BP神经网络模型用于气象因素对PRRS发病预测及研究.pdfVIP

中国畜牧兽医学会信息技术分会2012年学术研讨会 BP神经网络模型用于气象因素 对PRRS发病预测的研究8 陈欣，肖建华，栾培贤，徐强，王洪斌 50030) (东北农业大学动物医学学院，哈尔滨1 摘要：对气象数据和猪蓝耳病发病率进行相关性分析，结合动物流行病学理论确定影响猪蓝耳病发病的关键气象因素。 数R2对所建预测模型进行检验。结果表明将13种气象因素作为预测研究的关键气象因子，BP神经网络模型其决定系数 R2=O．821，证实预测效果较好。初步构建出猪蓝耳病发病的神经网络预测模型，探索性地将BP神经网络理论在动物疫病 预测研究领域中运用，为进一步展开动物疫病预测的研究提供理论参考。 关键词：猪蓝耳病；预测模型；BP神经网络；气象因素 and 蓝耳病全称猪繁殖与呼吸综合征(PorcineReproductiveRespiratory and 殖与呼吸综合征病毒(PorcineReproductiveRespiratorySyndrome 染性疾病，以怀孕母猪流产、早产、死胎和木乃伊胎等繁殖障碍以及仔猪和育肥猪的呼吸道症状为特征。 2006年5月份开始，南方地区发生猪无名高热病，大部分发病猪场患病发病率在50％以上，死亡率高达 病，虽然仍然列为二类动物疫病，但是对其重视程度已不亚于高致病性禽流感。因此，PRRS发病预测模 型的建立对于蓝耳病的防控具有重要的意义。本研究结合PRRS发病特点，借鉴已有的传染病预测研究 理论，利用各种关键气象因素数据对我国南方地区某省的PRRS发病率和发病趋势进行预测研究，建立 BP神经网络预测模型，探讨利用气象因素预测PRRS发病率和发病趋势的方法。 1内容与方法 1．1资料来源 局，同期该地区PRRS发病数据源自中国农业部《兽医公报》，猪饲养量数据参考《中国畜牧业年鉴》。 由于《中国畜牧业年鉴》中各省养猪量数据为年报，所以计算PRRS发病率时在模型中将每年度猪存栏 基金项目：哈尔滨市科技创新人才研究专项资金(2007RFXXN0040) 作者简介：陈欣(1985一)，女，黑龙江齐齐哈尔人，硕士，主要从事畜牧兽医信息技术研究，哈尔滨东北农业大学动 物医学学院，150030，E-mail：chenxin0214xy@sina．com，电话 木通讯作者：王洪斌， (1958-)，内蒙古赤峰人，教授，博导，主要从事兽医信息学、动物麻醉和动物用腹腔镜方面的 研究。哈尔滨东北农业大学动物医学学院，150030，E-mail：hbwang@neau．edu．cn 195 论文集 量作为每月猪饲养量，以统一计算方法。发病率计算公式： PRRS月发病率=PRRS月发病数／当年年底猪存栏量 1．2研究方法 1．2．1气象因素与PRRS发病率相关性分析 大量研究表明PRRS发病与季节变化、免疫、饲养方式、野毒侵袭和人员接触以及机体由于应激而 造成免疫功能降低等原因有关。本研究将当月气象数据作为自变量，将次月PRRS发病率作为因变量， 模型的建立提供依据。 1．2。2BP神经网络预测模型建立 (1)神经网结构的确定 的数值以后，通过改变a的数值来改变隐含层N：的单元个数，对BP神经网络进行训练和调整，直到神 经网络训练误差达到预先设定的误差最小值为止。最后通过检验组数据来考核网络训练拟合程度是否能 够满足预测要求，根据最佳预测结果来确定BP神经网络的结构。 (2)数据分组和归一化处理 将2007年6月一11月的气象数据带入预测网络中来验证所构建的网络预测模型的准确性。 为了满足人工神经网络节点函数的条件和提高神经网络的训练速度，需将样本进行归一化处理，将 围为【o．1，0．9】，公式为：Y7=(Y吖min)／(Ymax-Ymin)×0．8+0．1 (3)人工神经网络的建立、训练和仿真 采用BP神经网络，并通过Matlab7．0软件编程实现I墨l。 围，pln为气象数据P经过归一化处理后的数据。网络采用3层网络结构，n为隐单元数，由于输出变 练函数。 训练步数为5000。