一、研究背景

长期以来，由于受生猪养殖的周期性和特殊性影响，我国生猪价格一直处于大起大落状态，生猪养殖行业始终无法摆脱信息滞后、市场供需不平衡的局面。生猪产品的流通渠道层级繁多，生产者、消费者信息不对称，生猪养殖行业各自为政没有形成强大的产销联盟，导致生猪养殖企业繁殖、养殖、出栏等数量与市场需求数据无法准确预测和控制。要扭转这种被动局面，国内生猪养殖行业必须全面打造行业内全国统一的大市场，紧随国际信息技术的变革浪潮，充分利用大数据、云计算、物联网(IOT)、区块链、人工智能AI、第五代移动通信(5G)等现代科学技术，加快建设生猪养殖行业全国统一大市场。

我国近年中央文件多次作出指示，要求农业应用信息化、数字化、智能化技术实施数智化转型，推进大数据、云计算、物联网、区域块、遥感技术在养殖行业中的应用。目前，我国的生猪养殖龙头企业在技术上朝着数智化、科学化的方向发展，在养殖设备上也朝着现代化、自动化的方向发展，在市场推广方面朝着信息化、网络化的方向发展。通过大数据、云计算、区域块、物联网、AI技术和互联网、5G之间的有机衔接，将信息化、数字化、智能化全方位地运用于生猪行业的饲料种植、种猪繁殖、肉猪养殖、冷链运输、猪肉加工销售等生猪生产全产业链的各个环节。与此同时，阿里、淘宝、京东、网易、腾讯、拼多多等新兴互联网公司聚焦生猪养殖领域，开发软件、硬件，实施虚拟网络技术，助力生猪养殖产业转型升级。另外，中粮粮谷、光明食品、首农食品、华润五丰、希望本香等生猪上市公司，均将数智化转型作为公司发展战略的重要组成部分，构建出一整套覆盖生猪行业的饲料种植、生猪繁殖、养殖、屠宰加工、冷链仓储运输、市场销售推广、猪肉制品深加工等全产业链。探索出一整套数智化的模式，数智化现代养殖已成为整个行业发展的方向标。

有关大数据、云计算在农业中的应用，学者们做了不少有益的探索，如在农业精准生产、消费需求预测、农产品检测预警等方面的应用[1,2,3,4,5]。养殖业该方面的研究主要涵盖了个体系谱、个体特征、饲料结构、圈舍环境和疫情情况等信息。养殖业市场数据主要涵盖了市场供求关系、价格行情、价格利润、生产资料、市场流通和国际市场等信息[6,7,8,9,10]。

笔者在前人研究的基础上，从生猪养殖的饲料种植、种猪优选、母猪繁殖、子猪饲养、商品猪冷链物流、加工、销售等全产业链安全控制模式的角度出发，分析了大数据、云计算、物联网、互联网、5G、人工智能技术应用于生猪养殖领域的必要性和可行性。重点探讨大数据、云计算、人工智能技术对生猪养殖行业的产销平衡等信息的监控和预测技术的应用。

二、生猪养殖业智能化数字化转型升级路径

生猪养殖行业数字化智能化转型升级应覆盖养殖全产业链的各个环节，形成智慧种养殖、智能养殖工厂、智慧物流、智慧数字营销、智能溯源和智能环境6大场景，为信息化、数字化、智能化赋能业务奠定坚实的基础。

1.智慧种养殖系统。

利用大数据、云计算、物联网、区块链、人工智能、5G等互联网、数字化、智能化技术准确掌握生猪的整个生理动态与生长环境，构建科学化、智能化、自动化的生猪饲料种植、配方，以及种猪的引进，仔猪和肉猪的繁殖，通过自动控制系统和现代视频技术动态控制和监测养殖环境，利用现代免疫技术做好生猪疾病预防和控制风险。实现全方位、现代化、科学化、信息化、高产能、高环保的智能化生猪种养殖系统。

2.智能养殖工厂。

利用数智化技术建设生猪养殖智能工厂，通过对生猪种养殖系统大数据的收集、整理、归类，利用云计算建立数学模型，应用高性能计算机进行计算，构建最先进的AI养殖工厂。解决生猪养殖供应侧与需求侧一致性及协同性问题。子系统包括智能化数字化饲料农场，生猪繁殖、养殖智能化数字化生产工厂，无人屠宰车间和加工车间等。

