一种大黄鱼刺激隐核虫病害程度的判别方法

摘要

一种大黄鱼刺激隐核虫病害程度的判别方法，涉及大黄鱼。先数据预处理，再构建全部14个影响因子数学方法，最后构建降维方法。具有定量判别、简单方便、高准确率和高可靠性等特点。随机抽样测试表明，通过所提供的方法，利用水环境因子实测数值能够准确判定大黄鱼刺激隐核虫病可能发生的严重程度，判别准确率可达90％以上。适用于判定大黄鱼刺激隐核虫病可能发生的海域及严重程度，指导大黄鱼刺激隐核虫病的有效防控。适用于判别大黄鱼刺激隐核虫病发生，而且还可为其它海水鱼类刺激隐核虫的发生提供重要参考。

主权项

一种大黄鱼刺激隐核虫病害程度的判别方法，其特征在于包括以下步骤：1)数据预处理，具体方法如下：(1)将可能引发刺激隐核虫病的水环境因子分类；(2)疾病严重程度赋值根据其严重程度分为正常、少量发病、中等程度发病、大面积发病4个等级，记录为1～4；(3)构建环境因子‑疾病情况对应数据列表建立“环境因子‑疾病情况.txt”文档，所述文档的特征是①纯数据文档：只含序号、监测值、疾病严重程度值等纯数据不含各因子标题；②排序方式：所有数据按照序号，14个影响因子数据和1个疾病严重程度数据从左到右依次排列，即16列；2)构建全部14个影响因子数学方法将全部影响因子都用于构建数学方法，具体方法如下：(1)数据随机分组数据分组：所有的数据按用途被随机分为两大类：①训练集：用于构建数学方法；②测试集：用于评价所构建数学方法的准确率和可靠性；分组方式：随机抽取初始数据组2/3的数据作为训练集，剩下1/3数据作为测试集；(2)构建数学判别方法用随机森林分类算法，分析训练集数据，建立14个影响因子对大黄鱼刺激隐核虫病发生情况的全因子判别方法，所用的程序是R软件环境中加载的随机森林程序包；(3)方法的准确性评价用所获测试集数据中的14个影响因子数据代入所建数学判别方法中，计算出疾病发生严重程度值，并与实测疾病严重程度赋值进行比较，分析准确率和可靠性；3)构建降维方法全因子判别方法需要采集14个水环境因子进行疾病判别，利用随机森林算法计算各个影响因子重要性，并选择部分较能反应方法效率的因子集合，构建维度较低的方法，具体步骤如下：(1)权重因子排序对每个水环境因子效应进行评价，计算影响刺激隐核虫病发生的权重值，并选择出权重 最大的5个影响因子；(2)低维疾病判别方法构建及筛选分别建立权重最大的3个影响因子、4个影响因子、5个影响因子对疾病情况的判别方法，降维方法构建方法同上述未降维判别方法的构建方法，并分别进行准确性分析；确定因子维度合适的判别方法：根据准确率和因子数量，筛选出判别大黄鱼刺激隐核虫疾病发生情况的理想因子，确定因子维度合适的判别方法；(3)降维方法准确性评价降维方法与全因子方法准确率比较及差异显著性分析：分别将全因子方法与降维方法判别的疾病值输出，与原始的疾病值一一对应，用SPSS18.0中的相关性分析、配对样品T检验分析功能分别分析降维方法判别值‑全因子方法判别值、降维方法判别值‑原始疾病值及全因子方法判别值‑原始疾病值之间显著性差异。