[发明专利]一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法

权利要求书

1.一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法，其特征在于，它包括以下步骤：

S1、获取南美白对虾养殖水体信息以及气象信息；

S2、采用存储模型将获取的信息进行存储；

S3、通过获取的信息建立神经网络模型，然后训练样本数据；

S4、建立隐马尔可夫模型，然后训练经神经网络拟合后的高相关性数据；

S5、通过建立的神经网络模型以及隐马尔可夫模型来预测肝肠孢虫病的爆发概率。

2.根据权利要求1所述一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法，其特征在于：步骤S3具体包括以下步骤：

S31、设置神经网络的输入层节点数；

S32、设置隐藏层输入函数；

S33、定义系统误差函数；

S34、计算全局误差，并且得到全局误差对尺度系数和平移系数的偏导数；

S35、针对偏导数，利用随机梯度下降法进行参数更新。

3.根据权利要求1所述一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法，其特征在于：步骤S32具体包括以下步骤：

给神经元激活率赋一个区间(-1,1)内的随机数，并且设定激励函数为其中a_j,b_j为隐藏层第j个神经元的尺度函数和平移函数；x表示输入信号经权值和偏置计算后的输入至隐藏层的信号；且函数包括三个部分：

(1)、隐藏层第i个输入神经元:

(2)、隐藏层第i个输出神经元:

(3)、输出层第k个节点的输出：

其中，n表示隐藏层神经元数目，m表示样本输入数目,w_kj表示隐藏层第j个神经元至第k个输出的链接权值，w_ij表示第i个输入样本x_i至隐藏层第j个神经元的链接权值，λ_i为输入层偏置，λ_j为隐藏层偏置。

4.根据权利要求1所述一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法，其特征在于：步骤S33具体包括以下步骤：设定误差函数为其中，b_o为输出层各神经元的阈值，y_o为为输出层输出向量，样本数据个数k。

5.根据权利要求1所述一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法，其特征在于：步骤S34具体包括以下步骤：

计算全局误差E；

并且得到误差函数E对w_kj,λ_j,λ_i尺度系数a_j和平移系数b_j的偏导数：