基于大数据技术的生态农业养殖评价与预测方法及系统

1.本发明涉及农业养殖技术领域，具体涉及一种基于大数据技术的生态农业养殖评价与预测方法及系统。


背景技术：

2.畜牧养殖产业是农业的中轴产业，与我国农业现代化可持续发展紧密关联。近年来，现代科学养殖新技术、畜禽遗传育种新技术、新型饲料及改良技术等不断被引入和应用到养殖业中，对于畜禽养殖业健康发展，满足人们对于动物产品消费需求发挥极大的促进作用，同时，农业养殖产业结构也在不断改变，逐渐由家庭经营转为规模化、集约化、专业化经营。近年来，在我国农村经济快速发展的背景下，为了确保能够实现畜牧可持续发展，越来越多学者提出，应将生态理念引入畜牧养殖行业，以期为畜牧产品质量和生态环境提供安全保障，进而有效推进农牧业与畜牧业的整体发展进程，落实维持生态平衡，加强环境保护的国家政策。从农业现代化的发展角度看，养殖业呈现出一系列新问题，如落后和缺乏科学指导的养殖模式，机械的引入和应用养殖生产技术等。实际上，这代表传统生产与管理方式已逐渐不能满足现代农业的发展。


技术实现要素：

3.为此，本发明提供一种基于大数据技术的生态农业养殖评价与预测方法及系统，以解决传统农业养殖业生产与管理方式落后，无法实现对养殖数据的快速分析，无法满足现代农业发展的问题。
4.为了实现上述目的，本发明提供如下技术方案：
5.根据本发明实施例的第一方面，提出了一种基于大数据技术的生态农业养殖评价与预测方法，所述方法包括：
6.获取生态养殖业禽畜原始养殖数据并进行数据筛选和处理；
7.基于多元网状meta分析并结合贝叶斯多层次分析模型与混合线性模型，通过对得到的数据进行分析和计算，获取禽畜的生产性能与繁殖性能指标与其关键影响因子之间的影响关系模型，构建生态农业养殖评价与预测模型；
8.利用得到的生态农业养殖评价与预测模型对禽畜的生产性能及繁殖性能进行评估和预测。
9.进一步地，所述原始养殖数据包括饲喂日粮的种类、添加剂类型、动物年龄、性别、环境压力、体重、采食量、产蛋/仔量等。
10.进一步地，所述原始养殖数据通过数据库检索及原位实验获取，数据库来源包括wos、springer、sciencedirect、taylor&francis online database、cnki等数据库，原位实验数据来源于养殖公司实测值。
11.进一步地，所述生产性能指标包括总采食量、日采食量、总增重、日增重、饲料转化率等。
12.进一步地，所述繁殖性能指标包括产蛋/仔量、受胎率、健仔数、出生率、存活率、料蛋比等。
13.进一步地，所述方法还包括：
14.利用得到的生态农业养殖评价与预测模型获取新型高效饲料及添加剂配方对禽畜的生产性能及繁殖性能的影响预测结果，并建立信息数据库以达到帮助实现添加剂用量的精准控制。
15.根据本发明实施例的第二方面，提出了一种基于大数据技术的生态农业养殖评价与预测系统，所述系统包括：
16.原始数据获取模块，用于获取生态养殖业禽畜原始养殖数据并进行数据筛选和处理；
17.模型构建模块，用于基于多元网状meta分析并结合贝叶斯多层次分析模型与混合线性模型，通过对得到的数据进行分析和计算，获取动物的生产性能与繁殖性能指标与其关键影响因子之间的影响关系模型，构建生态农业养殖评价与预测模型；
18.结果预测模块，用于利用得到的生态农业养殖评价与预测模型对动物的生产性能及繁殖性能进行评估和预测。
19.进一步地，所述结果预测模块具体还用于：
20.利用得到的生态农业养殖评价与预测模型获取新型高效饲料及添加剂配方对动物的生产性能及繁殖性能的作用预测结果，建立信息数据库以达到帮助实现添加剂用量的精准控制。
21.根据本发明实施例的第三方面，提出了一种计算机存储介质，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被一种基于大数据技术的生态农业养殖评价与预测系统执行如上任一所述的方法。
22.本发明具有如下优点：
23.本发明提出的一种基于大数据技术的生态农业养殖评价与预测方法及系统，获取生态养殖业禽畜原始养殖数据并进行数据筛选和处理；基于多元网状meta分析并结合贝叶斯多层次分析模型与混合线性模型，通过对得到的数据进行分析和计算，获取禽畜的生产性能与繁殖性能指标与其关键影响因子之间的影响关系模型，构建生态农业养殖评价与预测模型；利用得到的生态农业养殖评价与预测模型对禽畜的生产性能及繁殖性能进行评估和预测。基于大数据技术中的meta分析方法，拟利用多元网状meta分析，结合贝叶斯多层次分析模型与混合线性模型，构建针对生态农业养殖的大数据分析框架与评价体系，旨在利用大数据技术为相关研究者及从业者建立便捷的快速数据分析平台，这对于有效推进农牧业与畜牧业的可持续发展具有重大的理论价值与现实意义。
附图说明
24.为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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引伸获得其它的实施附图。