3.智慧物流系统。

通过数智化技术，将物联网、传感网与互联网三网结合起来，利用冷链技术、动态规划技术、现代视频技术，实现物流的可视化、动态化、网络化，从而提高物流运营速度，保证食品安全，增强物流的功能和效率，降低经营成本。其中有物流智能精准路由、动态规划选址、冷链保鲜仓储、运输、智能控制物流子系统等。

4.智慧数字营销。

利用大数据技术，构建客户大数据数据库，以客户为中心，全面感知并深刻理解客户需求。通过多触点、跨渠道、场景化、精细化的手段，提升客户感知体验，了解客户的需求，精准市场定位，扩大营销渠道，从而确定消费群体，增加市场份额，提高经济效益，降低产品成本，实现企业利润最大化。其中包括数字化网络地图、智能化销售渠道、精准化客户定位、VR购物、无人门店、外呼机器人、智能需求预测以及线上线下购物验资等。

5.智能溯源。

利用前面的系统所收集的海量信息，建立数据库。通过对数据整理、分析建立数学模型，确定算法、计算语言等，为生猪养殖企业的食品安全管理、供应链管理、信用管理以及政府宏观监管等环节建立智能化的决策支持系统和风险防控系统。

6.智能养殖环境。

与国外相比，我国生猪养殖行业的环境保护整体水平与先进产能的差距不断缩小，特别是全行业推进的数智化超低排放改造，排放标准已达到欧美国家的排放标准，达到了国际领先水平。为了继续执行好国家现有超低排放标准，应加强生猪养殖行业源头减排、过程管控、末端治理、数字赋能，有序推进我国生猪养殖行业的超低排放改造，建立智能环境保护系统，强化减污降碳协同增效，持续提升我国生猪养殖行业的绿色竞争力。

三、生猪产销平衡智能化数字化预测方法

由于生猪养殖、出栏的周期性和特殊性，虽然很多企业已经应用了大数据、云计算、人工智能等先进的智能养殖技术，但目前来看还是摆脱不了生猪价格大起大落的状态。市场信息反馈滞后，生产供应衔接不畅，时常出现供求不平衡的尴尬局面。要想完全摆脱这种局面，保障养殖企业和消费者的双重利益，必须寻求市场预测技术，以解决市场销售难题。

要真正实现生猪产销平衡的准确预测，把握市场脉搏，做到“提前预测市场风险，及时调节生产环节” ,就目前智能化数字化预测方法中，除了比较传统的数理统计模型，如回归分析方法外，还有时间序列预测的几种范式。如直接多步预测，这是时序预测中最广泛采用的范式，NBeats、TFT、Informer、Autoformer等就属于这类模型；自回归预测，比如DeepAR;还有DSGE,动态随机一般均衡模型，如Structural VAR等；另外，还有一些小型模型，如SVAR。但比较而言，笔者认为行之有效的预测模型首选人工神经网络(artificial neural network, 即ANN)。

(一)人工神经网络预测模型

神经网络模型也被称为人工神经网络[11],是深度学习算法的核心。随着计算机硬件的快速发展和数据集的不断完善，深度神经网络已在图像识别、汽车智能驾驶等新领域得到了广泛应用，也发展成了目前主流的人工智能算法。

图1 人工神经网络预测模型

模型由大量的点、线之间相互连接构成树状网络图(见图1)。每个节点代表一种特定的输出函数，称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，相当于人工神经网络的记忆。网络的输出则依照网络的变量和关系的不同而不同。这种模型自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

(二)人工神经网络预测的分析方法

1.网络模型。

人工神经网络模型主要应用网络连接的拓扑结构和神经元的特征。主要有：(1)前向网络。网络中各个神经元接受前一级的输入，并输出到下一级，网络中没有反馈，可以用一个有向无环路图表示。(2)反馈网络。网络内神经元间有反馈，这种神经网络的信息处理是状态的变换，可以用动力学系统理论处理。

