随着“互联网+”、“智能+”的提出,现代农业信息化技术将广泛运用大数据分析、大数据处理、人工智能等信息处理手段来提高农业工业化水平,使新的技术落地于较为落后的传统农业生产方式。本文采用大数据处理,大数据分析,研究了一种关于家蚕养殖养育的算法。将多个大数据分析算法对多样本数据进行综合考察考量分析,使得脏杂乱多的家蚕养殖数据得以充分利用。利用本文方法,对家蚕品种性状变化、品种性状改良等工作提供重要的科学的支撑。在对家蚕数据进行处理与分析中,运用经典方法例如均值法、传统数学概率统计中的t值、p值进行样本估计,运用线性回归、聚类、指数平滑等方法进行数据拟合和数据分析,从数据中了解不同品类中的家蚕性状随年限变化特点。在该方法中我们发现,2016年以前的层茧率波动较大,说明此时家蚕养殖未实现科学化养殖,但自2016年以来整体层茧比率提高,其中层茧比率性状趋于上升。对于性别性状来看,雌性的层茧率要高于雄性。对于层茧量这一性状来说,在线性回归模型中,雌雄的层茧量与全茧量成正比,这意味着我们在实际的蚕茧农业养殖中需要进一步研究如何提高全茧量的方式。在层茧量预测方面,本文着重于研究和改良现有神经网络。从传统机器学习的随机森林入手到支持向量机再到现有的基于时间序列的长短期记忆神经网络(LSTM),然后利用深度学习的思想对网络进行改进优化,使现有的模型加宽加深,并且得到了较好的预测水平。实验证明,LSTM网络模型拥有比传统机器学习中的支持向量机,随机森林等更好的预测能力,对于改良的深度LSTM神经网络(Sequence LSTM)拥有比浅层LSTM更好的预测能力。本文通过传统统计学习的方法发现了家蚕性状数据的规律,有利于现代家蚕养殖业提高层茧率,在新兴的人工智能方法中,做出横向比较,找到最适合家蚕数据的网络模型,并在传统网络模型的基础上得以改进,提高了预测能力,对于家蚕养殖具有实际意义和应用价值。