自20世纪90年代末以来,我国养猪产业逐渐向着规模化、集约化和产业化的方向发展。现阶段,“南猪北移”的大趋势使得很多大型养殖企业纷纷在东北地区建立养猪场。虽然东北地区拥有丰富的土地资源,但北方冬季寒冷,猪舍为减少能量消耗主要以保温为主,舍内通风次数很少甚至是不通风。这种养殖方式会导致有害气体、湿气、粉尘及病原微生物等长期聚集在舍内,易爆发各类疫病。在众多环境参数中氨气（NH₃）在猪舍内含量最高,对猪的危害性最大。当舍内氨气浓度超标,猪群将会爆发各类呼吸道疾病,严重时直接导致猪只死亡。因此,针对北方寒冷地区的气候特征,本文提出了一种“全面感知-可靠传输-智能决策-自动控制”的寒地猪舍环境优化控制方法,具体研究内容包括以下三个方面:（1）设计一套基于Lo Ra物联网技术的猪舍环境远程监控系统。该系统包括感知层、网络层以及应用层。感知层主要依靠感知节点中各类传感器对舍内温度、湿度、二氧化碳（CO₂）、氨气以及光照等环境参数进行数据采集;网络层以Lo Ra基站为中间站,一方面通过Lo Ra接收模块接收采集数据,另一方面使用TCP/IP技术与阿里云平台建立通信,并通过HTTP协议将采集到的数据上传至云服务器;应用层是指根据猪场的实际需求,建立环境监控系统云平台,设计出电脑端与手机端的相关功能,并实现对猪舍内风机、加热器设备的控制。（2）提出一种基于经验模态分解（EMD）与Elman神经网络相结合的猪舍内NH₃浓度预测算法,构建了舍内NH₃浓度预测模型。首先将温度、湿度、CO₂、光照4种影响因子以及氨气浓度的时间序列进行EMD分解,得到不同时间尺度下的本征模态函数（IMFs）。其次对各个IMF建立Elman神经网络预测模型并进行EMD重构。此过程可以清晰地表达出原始时间序列在不同时间尺度上的波动情况,结合Elman神经网络的双层反馈结构提高了NH₃浓度的预测精度。NH₃浓度预测算法不仅可以降低环境控制系统的传输功耗,也为下一步猪舍环境调控提供有效的数据支撑。（3）提出一种基于经验重放与启发式知识的Q学习猪舍环境优化控制方法,建立了北方寒地猪舍环境优化调控策略。首先在Q学习中选取温度、湿度、CO₂以及NH₃浓度作为主要调控参数,对各参数进行区域划分后设置了75种环境状态;其次,根据舍内的风机、加热器的开/关模式,设置出4种控制动作,并建立奖励值函数r作为猪只舒适性指标;同时,将?贪婪策略与经验重放、启发式知识方法相融合进行动作的探索与利用;最终实现对猪舍内温度、湿度的平滑调控,并降低了舍内CO₂以及NH₃的浓度。经过实际测试验证,本文设计的猪舍环境优化控制方法,可有效解决北方寒地密闭猪舍内通风与保温之间的矛盾关系,实现了舍内温湿度以及有害气体浓度等环境因素的平滑控制。从而达到改善猪只生长环境、减少疫情爆发的目的,同时也为畜禽舍养殖环境自动化、智能化精准控制提供方法与技术支撑。