2.学习类型。

学习是神经网络研究的一个重要内容，它的适应性是通过学习实现的。根据环境的变化，对权值进行调整，改善系统的行为。

3.分析方法。

研究神经网络的非线性动力学性质，主要采用动力学系统理论、非线性规划理论和统计理论来分析神经网络的演化过程和吸引子的性质，探索神经网络的协同行为和集体计算功能，了解神经信息处理机制。

四、生猪养殖行业市场供求预测

(一)构建生猪养殖行业联合体

近年来，我国生猪存栏量和出栏量稳步回升。受政策引导及市场需求的影响，我国生猪养殖方式开始逐步向规模化发展，散户占比大幅度下降，大户及企业占比不断攀升，生猪养殖行业的市场集中度逐年增长。但是，我国生猪价格周期性波动明显，一般3～4年为一个周期。例如，2019年受行业周期、非洲猪瘟疫情等因素叠加影响，我国生猪出栏量跌至近年来的低谷，供不应求导致生猪价格不断走高；而到2021年，中国养猪业进入了长达一年多的猪价下行期，期间猪价最低跌至10元/公斤，大型猪企陷入了漫长的亏损期，直至2022年4月，这一局面才逐渐得到改善。但是，2023年前三季度猪价持续低迷、生猪养殖行业亏损严重。不过行业产能并未明显减少，尤其规模企业基于市场占有率、增产降本及长期发展考虑，产能尚呈现增加态势，致使能繁母猪存栏量至三季度末仍维持在4 240万头以上高位运行。生产效能及母猪数量存在双重提升，这就预示年前供给压力不会小。在此背景下，我们认为，我国生猪养殖行业亟待加强协同，建立行业联盟，积极进行市场前期预测，科学合理制定生产计划。组织建立行业联盟内的市场预测机构，或外包给专业的市场预测机构，对整个生猪养殖市场进行全方位的预测，构成全行业一盘棋。统筹养殖规划，合理繁殖生产，科学划分区域，智能配置资源[12]。否则，将会催生恶性竞争，形成猪肉价格忽高忽低，猪肉市场的忽冷忽热，最终导致‘负效生产’。目前，我国生猪养殖产业的上市公司数量较多，分布在各产业链环节，其中，涉及生猪养殖的上市公司包括牧原股份、新希望、大北农等。为此，我国生猪养殖行业需要阶段性、区域性地逐步推进行业自律和市场协同，科学地进行市场预测，以最终实现弹性供给，保障市场持续健康运行，落实好中央对我国生猪养殖行业高质量发展的基本要求。

(二)生猪养殖市场价格的预测模拟

由于生猪供需不平衡的原因诸多，生猪养殖有一定的时间滞后性。当供大于求时，猪肉价格下降，生猪饲养减少，加之近年的猪瘟，生猪出栏大幅减少，而需求却没有减少，造成供不应求，随之猪肉价格上涨。而生猪养殖需要一定的时间周期，这时猪肉价格一直飙升。随着生猪价格的上涨和国家对生猪养殖的大力扶持，企业生猪养殖积极性高涨，生猪出栏大幅增加，供大于求形势加剧。猪肉的需求又分淡季和旺季，猪肉价格便开始一路下跌。这时为了稳定猪肉市场，避免价格大涨大跌，国家又启动生猪冷冻计划，大量生猪宰后冷藏入库，猪肉价格逐渐回升。

我国生猪养殖行业因养殖、市场均存在的严重的不确定性和风险性，最终会给生产企业和广大消费者带来巨大经济或财务的损失和严重的市场波动，从而影响整个国民经济的发展。因此，防范生猪养殖的市场变化的最佳办法就是事先对可能发生市场风险作出科学的预测和评估。整个生猪养殖行业应建立联合体，形成阶段性、区域性的行业自律和市场协同联盟，当猪肉市场饱和时，养殖行业联合体可以进行市场协同，限产限价，控制生产规模；当市场疲软时，养殖行业联合体可以进行规模扩张，增产增收。总之，利用人工神经网络的预测方法对养殖行业的生产规模、市场变化进行量化分析，弥补主观评估的不足，可以产生良好的效果。

