Компьютерная наука > Комплектное видение и распознавание моделей [представлено 5 апреля 2026 года v1), последний раз пересмотрен 24 октября 2026 (эта версия, v3)] Название: " Сознательный физике цифровой близнец с пониманием поведения для надежного мультимодального прогнозирования температуры основного тела при точном выращивании скота Вид HTML Резюме PDF (экспериментальный): Предварительное прогнозирование животноводства требует точного и своевременного теплового стресса в целях обеспечения благосостояния животных и оптимизации управления фермерскими хозяйствами. В этом исследовании представлена ориентированная на физику система цифрового двойника (ДТ) в сочетании с системой оценки неопределенностей, рассчитанной на экспертов, для мультимодального прогнозирования температуры основного тела (КБТ) у молочного скота. Используя высокочастотный, разнородный набор данных MmCows, DT объединяет обычную модель дифференциального уравнения (ОДЕ), которая имитирует метаболическое теплопроизводство и рассеяние, гауссианский процесс для улавливания конкретных отклонений коровы, фильтр Калмана для согласования прогнозов с данными датчиков в режиме реального времени, а также поведенческую цепочку Маркова, которая моделирует изменения активности-состояний при различных экологических условиях. DT выводит ключевые физиологические показатели, такие как прогнозируемый КБТ, вероятность теплового стресса и распределение поведенческих характеристик, сплавляются с первичными данными датчиков и…
Цифровой близнец с учетом физики, который хорошо знает поведение для надежного мультимодального прогнозирования температуры основного тела в условиях точного животноводства
arXiv:2604.04098v3 Тип уведомления: заменить резюме: Для точного прогнозирования теплового стресса требуется точное и своевременное прогнозирование состояния животных и оптимизация управления фермерскими хозяйствами. В этом исследовании представлена ориентированная на физику система цифрового двойника (ДТ) в сочетании с системой оценки неопределенностей, рассчитанной на экспертов, для мультимодального прогнозирования температуры основного тела (КБТ) у молочного скота. Используя высокочастотный, разнородный набор данных MmCows, DT объединяет обычную модель дифференциального уравнения (ОДЕ), которая имитирует метаболическое теплопроизводство и рассеяние, гауссианский процесс для улавливания конкретных отклонений коровы, фильтр Калмана для согласования прогнозов с данными датчиков в режиме реального времени, а также поведенческую цепочку Маркова, которая моделирует изменения активности-состояний при различных экологических условиях. DT выводит ключевые физиологические показатели, такие как прогнозируемый CBT, вероятность теплового стресса и распределение поведенческих состояний сплавлены первичными данными датчиков и en