CN116562469B - 一种淡水鱼类病原传播预测方法、装置、设备及存储介质 - Google Patents
一种淡水鱼类病原传播预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116562469B CN116562469B CN202310834598.3A CN202310834598A CN116562469B CN 116562469 B CN116562469 B CN 116562469B CN 202310834598 A CN202310834598 A CN 202310834598A CN 116562469 B CN116562469 B CN 116562469B
- Authority
- CN
- China
- Prior art keywords
- pathogen
- fish
- parameters
- data
- farm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 182
- 230000009340 pathogen transmission Effects 0.000 title claims abstract description 97
- 239000013505 freshwater Substances 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 244000052769 pathogen Species 0.000 claims abstract description 99
- 230000001717 pathogenic effect Effects 0.000 claims abstract description 84
- 238000004458 analytical method Methods 0.000 claims abstract description 72
- 230000007613 environmental effect Effects 0.000 claims abstract description 53
- 238000013178 mathematical model Methods 0.000 claims abstract description 38
- 238000002474 experimental method Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 29
- 201000010099 disease Diseases 0.000 claims abstract description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 68
- 208000015181 infectious disease Diseases 0.000 claims description 41
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 7
- 230000007480 spreading Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000036962 time dependent Effects 0.000 claims description 3
- 238000012258 culturing Methods 0.000 description 12
- 241000609060 Grass carp reovirus Species 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 241001275898 Mylopharyngodon piceus Species 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 238000009533 lab test Methods 0.000 description 5
- 238000009360 aquaculture Methods 0.000 description 4
- 244000144974 aquaculture Species 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 208000010824 fish disease Diseases 0.000 description 3
- 244000144972 livestock Species 0.000 description 3
- 244000000010 microbial pathogen Species 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000252212 Danio rerio Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 229960005486 vaccine Drugs 0.000 description 2
- 241000252230 Ctenopharyngodon idella Species 0.000 description 1
- 206010059866 Drug resistance Diseases 0.000 description 1
- 241000609061 Grass carp hemorrhagic virus Species 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000032420 Latent Infection Diseases 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 208000037771 disease arising from reactivation of latent virus Diseases 0.000 description 1
- 235000013332 fish product Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
