[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

说明书

本发明涉及水产养殖技术领域，尤其涉及一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法。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。采用这种方法能对南美白对虾肝肠孢虫病进行预测。

技术领域

本发明涉及水产养殖技术领域，尤其涉及一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法。

背景技术

南美白对虾是世界上三大优良养殖虾种之一，是我国主要的对下养殖品种。肝肠孢虫是南美白对虾养殖中的常见寄生虫疾病，传播迅速,蔓延广,全名肠道上皮细胞微孢子虫,是当前最常见的南美白对虾暴发性流行病之一。感染该寄生虫的虾并不会出现明显的大量死亡，但虾体会停止生长并正常食用饵料造成巨大的经济损失。该病往往在养殖后30-45d左右才会发现异常，虾体生长缓慢，偶尔会有白便的情况。在我国的南美白对虾养殖中发病率约为25％，减产达到15-20％，损失约3亿元。除虾苗本身肠孢虫呈阳性以外，天气因素，池底质恶化，饲料问题均可横向诱发本病。鉴于南美白对虾肝肠孢虫病症状不明显且危害巨大，急需形成相对应的预警方法。

发明内容

本发明所要解决的技术问题是：提供一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法，采用这种方法能对南美白对虾肝肠孢虫病进行预测。

本发明所采用的技术方案是：一种基于大数据挖掘的南美白对虾肝肠孢虫病预警方法，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。

作为优选，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。

作为优选，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。