CN102818642B - 刺参病害预警系统 - Google Patents

Abstract

本发明的刺参病害预警系统是通过对刺参养殖环境主要因子(温度、盐度、pH、溶解氧、化学耗氧量、病原数量变动等)进行监测，应用病害预警模型分析监测数据，对刺参病害发生的可能性进行预警，并提出防控措施，通过手机短信或网络平台发布预警信息。其中病害预警模型是在对刺参养殖环境长期的监测数据进行分析研究后，筛选出对刺参生长和健康养殖影响显著的主要环境因子，通过正交模拟试验，以试验结束时刺参的终期死亡率为指标分析各主要因素对死亡率的影响；以试验获得的大量数据为基础，建立的基于SQL Server关系数据库引擎的预警模型，包括回归分析、关联规则分析、专家评价分析、存储的推理分析、神经网络分析等预测方法。

Description

刺参病害预警系统

技术领域

本发明涉及刺参养殖领域，特别涉及一种刺参病害预警系统。

背景技术

刺参(Apostichopus japonicus)主要分布在中国的黄、渤海区，因其质量好、经济价值高，市场需求日益增大，成为山东、辽宁等地区的重要增养殖品种，刺参养殖已经成为我国北方地区海水养殖业的支柱产业之一。近年来随着近海养殖规模的扩大，养殖密度增大，导致水域环境逐渐恶化，致病性微生物的危害日益严重，病害问题已成为制约刺参养殖业可持续发展的瓶颈因素之一。目前在刺参养殖过程中主要靠使用大量抗生素及化学消毒剂等手段达到刺参病害防治的目的，不仅刺参品质得不到保证，也增加了养殖自身的污染；同时绝大多数养殖生产都是大面积的粗放式养殖，一旦发生病害，缺少高效的治疗手段。因此对病害进行预警，从防病着手是控制刺参病害发生的首选方法，同时可以减少养殖自身污染，改善养殖水域生态环境。病害预警系统在农业生产中有非常广泛的应用，农作物、林业、园艺等行业都有相应的病虫害预警系统。但水产养殖病害预警预报技术研究起步较晚，而且在海水养殖业应用较少，目前还没有用于刺参养殖病害的预警方法。

发明内容

本发明提供了一种刺参病害预警系统，针对刺参养殖过程中由细菌或病毒性病原引发的流行病，通过对养殖环境生物、理化指标进行监测，应用病害预警模型综合分析监测数据，对可能发生的流行病种类及其发展趋势进行预测预报，并根据预测结果采取相应管理措施对可能发生的刺参病害进行防控。

其中刺参病害预警模型是在连续3年对养殖池塘监测数据分析整理的基础上，筛选出影响刺参生长和发病的主要因子，包括：温度、盐度、pH、溶解氧、化学耗氧量、病原数量以及换水量等，建立正交模拟试验，用获得的近4万个监测数据，建立了SQL Server样本数据库；使用Visual Basic语言编写预警模型主程序，包括基于回归分析模块、基于关联规则分析模块、基于专家评价分析模块、基于存储的推理分析模块、基于神经网络分析模块；

1、监测数据采集：应用水质监测设备对刺参养殖环境的温度、盐度、pH、溶解氧、化学耗氧量因子进行监测，将监测数据输入刺参病害预警系统的样本数据库中，采用单个样本数据添加和批量样本数据导入两种方式，其中批量样本数据导入模块可将以excel表形式存储的样本数据批量导入到样本数据库中；

2、应用病害预警系统进行预测分析，根据监测数据的内容选择适用的预测模块。

所述基于回归分析预测模块，利用回归方程：

死亡率＝9.437+1.7×温度+17.1×盐度+6.325×病原数量-14.375×换水量；

计算得到预警结果，结果采用百分数的显示，并通过预警输出模块输出预警结果。

所述基于关联规则分析模块根据对正交模拟试验结果，选择主要环境因子：水温、盐度、pH、溶解氧、化学耗氧量的监测数据样本生成关联规则，得到环境因子与刺参死亡率的相关性由大至小的顺序为：盐度->水温->pH->溶解氧->化学耗氧量，或根据经验对相关性的顺序进行调整。