- A01K61/13—Prevention or treatment of fish diseases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Environmental Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Mining & Mineral Resources (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Algebra (AREA)
Abstract
本申请公开了一种淡水鱼类病原传播预测方法、装置、设备及存储介质，涉及控制水产病害领域，包括：基于目标模式生物和目标病原构建病原传播实验，根据病原传播实验获取养殖群体在预设环境因子下的统计参数；根据实验室传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，利用预设算法基于目标数据获取病原传播动力学数学模型的拟合参数；根据预设规则并基于统计参数以及拟合参数对实验室患病鱼群的数据进行预测，得到数字化智能分析系统；将采集的养殖场患病鱼群数据和环境因子输入数字化智能分析系统，对淡水鱼类病原传播的预测和控制。由此，本申请能够准确分析和预测淡水鱼类养殖场中病原传播随时间发展的趋势。
Description
技术领域
本发明涉及控制水产病害领域，特别涉及一种淡水鱼类病原传播预测方法、装置、设备及存储介质。
背景技术
水产养殖在我国国民经济中占据着重要地位，是我国重要的农业支柱产业之一，且以淡水养殖为主。淡水养殖业中的鱼类养殖随着规模化和集约化程度提高，众多鱼类病原大量传播、疫病频发，导致鱼苗死亡率增加、鱼体生长受阻、造成重大养殖经济损失。鱼病防治、尤其是用药量尚缺乏有效的理论指导和数据支撑，而由于科学指导用药的不足，常常导致药物滥用和抗药性等问题，从而影响鱼类产品的食品安全。在广大的养殖场中，大量滥用药物控制病原传播难以避免养殖水体污染，从而影响周边环境的水质和生态平衡。鱼类疫病是水产养殖业面临的重要问题，因此，有效的预警技术和分析方法用于指导优化养殖环境、精准控制病原传播具有重要的应用价值。
淡水鱼类疫病的预警技术目前存在严重不足。在养殖场的病原监测数据往往存在数据量不足、时间上的滞后性问题，在检出淡水鱼类病原后往往只能采取大量用药和扑杀的手段。其次，即便有一定的病原检测数据，目前也缺乏对于病原传播扩散的分析技术手段，难以提前对淡水鱼类疫病大爆发进行有效的预警。最后，养殖场的环境因素对于水产病原的扩散规律有显著的影响，但目前缺乏分析技术手段难以进行有效的预测。
发明内容
有鉴于此，本发明的目的在于提供一种淡水鱼类病原传播预测方法、装置、设备及存储介质，能够基于数据构建的数字预警分析系统，对淡水鱼类病原传播进行预测，同时智能分析各项养殖环境因素对淡水鱼类病原传播的定量影响，从而针对淡水鱼类病原的爆发和传播进行养殖环境的优化。其具体方案如下：
第一方面，本申请公开了一种淡水鱼类病原传播预测方法，包括：
基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；
根据实验室中病原在所述模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；
根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；所述预设规则包括预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；
将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制。
可选的，所述预设环境因子为在实验室中设置的与所述养殖场环境相近的环境因素，包括温度、鱼群密度、pH值、溶解氧以及水体中病原浓度。
可选的，所述获取实验室患病鱼群随时间变化的目标数据，包括：
基于光学以及PCR检测技术获取实验室患病鱼群随时间变化的目标数据。
可选的，所述利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数，包括：
利用粒子群算法基于所述目标数据获取接触传染参数和水传播参数的有效值，并基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数。
可选的，所述基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数之前，还包括：
通过对实验室鱼群的检测统计确定所述接触传染参数和所述水传播参数的范围。
可选的，所述将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统之前，还包括：
通过抽样检测获取所述养殖场的鱼群中患病鱼的比例，以基于所述比例确定所述养殖场患病鱼群数据。
可选的，所述实现对淡水鱼类病原传播的预测分析和辅助控制，包括：
通过所述数字化智能分析系统改变所述养殖场对应的环境因子或调整所述统计参数以及所述拟合参数，以实现对淡水鱼类病原传播的预测分析和辅助控制。
第二方面，本申请公开了一种淡水鱼类病原传播预测装置，包括：
统计参数获取模块，用于基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；
拟合参数获取模块，用于根据实验室中病原在所述模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；
分析系统获取模块，用于根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；所述预设规则包括预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；
病原传播预测模块，用于将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序以实现前述的淡水鱼类病原传播预测方法。
第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的淡水鱼类病原传播预测方法。
