[目的]氨气是鸡舍内影响肉鸡生长发育的主要有害气体,由于冬季鸡舍低通风量会导致氨气浓度超标,使肉鸡的免疫功能下降,导致呼吸系统疾病发生。针对鸡舍氨气预测精度不高、效率不理想等问题,提出基于粒子群算法（particleswarmoptimization,PSO）优化深度神经网络（deepneuralnetwork,DNN）的预测模型,实现冬季氨气浓度预警并及时调控鸡舍内氨气的浓度。[方法]选取自建平养鸡舍环境参数数据（温度、相对湿度和氨气浓度）和鸡自身情况数据（鸡龄和鸡进入鸡舍时间）建立模型,对鸡舍内未来1h氨气浓度进行预测。PSO-DNN预测模型首先采用PSO优化DNN中的batchsize参数,以平均绝对误差（meanabsoluteerror,MAE）作为目标函数,经过多次迭代后,得到最佳的batchsize,再以此构建DNN模型,以数据集的前70%数据作为训练集进行DNN模型训练,经过DNN的线性运算和激活运算后,采用数据集的后30%数据对模型进行验证,并对模型进行评估。[结果]将PSO-DNN模型与DNN和随机森林模型对比,PSO-DNN模型氨气预测结果的MAE为1.886mg·m-3,DNN和随机森林模型预测的MAE分别为4.297和2.855mg·m-3。[结论]PSO-DNN模型的预测精度最高,与DNN和随机森林模型预测结果相比,其MAE分别降低56.1%和33.9%,可为平养鸡舍内氨气浓度预测提供方法参考,有助于及时、准确地调控鸡舍内氨气浓度。