蛋鸡舍湿度与死淘率关联评估数据

适用行业与业务范围：适用于蛋鸡养殖行业鸡舍环境湿度与鸡群健康关联分析场景，服务于环控技术员、兽医和饲养管理人员。 数据解决的具体痛点：（1）湿度偏离最适区间（50%-70%）时管理缺乏量化分级——三级分级使每一时点的湿度数据直接映射为管理动作，风险级（<40%或>80%）触发即时环境调控。（2）湿度异常与死淘升高的同步关联缺乏自动识别：湿度-死淘异常标记精确标识湿度偏离且死淘高于均值的时点，为环境因素导致死淘的排查提供线索。 （3）死淘率数值过小不直观：死淘率‰将小数转化为每千只死淘数，便于生产人员理解和使用。 落地使用方式：环控系统按小时采集湿度数据后自动分级，关注级连续4小时触发巡检， 风险级触发设备调控（加湿/除湿/通风调整），异常标记=1的记录推送兽医进行环境-健康关联复核。 本数据产品可供第三方养殖企业复用其环控评估体系。（一）数据采集方式 数据来源于企业鸡舍湿度传感器小时级采集和每日死淘记录，采集频次为每日4个时点（00:00/06:00/12:00/18:00），蛋鸡日龄覆盖72-371天（11-53周龄）。原始数据字段包括：日期、时间、鸡舍、日龄、周龄、湿度_pct、当日存栏羽、死淘羽数、死淘率。 （二）原始数据清洗与异常剔除规则 1. 空白/无效记录剔除：以Python Pandas删除湿度_pct为空、存栏羽数为0、死淘羽数为负值的记录。 2. 湿度异常值过滤：湿度_pct<10%或>100%为传感器故障数据，标记剔除不参与计算。 3. 数值保留规则：死淘率‰保留2位小数，湿度保留1位小数。 （三）核心计算公式、权重与判定阈值 1. 死淘率千分比：以Python Pandas计算死淘率‰=死淘率×1000，保留2位小数。 2. 湿度分级：依据蛋鸡最适湿度50%-70%设定： 50%≤湿度≤70%为正常，40%≤湿度<50%或70%<湿度≤80%为关注，湿度<40%或>80%为风险。 3. 湿度-死淘异常标记：以Python Pandas对同时满足湿度不在50%-70%区间且死淘率‰>全样本均值的数据行标记为1， 标识湿度偏离最适区间且死淘高于平均水平的同步异常时点。 （四）基于计算结果落地的业务策略 1. 正常级：维持现有通风和湿度控制策略，记录为基准工况。 2. 关注级：提示湿度偏离最适区间但尚未触达边界，建议检查加湿/除湿设备运行状态，连续4h在关注级触发巡检工单。 3. 风险级：湿度<40%启动加湿设备并检查通风是否过量；湿度>80%启动除湿并检查水线是否泄漏。 4. 异常标记=1：同时存在湿度偏离和死淘偏高的时点，优先排查环境湿度是否为死淘升高的诱因，后续养殖中可实际结合温度、CO2综合判断。

搜集汇总

背景与挑战

背景概述

该数据集针对蛋鸡养殖行业，基于鸡舍湿度传感器小时级数据和每日死淘记录，用于分析环境湿度与鸡群健康的关系。通过将湿度分为正常、关注、风险三级并标记湿度-死淘异常时点，可自动识别湿度偏离导致的死淘风险，支持环控系统实时调控和兽医复核，为养殖企业提供量化分级的环境-健康关联评估工具。