由上可知，本申请首先基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；根据实验室中病原在所述模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；之后根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；所述预设规则包括预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；最后将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制。可见，本申请提供了一种淡水鱼类病原传播预测方法，通过结合实验室生物实验测试数据、养殖场现场采集数据，基于数据构建的数字预警分析系统，对淡水鱼类病原传播进行预测，同时智能分析各项养殖环境因素对淡水鱼类病原传播的定量影响，从而针对淡水鱼类病原的爆发和传播进行养殖环境的优化。将实验室实验传播数据与养殖场采集数据进行有效结合预测分析，显著弥补由于现有的养殖场病原传播数据缺乏导致的预警分析技术不足。构建的数字化系统可通过云端数据实现实验室研究与养殖场的数据互联，实时快速实现实验室产业应用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种淡水鱼类病原传播预测方法流程图；
图2为本申请公开的一种具体的淡水鱼类病原传播预测方法流程图；
图3为本申请公开的不同条件下患病鱼群数量变化示意图；
图4为本申请公开的不同条件下患病鱼群数量变化示意图；
图5为本申请公开的一种淡水鱼类病原传播预测装置结构示意图；
图6为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前对淡水鱼类病原传播预警和分析的技术仍然比较欠缺，在预测病原导致的感染相关技术中，未考虑水体环境中病原浓度对整个淡水鱼群的影响。本预警和分析系统考虑了水传播的参数影响，并且能有效利用水体中病原浓度的影响，对病原传播的预警准确性大大提升，目前尚无考虑了环境因素影响的鱼类病原传播数字化预测技术和分析方法。为解决上述技术问题，本申请公开了一种淡水鱼类病原传播预测方法，能够将实验室实验传播数据与养殖场采集数据进行有效结合预测分析，显著弥补由于现有的养殖场病原传播数据缺乏导致的预警分析技术不足。
参见图1所示，本发明实施例公开了一种淡水鱼类病原传播预测方法，包括：
步骤S11、基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率。
本实施例中，首先要在实验室构建病原传播实验，在一种具体的实施例中，选取代表性的病原微生物对模式生物斑马鱼攻毒后投入病原传播实验水箱，水箱中存在一整个健康的斑马鱼群群体。病鱼将在水箱中导致病原微生物在群体中传播。之后，在病原传播实验水箱的实验中设置与养殖场相类似的环境因素，环境理化因子包括但不限于温度、鱼群密度、pH值、溶解氧和水体中病原浓度。并获取养殖群体在环境理化因子下的潜伏期感染转化率以及感染后死亡率。其中，潜伏期感染转化率以及感染后死亡率可以通过对鱼群的检测直接统计得出。
步骤S12、根据实验室中病原在所述模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数。
本实施例中，基于实验室中病原在所述模式生物群体的传播数据建立起包含水传染系数的淡水鱼类病原传播动力学数学模型。首先，需要将鱼群分为不同的状态：易感群体S，潜伏群体E，感染群体I，捞出群体R。参数表示易感群体与感染群体接触导致的病原传播感染率，/>表示水体中病原与易感群体接触导致的病原传播感染率。/>表示潜伏期转化感染率，/>表示感染后死亡率，/>表示从鱼群中捞出率。其中，从鱼群中捞出率可以提前设定。基于上述变量之间的关系得到如下等式：
（1）
之后基于光学以及PCR检测技术获取实验室患病鱼群随时间变化的患病鱼数量以及水体中病原浓度，通过所采集的随时间新增的患病病鱼数量、变化的水体环境中病原浓度，对所建立的淡水鱼类病原传播动力学模型进行数据驱动拟合，获得接触传染参数和水传播参数/>。需要指出的是，在实际应用中，患病的鱼群数量、水体中病原浓度将由构建的病原传播动力学数学系统（1）和实验室所确定的各个参数进行预测得出。同时，对所建立的淡水鱼类病原传播动力学模型进行数据驱动拟合，就是采用实验室所采集的患病鱼群随时间变化的数据，优选采用粒子群算法求解接触传染参数 和水传播参数 的有效值，设定传染参数/>和水传播参数/>的上下界，找寻最优解。即利用粒子群算法基于所述目标数据获取接触传染参数和水传播参数的有效值，并基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数。在基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数之前，通过对实验室鱼群的检测统计确定所述接触传染参数和所述水传播参数的范围。
步骤S13、根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；所述预设规则包括预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律。
本实施例中，基于所有的参数以及预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律，对患病鱼群的数量随时间的发展进行预测。这些实验室采集数据和病原传播动力学数学模型构成一个数字化的智能分析系统。这个数字化智能分析系统可根据各项参数的调整、环境因子的改变预测患病鱼群的数量变化。
步骤S14、将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制。
本实施例中，得到数字化智能分析系统后，便可以基于所述数字化智能分析系统根据各项参数的调整、环境因子的改变预测患病鱼群的数量变化。在一种具体的实施例中，在养殖场环境中监测抽样获得养殖鱼群中的患病病鱼比例预估出整个群体的患病鱼群数量，同时确定水体环境的温度、鱼群密度、pH值、溶解氧和病原浓度，将现有的患病鱼群数量、水体环境温度、密度、pH值、溶解氧和病原浓度数值代入已建立的数字化智能分析系统，对病原传播进行预测，依据数字化智能分析系统调整不同环境因子对养殖场中病原传播的影响，用于辅助精准控制淡水鱼类养殖场中的疫情。其中，通过抽样检测获取所述养殖场的鱼群中患病鱼的比例，以基于所述比例确定所述养殖场患病鱼群数据。通过所述数字化智能分析系统改变所述养殖场对应的环境因子或调整所述统计参数以及所述拟合参数，以实现对淡水鱼类病原传播的预测分析和辅助控制。
