[发明专利]一种大黄鱼刺激隐核虫病害程度的判别方法

权利要求书

1.一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。

2.如权利要求1所述的一种大黄鱼刺激隐核虫病害程度的判别方法，其特征在于在步骤1)第(1)部分中，所述将可能引发刺激隐核虫病的水环境因子分类的具体方法如下：

从水环境监测数据中选取14个可能影响刺激隐核虫病发生的水文、气候、物理、化学、生物等影响因子：年份、月份、监测站位、水温、透明度、溶解氧、COD、活性磷酸盐、NO₃--N、NO₂--N、NH4⁺-N、石油类，并依次用数字1～14排序。

3.如权利要求1所述的一种大黄鱼刺激隐核虫病害程度的判别方法，其特征在于在步骤3)第(2)部分中，所述3个影响因子为月份、水温、溶解氧。

4.如权利要求1所述的一种大黄鱼刺激隐核虫病害程度的判别方法，其特征在于在步骤3)第(2)部分中，所述4个影响因子为月份、水温、溶解氧、NH4⁺-N。

5.如权利要求1所述的一种大黄鱼刺激隐核虫病害程度的判别方法，其特征在于在步骤3)第(2)部分中，所述5个影响因子为月份、水温、溶解氧、NH4⁺-N、COD。