为了精准预测水产养殖过程中最重要的两个环境参数溶解氧和氨氮,针对预测模型需要解决的有效影响因子确定、预测算法和网络结构优化等问题,将Levenberg-Marquardt（LM）神经网络、遗传算法（genetic algorithm, GA）和主成分分析（PCA）算法相结合,提出一种基于GA-LM-PCA的水产养殖环境溶解氧和氨氮含量预测模型,即采用PCA确定影响因素,实现影响因素的去耦合降维,采用遗传算法对网络结构进行优化,确定合适的隐层节点数目和权值,采用LM训练神经网络,提高神经网络的收敛速度。为了验证GA-LM-PCA的预测效果,将GA-LM-PCA的预测效果与未用PCA方法的GA-LM预测模型进行了试验比较,并探讨了影响因素数量对预测效果的影响。结果表明:用GA-LM-PCA方法预测的溶解氧和氨氮值与实测值吻合较好,平均绝对误差和均方根误差分别为0.004 7、1.872 7×10-4（溶解氧）和0.006 5、9.428 7×10-4（氨氮）,适用于影响因素数量较多的场合。研究表明,GA-LM-PCA是一种有效的水产养殖环境溶解氧和氨氮预测工具,尤其对于影响因素复杂繁多的非线性系统效果更好。

现代社会人们的日常饮食中，肉类消耗占据着比以往更大的比重。牛肉蛋白质含量高，脂质含量少，新疆地区的收场为育肥牛的养殖提供得天独厚的优良环境，使得该区域产出的牛肉受到人们的广泛喜爱。消费人群的增加刺激育肥牛养殖行业的高速发展，因此要对育肥牛的饲养工作做好严格监察，日常养殖的每一个步骤的卫生条件都应该得到高度规范，育肥牛的生活环境健康是牛肉产品优质的保障，本文对育肥牛养殖以及预防牛传染性疫情做出如下分析.

本文主要通过对智能化控制相关的养殖环境以及设备设施和人群要求等相关内容的建设展开了分析，并提出了在奶牛养殖环境智能控制标准体系建设过程中的相关内容，希望可以为奶牛提供更加良好的生长环境，并为提高养殖环境智能化的控制水平提供一定的帮助。