由上可知，本申请首先基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；根据实验室中病原在所述模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；之后根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；最后将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制。可见，本申请提供了一种淡水鱼类病原传播预测方法，通过结合实验室生物实验测试数据、养殖场现场采集数据，基于数据构建的数字预警分析系统，对淡水鱼类病原传播进行预测，同时智能分析各项养殖环境因素对淡水鱼类病原传播的定量影响，从而针对淡水鱼类病原的爆发和传播进行养殖环境的优化。将实验室实验传播数据与养殖场采集数据进行有效结合预测分析，显著弥补由于现有的养殖场病原传播数据缺乏导致的预警分析技术不足。构建的数字化系统可通过云端数据实现实验室研究与养殖场的数据互联，实时快速实现实验室产业应用。
基于上述实施例可知，本申请可以根据数字化智能分析系统调整不同环境因子对养殖场中病原传播的影响，用于辅助精准控制淡水鱼类养殖场中的疫情。接下来，将针对数字化智能分析系统在现实中具体应用的场景进行具体的描述。参见图2所示，本申请实施例公开了一种具体的淡水鱼类病原传播预测方法，包括：
本实施例中，针对GCRV（grass carp hemorrhage virus，青/草鱼出血病毒）在青鱼养殖场中可能的爆发，在实验室构建GCRV在青鱼群体中的传播实验，选取代表性的病原微生物对实验生物青鱼攻毒后投入病原传播实验水箱，水箱中存在一整个健康的青鱼群体。病鱼将在水箱中导致病原微生物在群体中传播。之后在病原传播实验水箱的实验中设置与养殖场相类似的环境因素，环境理化因子包括但不限于温度、鱼群密度、pH值、溶解氧和水体中GCRV浓度。进而通过对鱼群的直接检测统计获取GCRV在青鱼养殖群体中的统计特性，包括潜伏期、死亡率。之后构建融入水传播的GCRV传播动力学数学模型，并通过光学、PCR检测技术检测随着时间新增的患病病鱼数、以及水体环境中的GCRV浓度。根据实验室中随时间增长的患病群体的数量变化、实验室水体GCRV浓度变化，采用粒子群算法求解最优GCRV传播动力学数学模型的接触传染参数和水传播参数。进而能够根据采集的统计参数（潜伏期以及死亡率这些通过统计得到的参数）和拟合参数（接触传染参数和水传播参数），对患病鱼群进行随时间增长的预测，构成数字化智能分析系统，之后将养殖场采集的患病鱼群数据和环境因子在特定时间点带入数字化智能分析系统，通过改变养殖场的实际环境因子，改变相应参数去最小化养殖患病鱼群数，控制GCRV在养殖场的传播。就是构建GCRV传播动力学数学模型，获取各项参数，形成智能分析系统。
通过智能分析系统调整不同环境因子对养殖场中病原传播的影响，用于辅助精准控制淡水鱼类养殖场中的疫情，在一种具体的实施例中，如图3所示，在第14天，通过病原传播预警系统进行分析和预测，判断采取改变环境pH值、药物用量、养殖密度和疫苗等控制病原的措施下未来病原传播导致的患病鱼群数量变化。在另一种具体的实施例中，如图4所示，在第14天和第60天采取组合鱼病疫苗（灭活病毒）和用药、环境的pH持续地降低患病的鱼群数量。需要指出的是，图3、图4中是表明了患病鱼群数量变化的趋势，不显示明确的数量关系。
由上可知，本申请根据实验传播数据构建疫病发展的初始判断、对每条待测鱼的状态进行分类的预设标准、计算鱼群状态转换关系、得出不同时段对应的疫病传播参数以及计算不同时段对应的传播参数等，之后通过提取当前时段养殖场的疫病发展数据，确定当前时段对应的疫病发展阶段，并根据当前时段的疫病发展阶段对应的疫病传播参数和基本再生数生成预测结果。就是将实验室实验传播数据与养殖场采集数据进行有效结合预测分析，显著弥补由于现有的养殖场病原传播数据缺乏导致的预警分析技术不足。构建的数字化系统可通过云端数据实现实验室研究与养殖场的数据互联，实时快速实现实验室产业应用。
参见图5所示，本发明实施例公开了一种淡水鱼类病原传播预测装置，包括：
统计参数获取模块11，用于基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；
拟合参数获取模块12，用于根据实验室中病原在所述模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；
分析系统获取模块13，用于根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；
病原传播预测模块14，用于将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制。
由上可知，本申请首先基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；根据实验室中病原在所述模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；之后根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；最后将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制。可见，本申请提供了一种淡水鱼类病原传播预测方法，通过结合实验室生物实验测试数据、养殖场现场采集数据，基于数据构建的数字预警分析系统，对淡水鱼类病原传播进行预测，同时智能分析各项养殖环境因素对淡水鱼类病原传播的定量影响，从而针对淡水鱼类病原的爆发和传播进行养殖环境的优化。将实验室实验传播数据与养殖场采集数据进行有效结合预测分析，显著弥补由于现有的养殖场病原传播数据缺乏导致的预警分析技术不足。构建的数字化系统可通过云端数据实现实验室研究与养殖场的数据互联，实时快速实现实验室产业应用。
在一些具体的实施例中，所述拟合参数获取模块12，具体可以包括：
目标数据获取单元，用于基于光学以及PCR识别技术获取实验室患病鱼群随时间变化的目标数据。
在一些具体的实施例中，所述拟合参数获取模块12，具体可以包括：
拟合参数获取单元，用于利用粒子群算法基于所述目标数据获取接触传染参数和水传播参数的有效值，并基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数。
在一些具体的实施例中，所述拟合参数获取模块12，还可以包括：
参数范围确定单元，用于通过对实验室鱼群的检测统计确定所述接触传染参数和所述水传播参数的范围。
在一些具体的实施例中，所述病原传播预测模块14，还可以包括：