所述基于专家评价分析模块；

将温度、盐度、pH、病原数量、溶解氧、化学耗氧量等主要环境因子设为5个预警等级，专家结合历史经验和监测数据样本的各因素值的实际情况对待测样本的各因素进行评分，基于专家评价分析模块对各因素的评分进行计算，得到专家的预警结果，计算公式为：

X＝(f1+f2+f3+…..+fn)/5n，

其中X为单个专家的预测值，fn为各因素的预警等级，n为因素数，最后计算专家组中各专家预测结果的平均值，得出最终的预警结果。

所述基于存储的推理分析模块；

从预警模型的样本数据库中检索与新的监测数据样本相类似的记录做为邻居记录，采用最相邻算法进行检索，它的计算公式为：

$\mathrm{Sim}\left(C_i\right)=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{w}_j\mathrm{Sim}\left(C_{\mathrm{ij}}\right)$

其中Sim(C_i)表示第i个旧记录与监测数据的综合相似度，w_j为第j个因素在参与匹配检索的记录中所占的权重(所有权重之和为1)，Sim(C_ij)表示第i个旧记录的第j个因素与监测数据样本的第j个因素的相似度。

将检索到的邻居记录应用于分类和估计中，使用基于存储推理模块进行预测。

所述基于神经网络的分析模块；

采用3层BP网络，输入层节点为6个，代表6个主要环境因子，即温度、盐度、pH、溶解氧、化学耗氧量、病原数量；隐含层1层，设6个节点；输出层节点1个，即病害预测结果，以百分数形式表示。

基于神经网络的分析模块包括网络学习和预测分析2个过程；学习过程通过对数据库中样本数据的学习，找到其内在规律性，从而确定各节点间的连接权和阈值；预测过程则是根据学习过程已经确定下来的连接权值和阈值，把需预测样本输入训练好的BP网络，输出相应的预测结果；输入输出关系用Sigmoid型函数，即：f(x)＝1/(1+e^-x)。

3、所述刺参病害预警系统进一步包括病害防控措施的制定和发布模块；

所述病害防控措施的制定和发布模块，对预警系统预测结果，结合病原变动监测数据，分析病害发生的可能性及种类，以及可能的变化趋势，在病害发生可能性大于50％时，将病害警告和防控措施等信息通过短信和网络平台发送到刺参养殖业户，同时接收反馈信息。

本发明的有益效果为：能够对刺参养殖病害进行预测预警，有效预防流行病的发生。本发明操作简便，实用性强，同时可通过病害预警模型的关联规则调整模块和神经网络学习功能应用于其它海水养殖品种的病害预测。

附图说明

图1本发明刺参病害预警系统结构框图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。

本发明是通过对刺参养殖环境主要因子(温度、盐度、pH、溶解氧、化学耗氧量、病原数量变动等)进行监测，应用病害预警模型分析监测数据，对刺参病害发生的可能性进行预警，并提出防控措施。其中病害预警模型是在对刺参养殖环境长期的监测数据进行分析研究后，筛选出对刺参生长和健康养殖影响显著的主要环境因子，以此为基础设计了正交模拟试验，以试验结束时刺参的终期死亡率为指标分析各主要因素对死亡率的影响；以试验获得的大量数据为基础，建立的基于SQL Server关系数据库引擎的预警模型，包括回归分析、关联规则分析、专家评价分析、存储的推理分析、神经网络分析等预测方法。

本发明的技术方案是，参照图1。

1、监测数据采集。应用多参数水质分析仪等水质监测设备对刺参养殖环境的温度、盐度、pH、溶解氧等因子进行监测，将监测数据输入刺参病害预警模型中，可以采用单个样本数据添加和批量样本数据导入两种方式。其中批量样本数据导入模块可以将以excel表形式存储的样本数据批量导入到样本数据库中。

2.应用病害预警模型进行预测分析，根据监测数据的内容选择适用的预测方法。

2.1基于回归分析预测方法，以刺参养殖和正交模拟试验过程中监测得到的环境因素与刺参死亡率的数据为基础，对样本数据进行分析整理得到了回归方程：

死亡率＝9.437+1.7×温度+17.1×盐度+6.325×病原数量-14.375×换水量

经过数据添加和预测方法的选取，系统对数据进行计算得到预警结果，结果采用百分数的显示。

2.2基于关联规则分析

根据对正交模拟试验结果，选择主要环境因子(水温、盐度、pH、溶解氧、化学耗氧量)的监测数据样本生成关联规则，经过对数据的分析和整理，得到环境因子与刺参死亡率的相关性由大至小的顺序为：盐度->水温->pH->溶解氧->化学耗氧量，在系统中将此顺序设为默认值。在实际使用中可以根据具体的情况和数据的变化定期对原有规则进行更新，对相关性顺序进行调整，使规则能更准确地反映实际养殖环境因子与刺参病害发生率的相关性，以保证预警指标的准确。

2.3基于专家评价分析

根据行业专家的经验对定性问题进行预测是常用的预测方法，本系统中将水温、盐度、pH、病原数量、溶解氧、化学耗氧量、等环境因子设为5个预警等级，组织一个行业专家组，让专家结合历史经验和待测样本的各因素值的实际情况对待测样本的各因素进行评分，对各因素的评分进行加权计算，得到相应专家的预警结果，最后综合专家组中各专家的预警结果得到最终的预警结果。

2.4基于存储的推理分析

基于存储的推理是从已知的记录数据库中搜寻与一条新的记录相类似的预分类记录，然后将这些邻居记录应用于分类和估计中。使用基于存储的推理进行预测包括以下几个选项：选择一个适当的训练记录集；选择最有效的方法表示训练记录；选择距离函数、组合函数和邻居的数目等。

2.5基于神经网络的分析

人工神经网络(ANN)是基于对人脑组织结构、活动机制的初步认识，提出的一种新型信息处理体系，它是由大量的处理单元(人工神经元)互相连接而成的网络。人工神经元模型是生物神经元的模拟与抽象，相当于一个多输入单输出的非线性阀值器件。BP网络(反向传播网络)是一种单向传播的多层前向网络，具有三层或三层以上的神经网络，包括输入层、隐含层和输出层，当一对学习样本提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，在输出层的各神经元获得网络的输入响应。接下来，按照减少目标输出与实际误差的方向，从输出层经过各中间层逐层修正各连接权值，最后回到输入层。BP网络的非线性神经元，输入输出关系用Sigmoid型函数，网络输出可以逼进一个连续函数.

本系统采用3层BP网络，输入层节点为6个，代表6个主要环境因子，即温度、盐度、pH、溶解氧、化学耗氧量、病原数量；隐含层1层，设6个节点；输出层节点1个，即病害预测结果，以百分数形式表示。

本系统中的网络学习功能可以加入训练样本数据，设定训练次数和学习误差，经多次训练后获得一个确定的权值，以适应样本和环境因子指标的变化。

2.6基于单因素评价分析

根据实验数据，分别对水温、盐度、病原数量、pH、溶解氧、化学耗氧量的环境因素的取值区间进行计算，对各环境因素在不同取值区间进行描述，在指标设置功能进行整理。通过对待测样本的上述因素值提取，在各因素评价中进行预警分析。通过指标设置模块可以对各指标在各种取值区间中时对应的刺参生长状态进行设置，当对样本进行预警时，可以通过单个指标的测量值进行预警分析。

3、病害防控措施的制定和发布

对预警模型预测结果，结合病原变动监测数据，分析病害发生的可能性及种类，以及可能的变化趋势，在病害发生可能性大于50％时，将病害警告和防控措施等信息通过短信和网络平台发送到刺参养殖业户。

实施例

刺参养殖池塘监测数据如表1，将其以Ecxel表格形式存储，导入刺参病害预警模型，选择基于回归分析的预测方法进行预警分析，系统输出的预测结果为37.15％，病害发生可能性较小；同期外海监测数据按同样方法预测结果为47.96％。此时不适合和外海进行水交换，可以通过投入益生菌等对pH、化学耗氧量等稍高指标进行调整。

表1刺参养殖池塘各位置水样监测结果

以上内容是结合优选技术方案对本发明所做的进一步详细说明，不能认定发明的具体实施仅限于这些说明。对本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出简单的推演及替换，都应当视为本发明的保护范围。

Claims (2)

1.一种刺参病害预警系统，其特征在于，所述刺参病害预警系统通过对刺参养殖环境主要因子变动进行监测，应用病害预警模型分析监测数据，对刺参病害发生的可能性进行预警，并提出防控措施；病害预警模型是在连续3年对养殖池塘监测数据分析整理的基础上，筛选出影响刺参生长和发病的主要因子，包括：温度、盐度、pH、溶解氧、化学耗氧量、病原数量以及换水量，建立正交模拟试验，用获得的近4万个监测数据，建立了SQL Server样本数据库；使用VisualBasic语言编写所述预警模型主程序，包括基于回归分析模块、基于关联规则分析模块、基于专家评价分析模块、基于存储的推理分析模块、基于神经网络分析模块；

监测数据采集：应用水质监测设备对刺参养殖环境的温度、盐度、pH、溶解氧以及化学耗氧量进行监测，将监测数据输入病害预警模型的样本数据库中，采用单个样本数据添加和批量样本数据导入两种方式；其中批量样本数据导入模块将以excel表形式存储的样本数据批量导入到样本数据库中；

应用病害预警模型进行预测分析，根据监测数据的内容选择适用的预测模块；

所述基于回归分析模块，利用回归方程：

死亡率＝9.437+1.7×温度+17.1×盐度+6.325×病原数量-14.375×换水量；

计算得到预警结果，结果采用百分数的显示，并通过预警输出模块输出预警结果；

基于关联规则分析模块根据正交模拟试验结果，选择温度、盐度、pH、溶解氧、化学耗氧量的监测数据样本生成关联规则，得到温度、盐度、pH、溶解氧、化学耗氧量与刺参死亡率的相关性由大至小的顺序为：盐度＞温度＞pH＞溶解氧＞化学耗氧量；

所述基于专家评价分析模块：

将温度、盐度、pH、病原数量、溶解氧以及化学耗氧量设为5个预警等级，专家结合历史经验和监测数据样本的各因素值的实际情况对待测样本的各因素进行评分，基于专家评价分析模块对各因素的评分进行计算，得到专家的预警结果，计算公式为：

X＝(f1+f2+f3+……+fn)/5n，

其中X为单个专家的预测值，fn为各因素的预警等级，n为因素数，最后计算专家组中各专家预测结果的平均值，得出最终的预警结果；

所述基于存储的推理分析模块：

从所述预警模型的样本数据库中检索与新的监测数据样本相类似的记录做为邻居记录，采用最相邻算法进行检索，最相邻算法的计算公式为：其中Sim(C_i)表示第i个旧记录与监测数据的综合相似度，w_j为第j个因素在参与匹配检索的记录中所占的权重，所有权重之和为1，Sim(Cij)表示第i个旧记录的第j个因素与监测数据样本的第j个因素的相似度；将检索到的邻居记录应用于分类和估计中；

所述基于神经网络的分析模块：

采用3层BP网络，输入层节点为6个，代表温度、盐度、pH、溶解氧、化学耗氧量、病原数量；隐含层1层，设6个节点；输出层节点1个，即病害预测结果，以百分数形式表示；

所述基于神经网络的分析模块包括网络学习和预测分析2个过程；学习过程通过对所述数据库中样本数据的学习，找到其内在规律性，从而确定各节点间的连接权值和阈值；预测过程则是根据学习过程已经确定下来的连接权值和阈值，把需预测样本输入训练好的BP网络，输出相应的预测结果；输入输出关系用Sigmoid型函数，即：f(x)＝1/(1+e^-x)。

2.根据权利要求1所述的刺参病害预警系统，其特征在于，所述刺参病害预警系统进一步包括病害防控措施的制定和发布模块；

所述病害防控措施的制定和发布模块，对预警系统预测结果，结合病原变动监测数据，分析病害发生的可能性及种类，以及可能的变化趋势，在病害发生可能性大于50％时，将病害警告和防控措施信息通过短信和网络平台发送到刺参养殖业户，同时接收反馈信息。