25.图1为本发明实施例1提供的一种基于大数据技术的生态农业养殖评价与预测方
法的流程示意图；
26.图2为本发明实施例1提供的一种基于大数据技术的生态农业养殖评价与预测方法的原理架构示意图。
具体实施方式
27.以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例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。
28.实施例1
29.如图1和图2所示，本实施例提出了一种基于大数据技术的生态农业养殖评价与预测方法，所述方法包括：
30.s100、获取生态养殖业禽畜原始养殖数据并进行数据筛选和处理。
31.原始养殖数据包括饲喂日粮的种类、添加剂类型、动物年龄、性别、环境压力、体重、采食量、产蛋/仔量等。原始养殖数据通过数据库检索及原位实验获取，数据库来源包括wos、springer、sciencedirect、taylor&francis online database、cnki等数据库，原位实验数据来源于养殖公司实测值。
32.s200、基于多元网状meta分析并结合贝叶斯多层次分析模型与混合线性模型，通过对得到的数据进行分析和计算，获取禽畜的生产性能与繁殖性能指标与其关键影响因子之间的影响关系模型，构建生态农业养殖评价与预测模型。
33.生产性能指标包括总采食量、日采食量、总增重、日增重、饲料转化率等。繁殖性能指标包括产蛋/仔量、受胎率、健仔数、出生率、存活率、料蛋比等。
34.通过对原始养殖数据的分析和计算，得的影响畜禽主要生产与繁殖性能指标的影响因素，并通过拟合分析计算得到各性能指标与其影响因子之间的数学关系曲线模型，根据该曲线关系模型可以对实际影响因子数据(比如饲料配比、添加剂用量等)的作用结果进行预测。
35.s300、利用得到的生态农业养殖评价与预测模型对禽畜的生产性能及繁殖性能进行评估和预测。
36.利用得到的生态农业养殖评价与预测模型获取新型高效饲料及添加剂配方对禽畜的生产性能及繁殖性能的影响预测结果，并建立信息数据库以达到帮助实现添加剂用量的精准控制。
37.1)大数据技术下多元meta分析模型构建方法
38.meta分析的主要研究方法为估计总体效应，假定有n项研究，每研究有2个效应值，则每个研究yi＝(y
i1
，y
i2
)，其中i＝1，2，
…
，n，则在固定效应模型下，yi服从二元正态分布：
[0039][0040]
其中ρi指在第i项研究中，两个效应值间相关系数，μ＝(μ1，μ2)指两个效应值在n个研究中的期望，σ
2i1
指第i个研究中第1个效应值的方差。
[0041][0042]
si代表研究内的协方差矩阵。在随机效应模型下，总方差包括研究内方差，同时包括研究间方差，总相关系数可分解为研究内相关系数ρi和研究间相关系数ρ
τ
，则
[0043][0044]
其中θ＝(θ
i1
，θ
i2
)是研究的特定效应，服从正态分布，其中τ指效应量j的研究间异质性，δ为研究间协方差矩阵，ρ
τ
为不同研究间效应量的相关系数。
[0045][0046]
合并以上可得二元meta分析模型为：
[0047][0048]
类似地，可以得到多元meta分析模型：
[0049][0050]
用模型形式可表述为：
[0051]
yi＝μ+δi+ei[0052]
其中δi～mvn(0,δ)，ei～mvn(0,si)。若在模型中引入协变量xi，使μ＝x
iβ
，则模型变为yi＝x
iβ
+δi+ei。其中xi是一个p
×
(l+1)维的矩阵，包括了第i个研究中会影响效应值的l个因素，β则代表l个因素影响效应值的程度。引入参数后的模型可称为多元meta分析回归模型。
[0053]
(2)多层次贝叶斯方法及系统评价模型初步设计
[0054]
贝叶斯多层次分析模型，其原理表达式为：
[0055]
p(data,θ)＝p(data|θ)π(θ)＝π(θ|data)p(data)
[0056]
式中，data＝{x1,x2,x3…
}为实测数据，θ＝{θ1,θ2,θ3…
}为未知参数，p为概率分布，在贝叶斯方法中，利用概率分布计算参数θ值，θ为同一分布。在没有样本信息时，可以根据先验分布π(θ)对θ进行推算，其推算模型为：
[0057]
π(θ|data)＝(p(data|θ)π(θ))/(p(data))
[0058]
π(θ)定义为θ的后验分布，基于后验分布对θ进行统计，可排除与θ无关的信息，使得推断更为有效合理。模型的不确定分析主要有两部分，第一部分为获得所求参数的不确定性分析，第二部分为所求模型曲线的不确定分析。在拟合模型参数时，用马尔科夫链(mcmc)随机抽样方法来估计每个参数的后验概率分布，并对模型中每个参数进行不确定分析。
[0059]
系统分析主要采用固定效应模型和随机效应模型，主要原理是通过对变量进行研究间效应的校正，剔除研究间差异，进而将所有研究纳入到整体，再利用回归模型，寻找效应的极值，以达到最佳。初步设计模型如下：
[0060]yij
＝b0+b1x
ij
+b2x