养殖场患病鱼群数据确定单元，用于通过抽样检测获取所述养殖场的鱼群中患病鱼的比例，以基于所述比例确定所述养殖场患病鱼群数据。
在一些具体的实施例中，所述病原传播预测模块14，具体可以包括：
病原传播预测单元，用于通过所述数字化智能分析系统改变所述养殖场对应的环境因子或调整所述统计参数以及所述拟合参数，以实现对淡水鱼类病原传播的预测分析和辅助控制。
进一步的，本申请实施例还公开了一种电子设备，图6是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。
图6为本申请实施例提供的一种电子设备20的结构示意图。该电子设备 20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的淡水鱼类病原传播预测方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵 循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进 行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、 磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222 等，存储方式可以是短暂存储或者永久存储。
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算 机程序222，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的淡水鱼类病原传播预测方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的，本申请还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的淡水鱼类病原传播预测方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的技术方案进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种淡水鱼类病原传播预测方法，其特征在于，包括：
基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；
根据实验室中病原在模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；
根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；所述预设规则包括预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；
将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制；
其中，所述预设环境因子为在实验室中设置的与所述养殖场环境相近的环境因素，包括温度、鱼群密度、pH值、溶解氧以及水体中病原浓度；
并且，所述利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数，包括：
利用粒子群算法基于所述目标数据获取接触传染参数和水传播参数的有效值，并基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数。
2.根据权利要求1所述的淡水鱼类病原传播预测方法，其特征在于，所述获取实验室患病鱼群随时间变化的目标数据，包括：
基于光学以及PCR检测技术获取实验室患病鱼群随时间变化的目标数据。
3.根据权利要求1所述的淡水鱼类病原传播预测方法，其特征在于，所述基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数之前，还包括：
通过对实验室鱼群的检测统计确定所述接触传染参数和所述水传播参数的范围。
4.根据权利要求1所述的淡水鱼类病原传播预测方法，其特征在于，所述将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统之前，还包括：
通过抽样检测获取所述养殖场的鱼群中患病鱼的比例，以基于所述比例确定所述养殖场患病鱼群数据以及所述养殖场的水体中病原浓度。
5.根据权利要求1至4任一项所述的淡水鱼类病原传播预测方法，其特征在于，所述实现对淡水鱼类病原传播的预测分析和辅助控制，包括：
通过所述数字化智能分析系统改变所述养殖场对应的环境因子或调整所述统计参数以及所述拟合参数，以实现对淡水鱼类病原传播的预测分析和辅助控制。
6.一种淡水鱼类病原传播预测装置，其特征在于，包括：
统计参数获取模块，用于基于预先选取的模式生物和目标病原构建病原传播实验，根据所述病原传播实验获取养殖群体在预设环境因子下的统计参数；所述统计参数包括潜伏期感染转化率以及感染后死亡率；
拟合参数获取模块，用于根据实验室中病原在模式生物群体的传播数据构建病原传播动力学数学模型，获取实验室患病鱼群随时间变化的目标数据，以利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数；所述目标数据包括随时间变化的患病鱼群数量以及随时间变化的水体中病原浓度；所述拟合参数包括目标接触传染参数和目标水传播参数；
分析系统获取模块，用于根据预设规则并基于所述统计参数以及所述拟合参数对所述实验室患病鱼群的数据进行预测，以得到数字化智能分析系统；所述预设规则包括预设病原传播动力学数学模型的群体传播变化约束条件以及变化规律；
病原传播预测模块，用于将采集的养殖场患病鱼群数据和所述养殖场对应的环境因子输入所述数字化智能分析系统，以实现对淡水鱼类病原传播的预测分析和辅助控制；
其中，所述预设环境因子为在实验室中设置的与所述养殖场环境相近的环境因素，包括温度、鱼群密度、pH值、溶解氧以及水体中病原浓度；
并且，所述拟合参数获取模块利用预设算法基于所述目标数据获取所述病原传播动力学数学模型的拟合参数，包括：
利用粒子群算法基于所述目标数据获取接触传染参数和水传播参数的有效值，并基于所述接触传染参数、所述水传播参数以及预设的从鱼群中捞出率的范围确定所述拟合参数。
7.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序以实现如权利要求1至5任一项所述的淡水鱼类病原传播预测方法。
