在目前動(dòng)物養(yǎng)殖過程中，動(dòng)物流行病毒（如傳統(tǒng)豬瘟、新城疫、豬藍(lán)耳病、口蹄疫等）的侵害，成為阻礙養(yǎng)殖產(chǎn)業(yè)發(fā)展的一個(gè)重要因素，同時(shí)也給我國(guó)養(yǎng)殖產(chǎn)業(yè)帶來了巨大的經(jīng)濟(jì)損失。而于物種引進(jìn)，環(huán)境惡化等因素進(jìn)一步加大了動(dòng)物疫病防治的難度，給實(shí)際測(cè)報(bào)工作帶來了很大的難度，因此動(dòng)物疫情測(cè)報(bào)研究成為一個(gè)重要的保障養(yǎng)殖產(chǎn)業(yè)順利進(jìn)行的重要手段。從早期依靠工作人員的經(jīng)驗(yàn)預(yù)測(cè)，到現(xiàn)在的各種測(cè)報(bào)模型出現(xiàn)，測(cè)報(bào)技術(shù)也在不斷的進(jìn)步，同時(shí)也對(duì)測(cè)報(bào)工作的準(zhǔn)確度以及時(shí)效性提出了更高的要求，動(dòng)物疫情測(cè)報(bào)技術(shù)的準(zhǔn)確性以及模型建立的合理性已經(jīng)成為評(píng)價(jià)測(cè)報(bào)技術(shù)的一個(gè)重要指標(biāo)。本文以傳統(tǒng)豬瘟疫�。–lassic Swine Fever）為研究對(duì)象，針對(duì)傳統(tǒng)豬瘟的一些發(fā)病機(jī)理，以及影響疫病的指標(biāo)因素進(jìn)行分析，提出以組合模型為核心算法的測(cè)報(bào)系統(tǒng)。單一模型預(yù)測(cè)出來的結(jié)果雖然具有一定的指導(dǎo)意義，但是還沒有達(dá)到高精度的標(biāo)準(zhǔn)，實(shí)際應(yīng)用不夠充分。組合模型技術(shù)是當(dāng)前測(cè)報(bào)方法中的一個(gè)研究熱點(diǎn)，該方法將單一模型進(jìn)行組合構(gòu)建，吸收了各模型的優(yōu)勢(shì)，在預(yù)測(cè)精度上明顯優(yōu)于單一模型。這種模型組合技術(shù)突破了傳統(tǒng)模型的實(shí)際復(fù)雜因素與預(yù)測(cè)時(shí)間長(zhǎng)度不能平衡的缺點(diǎn)，取眾家之長(zhǎng)... 

【文章來源】：中國(guó)農(nóng)業(yè)科學(xué)院北京市

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 動(dòng)物疫情測(cè)報(bào)體系意義和構(gòu)成內(nèi)容
        1.2.1 測(cè)報(bào)體系的意義
        1.2.2 測(cè)報(bào)體系的構(gòu)建
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 豬瘟病理學(xué)現(xiàn)狀研究
        1.3.2 測(cè)報(bào)方法研究現(xiàn)狀
    1.4 研究目標(biāo)和內(nèi)容
        1.4.1 研究目標(biāo)
        1.4.2 研究?jī)?nèi)容
    1.5 研究方法與技術(shù)路線
        1.5.1 研究方法
        1.5.2 技術(shù)路線
第二章 基于單一模型的豬瘟疫情測(cè)報(bào)研究
    2.1 經(jīng)典疫病模型研究
        2.1.1 經(jīng)典 Kermark-Mckendrick 模型基礎(chǔ)
        2.1.2 基于 Logistic 增長(zhǎng)的豬瘟疫病 SIR 模型
    2.2 時(shí)間序列模型分析
        2.2.1 時(shí)間序列模型
        2.2.2 豬瘟?xí)r間序列模型構(gòu)建
    2.3 灰色理論模型 GM(1,1)分析
        2.3.1 灰色模型理論
        2.3.2 灰色模型建模過程
    2.4 BP 神經(jīng)網(wǎng)絡(luò)模型分析
        2.4.1 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.4.2 BP 神經(jīng)網(wǎng)絡(luò)的優(yōu)化
        2.4.3 遺傳算法
        2.4.4 優(yōu)化 BP 神經(jīng)網(wǎng)絡(luò)模型應(yīng)用
    2.5 本章小結(jié)
第三章 豬瘟疫情預(yù)測(cè)的組合模型研究與構(gòu)建
    3.1 組合模型理論
        3.1.1 最優(yōu)加權(quán)組合模型
        3.1.2 模型融合
    3.2 基于傳統(tǒng)豬瘟發(fā)病率的組合模型構(gòu)建
    3.3 本章小結(jié)
第四章 動(dòng)物疫情測(cè)報(bào)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 系統(tǒng)架構(gòu)
    4.2 系統(tǒng)分析設(shè)計(jì)
        4.2.1 系統(tǒng)管理
        4.2.2 ARIMA 模型預(yù)測(cè)
        4.2.3 灰色模型預(yù)測(cè)
        4.2.4 神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)
        4.2.5 組合模型預(yù)測(cè)
        4.2.6 數(shù)據(jù)管理
    4.3 數(shù)據(jù)庫(kù)設(shè)計(jì)
    4.4 MATLAB 與.NET 平臺(tái)接口技術(shù)研究
        4.4.1 MATLAB 對(duì) COM 支持
        4.4.2 MATLAB 引擎技術(shù)
    4.5 系統(tǒng)實(shí)現(xiàn)
        4.5.1 系統(tǒng)管理
        4.5.2 ARIMA 模型預(yù)測(cè)
        4.5.3 灰色模型預(yù)測(cè)
        4.5.4 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)
        4.5.5 組合模型預(yù)測(cè)
        4.5.6 數(shù)據(jù)管理
    4.6 系統(tǒng)小結(jié)
第五章 總結(jié)與討論
    5.1 總結(jié)
    5.2 出現(xiàn)問題與解決方法
    5.3 展望
參考文獻(xiàn)
附錄
    1 灰色模型核心代碼
    2 C#調(diào)用神經(jīng)網(wǎng)絡(luò)工具箱部分代碼
致謝
個(gè)人簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]灰色關(guān)聯(lián)度組合模型在澇災(zāi)預(yù)測(cè)中的應(yīng)用[J]. 遲道才,沈亞西,陳濤濤,王堃,張?zhí)m芬,李雪.  中國(guó)農(nóng)村水利水電. 2012(01)
[2]用灰色模型分析荊門市結(jié)核病的流行趨勢(shì)[J]. 吳湘.  中國(guó)防癆雜志. 2012(01)
[3]BP神經(jīng)網(wǎng)絡(luò)在疾病分析影響因素中的作用（英文）[J]. 周金海,申剛磊,丁小麗,楊濤.  中國(guó)組織工程研究與臨床康復(fù). 2011(09)
[4]基于ARIMA的乘積季節(jié)模型在城市供水量預(yù)測(cè)中的應(yīng)用[J]. 趙凌,張健,陳濤.  水資源與水工程學(xué)報(bào). 2011(01)
[5]組合模型在農(nóng)業(yè)用水量預(yù)測(cè)中的應(yīng)用[J]. 鄧奎,李龍國(guó),伍儀保.  安徽農(nóng)業(yè)科學(xué). 2011(04)
[6]基于ARIMA模型的2009年山東省手足口病疫情分析及預(yù)測(cè)[J]. 吳孟泉,趙凱.  魯東大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(01)
[7]基于改進(jìn)反向傳播算法的跨音速攻角補(bǔ)償修正研究[J]. 孟博,李榮冰,劉建業(yè),李睿佳.  系統(tǒng)工程與電子技術(shù). 2010(12)
[8]動(dòng)物疫情預(yù)測(cè)方法的研究[J]. 陳軍,王昌建,張朝陽(yáng).  中國(guó)動(dòng)物檢疫. 2010(12)
[9]ARIMA模型在肺結(jié)核發(fā)病預(yù)測(cè)中的應(yīng)用[J]. 孟蕾,王玉明.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2010(05)
[10]應(yīng)用ARIMA模型對(duì)甲型病毒性肝炎疫情預(yù)測(cè)的研究[J]. 蔣征剛,陳恩富,李倩,姚軍,陳永弟.  浙江預(yù)防醫(yī)學(xué). 2010(10)

博士論文
[1]面向模型的組合理論研究[D]. 李欽.華東師范大學(xué) 2011

碩士論文
[1]單純ARIMA模型和ARIMA-GRNN組合模型在猩紅熱月發(fā)病率中的預(yù)測(cè)效果比較[D]. 朱玉.安徽醫(yī)科大學(xué) 2011
[2]基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用[D]. 任茹香.浙江大學(xué) 2011
[3]ARIMA模型與GM組合模型預(yù)測(cè)中國(guó)人口死亡率的研究[D]. 劉曉冬.濰坊醫(yī)學(xué)院 2009
[4]關(guān)于組合預(yù)測(cè)中的權(quán)重確定及應(yīng)用[D]. 毛開翼.成都理工大學(xué) 2007



本文編號(hào)：3297331