畜牧业是农业的一个重要分支,对满足人们营养需求,促进社会发展,提升国民经济水平具有重要的意义。我国自改革开放以来,畜牧业得到了快速发展,专业化、产业化、组织化水平大幅提高,产业体系框架初步形成,而奶牛养殖作为畜牧业中不可或缺的部分,已被国家列为调整和鼓励扶持发展的产业,使得我国奶牛养殖业取得了长足的发展。奶牛的体型外貌不仅直接反映了体躯结构,而且与产奶量、功能寿命、繁殖性能也有着密切的联系。其中产奶量是评估奶牛生产能力最重要的指标,也是影响乳业经济效益的核心因素。传统利用奶牛体尺预测产奶量的方法采用多元回归方程的数学模型,预测方法较为单一,并且未进行定量化分析结果误差。建模时直接舍弃大部分体尺性状,未对数据进行充分挖掘。因此,本文以宁夏H奶业公司提供的荷斯坦奶牛为研究对象,收集体尺相关数据并进行相关性分析,利用集成学习领域的相关技术,通过现有较为成熟的Random Forest、Adaboost、GBDT、XGBoost、LightGBM五种集成学习算法搭建产奶量预测模型。为进一步提升模型预测准确率,使用Bagging、Boosting、Stacking三种集成方法进行改进,提出一种基于Stacking的Bagging-XGBoost产奶量预测模型。实验结果表明,该模型所预测的产奶量与实际误差更小,相较于改进前的模型更具优越性。此外,随着信息技术为奶牛养殖业赋能,宁夏作为全国奶牛发展优势区不断推进规模化经营、加强数字化建设,打造国际一流的优质奶源生产基地,但相较于发达地区,宁夏奶牛规模化养殖仍然存在着生产过程管理粗放、智能化程度不高、成果转化困难等问题。因此,本文在算法和模型的优化基础上,通过对企业展开全面的需求分析,设计并实现了奶牛智慧化养殖管理系统。将基于集成学习改进的产奶量预测模型应用其中,为企业智慧化管理、智能化决策提供技术支持。