8.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的淡水鱼类病原传播预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310834598.3A CN116562469B (zh) | 2023-07-10 | 2023-07-10 | 一种淡水鱼类病原传播预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310834598.3A CN116562469B (zh) | 2023-07-10 | 2023-07-10 | 一种淡水鱼类病原传播预测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116562469A CN116562469A (zh) | 2023-08-08 |
| CN116562469B true CN116562469B (zh) | 2023-09-19 |
Family
ID=87486549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310834598.3A Active CN116562469B (zh) | 2023-07-10 | 2023-07-10 | 一种淡水鱼类病原传播预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116562469B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116957342B (zh) * | 2023-09-18 | 2023-12-08 | 深圳市博安智控科技有限公司 | 基于物联网的养殖场智能管理方法、系统及介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102550455A (zh) * | 2012-01-13 | 2012-07-11 | 厦门大学 | 一种大黄鱼刺激隐核虫病害程度的判别方法 |
| CN102550454A (zh) * | 2012-01-13 | 2012-07-11 | 厦门大学 | 一种大黄鱼刺激隐核虫病的预测方法 |
| KR20200013171A (ko) * | 2018-07-20 | 2020-02-06 | 문영실 | 인공지능 딥러닝을 이용한 스마트 양식장 관리 fems시스템 |
| KR20200045174A (ko) * | 2018-10-22 | 2020-05-04 | 삼환전기(유) | 양식장 모니터링 장치 |
| CN111199770A (zh) * | 2020-02-22 | 2020-05-26 | 杭州电子科技大学 | 一种基于病害流行机理的水稻纹枯病病株率预测方法 |
| KR20210105751A (ko) * | 2020-02-19 | 2021-08-27 | 한국과학기술연구원 | 양식어류의 질병 감시를 위한 스마트 지원시스템 |
| CN113537639A (zh) * | 2021-08-16 | 2021-10-22 | 华中农业大学 | 一种养殖环境参数-鱼类生长预测模型建立方法及系统 |
| CN113837493A (zh) * | 2021-10-27 | 2021-12-24 | 广东工业大学 | 水库下游tdg浓度生成预测方法及装置 |
| CN113869599A (zh) * | 2021-10-18 | 2021-12-31 | 湖南师范大学 | 鱼类疫病发展预测方法、系统、设备及介质 |
| CN115602337A (zh) * | 2022-03-24 | 2023-01-13 | 宁波大学（Cn） | 一种基于机器学习的刺激隐核虫疾病预警方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220262524A1 (en) * | 2021-02-09 | 2022-08-18 | Innovative Emergency Management, Inc. | Parameter-estimation of predictor model using parallel processing |
-
2023
- 2023-07-10 CN CN202310834598.3A patent/CN116562469B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102550455A (zh) * | 2012-01-13 | 2012-07-11 | 厦门大学 | 一种大黄鱼刺激隐核虫病害程度的判别方法 |
| CN102550454A (zh) * | 2012-01-13 | 2012-07-11 | 厦门大学 | 一种大黄鱼刺激隐核虫病的预测方法 |
| KR20200013171A (ko) * | 2018-07-20 | 2020-02-06 | 문영실 | 인공지능 딥러닝을 이용한 스마트 양식장 관리 fems시스템 |
| KR20200045174A (ko) * | 2018-10-22 | 2020-05-04 | 삼환전기(유) | 양식장 모니터링 장치 |
| KR20210105751A (ko) * | 2020-02-19 | 2021-08-27 | 한국과학기술연구원 | 양식어류의 질병 감시를 위한 스마트 지원시스템 |
| CN111199770A (zh) * | 2020-02-22 | 2020-05-26 | 杭州电子科技大学 | 一种基于病害流行机理的水稻纹枯病病株率预测方法 |
| CN113537639A (zh) * | 2021-08-16 | 2021-10-22 | 华中农业大学 | 一种养殖环境参数-鱼类生长预测模型建立方法及系统 |
| CN113869599A (zh) * | 2021-10-18 | 2021-12-31 | 湖南师范大学 | 鱼类疫病发展预测方法、系统、设备及介质 |
| CN113837493A (zh) * | 2021-10-27 | 2021-12-24 | 广东工业大学 | 水库下游tdg浓度生成预测方法及装置 |
