基于PCA-BN的生猪疾病诊断模型研究

为了解决传统疾病诊断过于依赖专家经验、诊断效率低等一系列问题,试验采用主成分分析(PCA)和贝叶斯网络(BN)结合的方法构建生猪疾病诊断模型。首先对收集到的吉林省某猪场数据进行分析和提取,将专家经验和贝叶斯网络相结合,建立生猪疾病拓扑结构,利用主成分分析法将症状节点进行属性约简,消除冗余信息;然后再运用贝叶斯估计对贝叶斯网络进行参数学习,建立基于PCA-BN算法的BN结构模型;最后将约减模型和未约减模型进行对比。结果表明:成功构建基于PCA-BN算法的生猪疾病诊断模型,用该模型对某猪场生猪某次疾病进行预测,结果与该猪场对病原体检测的结果一致。说明基于PCA-BN的生猪疾病诊断模型可用于生猪养殖业生产。

改进层次分析法在生猪养殖工艺评估的应用

针对养猪业养殖工艺评估问题,基于层次分析法(AHP)建立相对规范的生猪养殖技术评价体系模型。引入智能算法思想对层次分析法中一致性问题做出解决方案。试验将采用模拟退火算法(SA)与粒子群算法(PSO)相结合的方式优化一致性。首先构建分层递进的层级模型,其次初始化粒子和给定起始温度和退火系数利用模拟退火粒子群算法更新粒子状态优化判断矩阵一致性参数。试验结果表明:初始一致性参数0.2319,0.1273,0.1304,0.1304,粒子群优化参数为0.0947,0.0981,0.0992,0.0995,经本文方法优化后为0.0857,0.0973,0.0981,0.0987。该方法能够有效避免单一粒子群算法陷入局部最优问题,并且能得到更好的一致性指标。说明此种方法可以有效评估分析出生猪养殖工艺中较重要指标,充分反映专家评估意愿,减少个人主观因素的影响,能较为理想地得出评估结果。