禽畜饲养场环境的智能化测量和控制技术是21世纪禽畜养殖业发展的一个重要方向，它将推动粗放型低效禽畜养殖业向知识型、技术型、现代化的高效禽畜养殖业转变，在发达国家已被认为是新世纪禽畜生产管理的一场革命，国内外许多专家学者对禽畜饲养场环境测控技术进行了大量的研究和实践。禽畜饲养场环境测控的核心是针对禽畜的生长环境，实施精确的测量和控制管理措施。结合课题的实际情况，本文重点研究了基于传感器阵列、虚拟仪器和计算机的现场信息获取及历史数据处理，主要内容如下： 在分析粉尘测量原理和有害气体测量方法的基础上，针对禽畜舍内的粉尘和有害气体污染设计了测量和控制系统。针对禽畜饲养现场信息采集的特点，研究了禽畜舍环境信息的采样方案，认为应根据具体的测量要求采用不同的采样方案，提出了动态信息采样策略。根据模块化的软件设计思想，采用NI的LabVIEW7.1开发了相应的现场测控软件，并对现场信号的采集过程进行了仿真试验。 数据处理的目的是为了精确计算出有害气体的排放量，分析产生这些有害气体的原因，从而采取措施减少这些有害气体的排放。来源于禽畜饲养场数据库的历史数据是分析的基础，也是生产管理者进行现场调控的依据。在对历史数据做进一步分析处理前，一般要对历史数据中的异常数据进行纠错和平滑处理。数据处理的思路是：首先确定某条数据曲线中存在坏数据，然后找出坏数据在曲线中的位置，最后将其剔除掉并根据特征曲线对数据曲线进行修正。本文根据自组织映射神经网络(SOM)和径向基神经网络(RBF)的特点，通过对SOM神经网络的抗差聚类和RBF神经网络模式识别的效果分析，探索性地建立了组合神经网络模型，并对氨气浓度数据中的异常数据进行了MATLAB仿真试验，获得了预期效果。另外，还应用RBF神经网络对时间序列的部分氨气浓度数据进行了预测处理，预测结果相对误差均小于10％，表明该预测方法效果良好。 按照软件工程学的思想，针对现场采集的历史数据，采用微软Visual C#.NET开发了界面友好的数据处理软件。设计内容包括：用户信息管理与登陆，与MATLAB的接口，数据库的管理，不同类型的原始数据的输入与转换、标记、清除与修正、计算与预测、显示与报告等不同的模块。由于课题涉及多学科、多方面的知识，受时间和实验条件的限制，设计的测控系统和数据处理软件等内容仍有待进一步深入地研究和探索。