| CN115602337A (zh) * | 2022-03-24 | 2023-01-13 | 宁波大学（Cn） | 一种基于机器学习的刺激隐核虫疾病预警方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| An integrated model for aquaculture production, pathogen interaction, and environmental effects;Joao G. Ferreira等;《Aquaculture》;第736438-1-16页 * |
| Analyzing the transmission of SVCV among zebrafish populations by compartment mathematical modeling;Jiaji Pan等;《Aquaculture》;第739076-1-8页 * |
| 基于SEIR 模型的疫情预测与决策系统;王冰玉等;《现代信息科技》;第7卷(第9期);第141-145页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116562469A (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sneddon et al. | Considering aspects of the 3Rs principles within experimental animal biology | |
| CN116562469B (zh) | 一种淡水鱼类病原传播预测方法、装置、设备及存储介质 | |
| McGuigan et al. | Cryptic genetic variation and body size evolution in threespine stickleback | |
| Fitzpatrick et al. | Complex patterns of multivariate selection on the ejaculate of a broadcast spawning marine invertebrate | |
| KR20190046841A (ko) | 정보 처리 장치 및 정보 처리 시스템 | |
| Preetham et al. | Aquaculture monitoring and control system: An IoT based approach | |
| Kendall et al. | Replacement, refinement, and reduction in animal studies with biohazardous agents | |
| CN111838027A (zh) | 一种纯氧供应水产养殖系统及方法 | |
| CN103675031B (zh) | 一种高通量细胞毒性检测方法 | |
| KR20020023747A (ko) | 조류를 이용한 수질감시방법 | |
| CN107545138B (zh) | 基于大数据的微生物检测装置的微生物检测方法、计算机可读存储介质及微生物检测系统 | |
| Brauer et al. | Continuous Population Models | |
| Britton | Reference data for evaluating the growth of common riverine fishes in the UK | |
| CN106501474A (zh) | 微宇宙周期生物量测算污染物生态毒性效应阈值浓度方法 | |
| Wannee et al. | A flexible water monitoring system for pond aquaculture | |
| Harney et al. | How to measure maturation: a comparison of probabilistic methods used to test for genotypic variation and plasticity in the decision to mature | |
| Reynaga-Franco et al. | Multi-model inference as criterion to determine differences in growth patterns of distinct Crassostrea gigas stocks | |
| Noble et al. | Sex, androgens, and whole-organism performance in an Australian lizard | |
| Lozoya et al. | Energy-efficient wireless communication strategy for precision agriculture irrigation control | |
| Pipoly et al. | Multiple paternity is related to adult sex ratio and sex determination system in reptiles | |
| Benton et al. | Population dynamics in a noisy world: lessons from a mite experimental system | |
| Fan et al. | Quantifying the extent of calcification of a coccolithophore using a coulter counter | |
| CN112861655A (zh) | 一种点云模型植物及其病虫害识别预警的分析算法 | |
| Veenhof et al. | Novel high‐throughput oxygen saturation measurements for quantifying the physiological performance of macroalgal early life stages | |
| Oosthuizen et al. | Reproductive phenology is a repeatable, heritable trait linked to the timing of other life-history events in a migratory marine predator |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |