[發明專利]基于粗糙集理論的南美白對蝦白斑病監控預警系統及方法

有效

• 申請號: 201610833107.3
• 申請日: 2016-09-19
• 公開（公告）號: CN106538437B
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 段青玲;田野;張磊
• 申請（專利權）人: 中國農業大學
• 主分類號: A01K61/59
• 分類號: A01K61/59;G01N33/18
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李相雨

1.一種基于粗糙集理論的南美白對蝦白斑病監控預警系統，其特征在于，包括：

警源信息獲取模塊，用于獲取南美白對蝦的水質監測數據；

預警模型構建模塊，用于基于粗糙集理論構建白斑病預警模型；

預警模塊，用于根據所述警源信息獲取模塊獲取的水質監測數據以及所述預警模型構建模塊建立的白斑病預警模型，確定南美白對蝦白斑病的預警等級；

其中，所述警源信息獲取模塊，具體用于：

獲取南美白對蝦的水質監測數據，其中，水質監測數據包括：水溫、溶解氧、鹽度、PH值、NH₃濃度和濁度；

其中，所述預警模型構建模塊，具體用于：

建立決策表，其中決策表采用如下的四元組進行描述：

DT＝(U,C∪D,V,f)；

其中，U為論域，U＝{R1,R2,…,Rn}，n為決策表中的規則數，C為條件屬性集，D為決策屬性集，V是信息函數f的值域，f是決策表的信息函數；

將水質監測數據作為條件屬性集C，C＝{水溫，溶解氧，PH，NH₃，濁度，鹽度}；

將預警等級作為決策屬性集D，D＝{無警、低警、中警、重警}；

其中，所述預警模塊，具體用于：

利用獲取的水質監測數據，根據建立的決策表，采用正向推理的方法對決策規則進行推理，獲取南美白對蝦白斑病的預警等級；

其中，所述系統還包括：更新模塊；所述更新模塊，用于對所述決策表進行約簡處理；

其中，所述更新模塊具體通過下面的約簡算法對所述決策表進行約簡處理：

S1、依據建立南美白對蝦白斑病預警系統的決策表DT差別矩陣的定義建立差別矩陣M_n×n(DT)＝(c_ij)_n×n的下三角矩陣，其中i，j＝1,2,…,n，n為決策表中的規則數；

S2、搜索差別矩陣的所有元素，若沒有φ，則轉到步驟S3，否則退出；

S3、搜索矩陣中的所有單屬性元素，將其賦值給CORE_C(D)輸出：

S4、求出包含相對D核的所有可能的屬性組合，判斷是否滿足以下規則：

①當c_ij≠φ時，是否有B∩c_ij≠φ，不考慮c_ij＝φ∨-的情形；

②B是否為獨立；

若滿足上述規則，則將其賦給RED_C(D)，遍歷所有包含相對D核的屬性組合；

S5、輸出RED_C(D)，算法結束得出最終決策表；

對原始決策表進行劃分的基礎上，得出條件屬性集C各參數關于決策屬性集D中各參數的重要度；

其中以條件屬性中的NH₃為高，將論域U中包含此條件屬性的規則按預警等級進行劃分π(U)₁,π(U)₂,π(U)₃,π(U)₄；代入上面重要度公式可以得出結果；同時，在出現規則集與監測數據無匹配的規則時，就求監測數據的各屬性值與預警等級的重要度之和，根據結果來選取重要度高的預警等級，生成新的規則進入規則集。

2.一種基于粗糙集理論的南美白對蝦白斑病監控預警方法，其特征在于，包括：

獲取南美白對蝦的水質監測數據；

基于粗糙集理論構建白斑病預警模型；

根據獲取的水質監測數據以及構建的白斑病預警模型，確定南美白對蝦白斑病的預警等級；

其中，所述獲取南美白對蝦的水質監測數據，包括：

獲取南美白對蝦的水質監測數據，其中，水質監測數據包括：水溫、溶解氧、鹽度、PH值、NH₃濃度和濁度；

其中，所述基于粗糙集理論構建白斑病預警模型，包括：

建立決策表，其中決策表采用如下的四元組進行描述：

DT＝(U,C∪D,V,f)；

其中，U為論域，U＝{R1,R2,…,Rn}，n為決策表中的規則數，C為條件屬性集，D為決策屬性集，V是信息函數f的值域，f是決策表的信息函數；

將水質監測數據作為條件屬性集C，C＝{水溫，溶解氧，PH，NH₃，濁度，鹽度}；

將預警等級作為決策屬性集D，D＝{無警、低警、中警、重警}；

其中，根據獲取的水質監測數據以及構建的白斑病預警模型，確定南美白對蝦白斑病的預警等級，包括：

利用獲取的水質監測數據，根據建立的決策表，采用正向推理的方法對決策規則進行推理，獲取南美白對蝦白斑病的預警等級；

其中，所述方法還包括：對所述決策表進行約簡處理；

其中，所述對所述決策表進行約簡處理，包括：

S1、依據建立南美白對蝦白斑病預警系統的決策表DT差別矩陣的定義建立差別矩陣M_n×n(DT)＝(c_ij)_n×n的下三角矩陣，其中i，j＝1,2,…,n，n為決策表中的規則數；

S2、搜索差別矩陣的所有元素，若沒有φ，則轉到步驟S3，否則退出；

S3、搜索矩陣中的所有單屬性元素，將其賦值給CORE_C(D)輸出：

S4、求出包含相對D核的所有可能的屬性組合，判斷是否滿足以下規則：

①當c_ij≠φ時，是否有B∩c_ij≠φ，不考慮c_ij＝φ∨-的情形；

②B是否為獨立；

若滿足上述規則，則將其賦給RED_C(D)，遍歷所有包含相對D核的屬性組合；

S5、輸出RED_C(D)，算法結束得出最終決策表；

對原始決策表進行劃分的基礎上，得出條件屬性集C各參數關于決策屬性集D中各參數的重要度；

其中以條件屬性中的NH₃為高，將論域U中包含此條件屬性的規則按預警等級進行劃分π(U)₁,π(U)₂,π(U)₃,π(U)₄；代入上面重要度公式可以得出結果；同時，在出現規則集與監測數據無匹配的規則時，就求監測數據的各屬性值與預警等級的重要度之和，根據結果來選取重要度高的預警等級，生成新的規則進入規則集。