1.确定影响生猪养殖生产规模、市场价格波动的主要参数。

对生猪养殖供求平衡及猪肉价格变动的市场分析预测，可归结为对影响市场供求关系的诸多因素的综合分析预测。传统的定性和定量的统计预测方法已经不适应现代数字化、智能化发展的需求。要对我国生猪生产的供需平衡以及猪肉价格变动而导致生猪供求失衡、价格大起大落的市场判断作出科学的预测，就需要人工神经网络技术来处理庞大的、不完整的、模糊不确定或规律性不明显的大数据。所以，用人工神经网络进行生猪商品价格预测是有着传统方法无可比拟的优势。

从生猪商品市场价格的确定机制出发，依据影响猪肉价格的综合因素考虑。生猪作为一种商品，其价格波动和其他商品一样，主要受生猪的供需因素影响。

猪肉的市场需求分为国外需求和国内需求，国外需求目前比重不大，主要还是国内需求占压倒性优势。影响猪肉需求的参数包括人口总数、人均可支配收入、消费习惯、人均年猪肉消费量等，另外还有猪肉需求的周期性和季节性变化以及受天气与节假日的影响。猪肉需求的周期性和季节性特点十分明显，猪肉价格也因此有明显的周期性和季节性波动特点。影响生猪的供给参数包括生猪母猪仔猪存栏量、进口猪肉量、国储肉投放量、生猪疫病情况以及生猪出栏数量等。

生猪的养殖受季节性影响很弱。同时，生猪养殖具有持续性和延长性的特点。决定生猪养殖行业的供求平衡和价格波动还有养殖成本和利润这一关键因素，需要综合考虑。当养殖利润增加时，养殖企业在高利润的激励下会增加仔猪的补栏量，同时可能会偏向压栏出售生猪。当养殖利润下降，成本上升甚至出现亏损时，养殖企业会偏向尽快出栏生猪，对于仔猪的补栏也会偏向谨慎。

2.建立行业大数据。

当今，拥有强大的信息处理和分析能力的大数据技术为社会的发展提供强有力的数据信息资源，对我国农业经济的发展起着重要作用，使得生产技术成本进一步降低，其销售模式、农业经济的整体结构相对于传统农业有了质的变化。为此，应通过我国生猪养殖行业的自律协同，在建立行业联盟的基础上，在进行科学市场前期预测的前提下，集中采集生猪养殖行业生产和市场大数据，包括生猪的市场供求数据，产品价格方面的报价以及有关饲料、生产资料的市场数据，产品的价格及利润、市场的流通、国际市场的数据等。可以以生猪养殖的上市公司牧原股份、新希望、大北农等企业为骨干建立行业大数据。对海量的、复杂的、杂乱无章的数据进行收集、分类、整理、分析、传输、管理和处理，建设多样化的信息资产。大数据以其海量的数据规模、快速的数据流转、多样的数据类型和价值密度低的特征，整合生猪养殖行业养殖和市场所出现的地域性、季节性、多样性、周期性等自身特征后产生的来源广泛、类型多样、结构复杂、具有潜在价值的数据集合，成为其后分析利用的数据资源。

3.建立人工神经网络预测数学模型。

如果将神经元整体看作一个函数，那么函数的自变量和因变量则分别对应这里的输入和输出数据。通过上述对生猪养殖系统大数据的处理和筛选，得到对整个生猪养殖行业有价值的数据。将其作为人工神经网络系统神经元的输入数据，这时的神经元就可以对数据进行处理。

例如：如果把猪肉需求参数、生猪的供给参数作为神经元的输入数据，包含一个或多个数值，通常用向量表示。

下面分为两步，即首先对输入数据加权求和，再利用激活函数判断输出。

例如：给定输入Xi,首先我们得到

为对应各个数据输入节点的权重，Y为神经元的偏置(Bias)。

接下来，再利用激活函数(Activation function)判断输出，即这里的激活函数σ(S)选取为符号函数，也可以选取为阶跃函数。

通过上述过程，感知机就模拟了生物神经元的信号传递、信号处理以及“阈值”机制。为了使感知机完成指定学习，还需要对其进行训练，得到适合具体问题的模型参数。

确定输出神经元的输出数据，包含一个或多个数值，通常也用向量表示，如：

综上所述，面对大量的错综复杂、变化无常的不确定随机因素，面对国内外海量的相关数据，运用数据挖掘技术可以对国内生猪养殖企业生猪的供应参数数据和猪肉市场需求量参数变化数据的系统运行状况进行实时监控，对过程中产生的大量业务数据与财务数据进行深入地挖掘、分析、筛选。通过预测模型，用数学语言或公式所描述的事物间的数量关系，采用分布式架构，对海量数据进行分布式数据分析，并依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术的云计算平台、互联网和可扩展的存储系统等技术，在一定程度上可以揭示事物间的内在规律性，预测未来的变化趋势。

总之，可以通过建立生猪养殖联盟、大数据、人工神经网络技术预测的数学模型、云计算平台等对生猪养殖行业的供求平衡和价格波动进行科学的预测，为生猪养殖企业的规划、生产、管理决策提供科学的依据。

(三)构建生猪养殖行业生产控制系统

通过整个生猪养殖行业联合体的行业自律和市场协同，利用人工神经网络独特的模型结构和非线性模拟能力以及高度自适应和容错功能，建立生猪养殖控制系统。通过非线性自适应学习机制，建立科学的生猪养殖预测系统、产能控制系统，使整个生猪养殖行业不再重复出现企业之间的恶性竞价。规范行业职业道德，建立行业自律机制，使我国生猪养殖行业朝着智能化、规范化、科学化、市场化的方向健康、成熟地发展。

五、结语

基于我国中央和地方文件精神以及国内生猪养殖行业需求，利用大数据、云计算、物联网、区域块、人工智能、5G为代表的先进信息化、数字化、智能化技术，在我国生猪养殖行业进行阶段性、区域性地逐步推进行业自律和市场协同，科学市场预测，以最终实现弹性供给发展目标，保障市场持续健康运行，从而落实好中央对我国生猪养殖行业高质量发展的基本要求。在生猪养殖行业构建一整套信息化、数字化、智能化生产和管理系统，结合生猪养殖全产业链的生产模式，促进生猪养殖企业转型升级，真正打造生产智能化、管理标准化、环境生态化、经营数字化、市场供求平衡的生猪养殖新模式和科学范式，以推动我国生猪养殖行业健康、良性地发展。

参考文献:

[1]姜永春.大数据在农业实践中的应用进展[J].中国农业资源与区划,2021,42(08):209-217.

[2]胡荣群.基于大数据的农业模型建构及应用[J].中国农业资源与区划,2022,43(10):256-266.

[3]潘瑞娟.基于大数据的农业信息监测与自动控制系统研究[D].合肥:安徽大学,2022:3.

[4]梁斌,仵晓娟,李继玲,等.基于大数据的农业管理平台设计[J].农业经济,2020(10):3-6.

[5]章丹琳.基于云计算的农业信息化服务平台的构建[J].社会科学(全文版),2019(01):367-368.

[6]郭颖媛.信息化数据管理在规模猪场的推广应用[J]山东畜牧兽医,2016(04):14-15.

[7]韩悦.基于云计算的北海市水产养殖户信用风险评价体系的设计[J].山西农经,2023(05):189-192.

[8]陈子欢,李金刚,钟越,等.基于阿里云的现代养殖业智能服务平台研究[J].成才之路,2018(05):82-85.

[9]易敢峰.互联网和大数据时代中国养猪业商业模式比较分析[A]//首届山东猪业发展大会暨山东省畜牧协会生猪产销分会第三次会员代表大会,2014-04-09.

[10]张爱玲.大数据在畜牧养殖业中的应用[J].畜牧业环境,2022(06):39-40.

[11]朱大奇,史慧.人工神经网络原理及应用[M].北京:科学出版社,2008.

[12]张建云.互联网时代共同体思维及其深远意义[J].行政科学论坛,2020(10):4-8.

基金资助:陕西省科技厅软科学研究计划项目(2016KRM060);

文章来源:燕君芳,刘晓宁,王鹏.生猪智能养殖与市场供求预测技术应用[J].西北农林科技大学学报(社会科学版),2024,24(04):137-142.