为提升畜禽养殖效率的关键问题。

中国农业大学水利与土木工程学院滕光辉教授团队开发了一种名为“GFF-transformer”的温湿度多步预测模型。该模型创新性地将“门控特征融合 (GFF) 模块”与transformer架构相结合，通过提取多尺度时间特征与捕捉长期依赖关系，实现了对畜禽舍未来6、12、18或24小时温湿度的高精度预测。

传统预测模型如LSTM、GRU虽能处理时序数据，但在捕捉全局信息与计算效率上存在局限，而transformer模型虽擅长长序列分析，却难以有效提取局部关键特征。GFF-transformer模型通过并行处理机制解决了这一矛盾：GFF模块采用3组不同组数 (1、2、4) 的一维卷积层，分别捕捉短期、中期和长期环境特征，并通过类似LSTM的门控机制筛选关键信息；transformer编码器则通过自注意力机制建模变量间的复杂关联。两者提取的特征经融合后，通过全连接层输出预测结果。

实验数据显示，该模型在20.1–31.5 ℃温度范围内，6至24小时预测的决定系数 (R²) 达0.88–0.92，平均绝对误差 (MAE) 为0.48–0.62 ℃，均方根误差 (RMSE) 为0.68–0.85 ℃；在18%–97%湿度范围内，R²达0.86–0.94，MAE为2.9%–4.7%，RMSE为4.3%–6.4%。对比LSTM、GRU和传统transformer模型，其温度预测R²提升0.01–0.08，MAE降低0.05–0.24 ℃；湿度预测R²提升0.03–0.08，MAE降低0.81%–1.43%，尤其在24小时长期预测中表现稳定。

研究团队强调，该模型的优势在于能同时处理温度、湿度、CO₂和静压等多源环境数据，通过变量间的相互作用提升预测鲁棒性。例如，夏季通风增强导致CO₂浓度下降，这一关联特征被模型有效捕捉，进而优化了温湿度预测精度。此外，模型训练时间为504秒 (约8.4分钟)，单次预测耗时0.25秒，可满足畜禽舍环境控制的实时性需求。

本研究为畜禽舍环境智能化管理提供了实用工具。通过提前6至24小时精准预测温湿度，养殖场可动态调整通风、温控设备运行策略，优化环境控制策略。

· 主 要 图 表 ·

图1 GFF-transformer架构。

图2 不同模型的多步温度预测结果：(a) 6步, (b) 12步, (c) 18步, (d) 24步。

图3 不同模型的多步湿度预测结果：(a) 6步, (b) 12步, (c) 18步, (d) 24步。

图4 输入特征对温度与湿度预测的重要性：(a) 温度预测, (b) 湿度预测。

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn