论文部分内容阅读
随着大黄鱼养殖规模扩大,网箱养殖大黄鱼的疾病日趋严重,给大黄鱼养殖业的健康持续发展带来了严重影响。建立网箱养殖大黄鱼疾病的预报模型,预报可能发生的疾病及其发病的程度,以采取适时、主动的措施控制养殖大黄鱼病害的发生和发展是预防病害发生的重要途径。本文以舟山市网箱养殖大黄鱼为研究对象,在对网箱养殖大黄鱼的养殖情况、发病情况、养殖海区的环境因子和气象因子进行全面调查的基础上,对养殖系统中环境因子及其变化与疾病发生的关系进行了全面分析,筛选出与大黄鱼疾病发生密切相关的环境因子,从而应用多元统计分析、灰色理论和BP神经网络建立了网箱养殖大黄鱼主要疾病的预报模型,进一步对这三种模型进行了比较分析。主要结论如下:1大黄鱼的网箱养殖对养殖区域的水质造成一定的影响,在养殖区域水体中悬浮物、磷酸盐、硅酸盐、硝氮、无机氮、COD、DO、pH、叶绿素等指标都有显著性变化;生物群落结构发生变化,物种优势度提高,生物多样性降低。同时网箱养殖区的环境因子变化也对养殖大黄鱼的生长产生了影响,使得养殖大黄鱼的发病率增加。2分析表明网箱养殖大黄鱼的主要疾病为细菌性疾病,占总发病率的88.9%。运用相关性分析、灰关联度分析等对影响大黄鱼主要疾病的各种因素（包括水质理化指标、生物指标和气象指标）进行了分析,结果显示影响养殖大黄鱼发病率的主要因子是水温、透明度、悬浮物、COD、气温、风力、风向以及细菌含量等。3应用多元回归分析的方法,建立了网箱养殖大黄鱼主要疾病的多元线性回归模型: Y? =0.01436+0.0005Χ1 -0.00088Χ2+0.000848Χ3（Χ 1:水温;Χ 2:透明度;Χ3:风力）,经检验该模型达到统计学上的显著性。4利用灰色系统理论,构建了网箱养殖大黄鱼主要疾病的GM（1,1）、GM（1,2）的近似形式模型GM1（1,2）和白分差形式模型GM2（1,2）,预测精度达到71.35%。5在相关分析和灰色关联分析的基础,应用BP神经网络理论,构建了网箱养殖大黄鱼主要疾病的BP神经网络预测模型,预测准确率可达到81.53%。6比较这三种模型,多元线性回归模型可用于线性系统的预测,但它需要较大的样本容量,而且要求有特定的概率分布;灰色系统模型可用于“小样本”、“贫信息”的情况,克服了回归模型对样本容量及概率分布的要求的局限性,但由于其本身精度的限制,这类模型更适合于短期预测;BP神经网络预测模型具有很强的非线性映射能力,适合于求解内部机制复杂的问题。