ij2
+si+b
1i
x
ij
+b
2i
x
ij2
+e
ij
[0061]
式中：i为研究个数(i＝1,2,3,
…
,ni)；j为每个研究中的观察数(j＝1,2,3,
…
,nij)；b0为全部研究的总截距(固定效应)；b1和b2分别为研究间的多项式一次项和二次项系数(固定效应)；x
ij
为第i个研究中第j个观察值的自变量x；si为第i个研究的随机效应截距；b
1i
和b
2i
分别为第i个研究的多项式一次项和二次项系数(随机效应)；e
ij
为残差，服从n(0,σ2)分布(随机效应)。
[0062]
(3)meta分析技术方法
[0063]
meta分析技术方法主要包括研究筛选、数据提取、偏倚分析、亚组分析、质量评价、敏感性分析等步骤。研究筛选主要通过数据库检索及原位实验获取，得到后续分析所用数据，本项目拟采取wos、springer、sciencedirect、taylor&francis online database、cnki等数据库，及由某农业科技有限公司提供的原位禽畜生产性能数据。筛选过程需对饲喂日粮的种类、添加剂类型、动物年龄、性别、环境压力设置统一标准。数据提取需明确提供动物生产性能及繁殖性能数据，如增重、采食量、产蛋量、出生率等，为满足meta分析条件，需统一标准差与标准误，其转换方式为：
[0064]
sd＝se*sqrt(n)
[0065]
其中sd代表标准差，se代表标准误，n代表样本数量。如果以图片方式呈现数据，需通过getdata软件对其进行转换。数据提取过程至少需两人分别完成以减少提取误差，若二人数据没有统一，需交由第三人进行最终判别。发表偏倚分析通过egger’s test进行，数据异型性分析通过q和i2进行统计。上述过程所需软件主要包括stata(version 11.0；stata corp,college station tx)，revman 5.0(version 5.0；cochrane collaboration,oxford,uk)，sas(version 9.4；sas institute,cary,nc)及r(r development core team；nlme:linear and nonlinear mixed effects models)。
[0066]
本实施例提出了一种基于大数据技术的生态农业养殖评价与预测方法：
[0067]
(1)研究思路创新：结合当今生态农业养殖利用现状，从生产性能与繁殖性能两个角度出发，分析禽畜养殖的关键调控因子与作用因素，并探讨其优化机制，深入揭示生态养殖业的发展内涵。
[0068]
(2)研究方法创新：将基于多层次贝叶斯方法、马尔可夫蒙特卡罗算法的多元meta分析等系统评价手段应用于畜牧业，既弥补原位实验条件的不足，又可以精准量化分析动物养殖过程与调控因素，同时创造性地构建预测模型以评估禽畜生产繁殖性能的变化趋势。
[0069]
(3)成果与技术模式创新：以大数据技术理论为指导，建立高效的禽畜生产与繁殖性能评价体系与预测模型，研发高效饲料及添加剂配方，构建信息数据库与监测网络。
[0070]
基于多层次贝叶斯方法与马尔可夫蒙特卡罗算法的多元meta分析在生态学、医学、计算机科学、统计学等领域在近年来已开展了广泛的应用，是较为先进的大数据分析技术手段。在畜牧业领域引入多元meta分析，能够有效提升大数据技术在畜牧业的应用扩展，对智慧农业的可持续发展具有重要的理论价值与实践意义。
[0071]
实施例2
[0072]
与上述实施例1相对应的，本实施例提出了一种基于大数据技术的生态农业养殖评价与预测系统，所述系统包括：
[0073]
原始数据获取模块，用于获取生态养殖业禽畜原始养殖数据并进行数据筛选和处理；
[0074]
模型构建模块，用于基于多元网状meta分析并结合贝叶斯多层次分析模型与混合线性模型，通过对得到的数据进行分析和计算，获取动物的生产性能与繁殖性能指标与其关键影响因子之间的影响关系模型，构建生态农业养殖评价与预测模型；
[0075]
结果预测模块，用于利用得到的生态农业养殖评价与预测模型对动物的生产性能及繁殖性能进行评估和预测。
[0076]
进一步地，所述结果预测模块具体还用于：
[0077]
利用得到的生态农业养殖评价与预测模型获取新型高效饲料及添加剂配方对动物的生产性能及繁殖性能的作用预测结果，建立信息数据库以达到帮助实现添加剂用量的精准控制。
[0078]
本发明实施例提供的一种基于大数据技术的生态农业养殖评价与预测系统中各部件所执行的功能均已在上述实施例1中做了详细介绍，因此这里不做过多赘述。
[0079]
实施例3
[0080]
与上述实施例相对应的，本实施例提出了一种计算机存储介质，计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被一种基于大数据技术的生态农业养殖评价与预测系统执行如实施例1的方法。
[0081]
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。