《智慧農(nóng)業(yè)關(guān)鍵技術(shù)與裝備》課件-第11章 農(nóng)業(yè)預(yù)測預(yù)警

《智慧農(nóng)業(yè)關(guān)鍵技術(shù)與裝備》第十一章農(nóng)業(yè)預(yù)測預(yù)警機電工程學(xué)院目錄Content概述老師出鏡農(nóng)業(yè)預(yù)測方法農(nóng)業(yè)預(yù)警方法典型案例01020304第十一章農(nóng)業(yè)預(yù)測預(yù)警11.1概述11.1概述

前言：農(nóng)業(yè)預(yù)測預(yù)警是農(nóng)業(yè)信息處理方法中眾多的應(yīng)用領(lǐng)域之一，是在利用傳感器等信息采集設(shè)備獲取農(nóng)業(yè)現(xiàn)場數(shù)據(jù)的基礎(chǔ)上，采用數(shù)學(xué)和信息學(xué)模型，對研究對象未來發(fā)展的可能性進行推測和估計，并對不正確的狀態(tài)進行預(yù)報和提出預(yù)防措施。概念：農(nóng)業(yè)預(yù)測是以土壤、環(huán)境、氣象資料、作物或動物生長、農(nóng)業(yè)生產(chǎn)條件、化肥農(nóng)藥、飼料、航拍或衛(wèi)星影像等實際農(nóng)業(yè)資料為依據(jù)，以經(jīng)濟理論為基礎(chǔ)，以數(shù)學(xué)模型為手段，對研究對象未來發(fā)展的可能性進行推測和估計；是精確施肥、灌溉、播種、除草、滅蟲等農(nóng)事操作及農(nóng)業(yè)生產(chǎn)計劃編制、監(jiān)督執(zhí)行情況的科學(xué)決策的重要依據(jù)，也是改善農(nóng)業(yè)經(jīng)營管理的有效手段。因此，農(nóng)業(yè)預(yù)測是未來農(nóng)業(yè)物聯(lián)網(wǎng)基礎(chǔ)下，支持農(nóng)業(yè)生產(chǎn)、銷售活動各環(huán)節(jié)的重要技術(shù)手段之一。11.1概述

預(yù)測與預(yù)警的關(guān)聯(lián)：預(yù)測：農(nóng)業(yè)預(yù)測的精度直接影響決策的正誤和處理方案的質(zhì)量，由此可見，如何對農(nóng)業(yè)各個決策環(huán)節(jié)進行預(yù)測，并怎樣高精度的預(yù)測是現(xiàn)代精準農(nóng)業(yè)研究的重要問題。預(yù)測的方法多種多樣，每個預(yù)測方法都不可能完全包含預(yù)測目標(biāo)的所有影響因子，鑒于在農(nóng)業(yè)體系中預(yù)測目標(biāo)的復(fù)雜性與多樣性，選取什么樣的預(yù)測方法、建立什么樣的數(shù)學(xué)模型才能更適合現(xiàn)代精準農(nóng)業(yè)的預(yù)測要求是關(guān)鍵。預(yù)警：預(yù)警是預(yù)測發(fā)展的高級階段，是在預(yù)測基礎(chǔ)上，結(jié)合預(yù)先的領(lǐng)域知識，進一步給出的判斷性說明，以避免危害在不知情或準備不足的情況下發(fā)生，從而最大程度地減低危害所造成的損失的行為，使預(yù)測的內(nèi)容更加豐富而廣泛。所謂農(nóng)業(yè)預(yù)警是指對農(nóng)業(yè)的未來狀態(tài)進行測度，預(yù)報不正確狀態(tài)的時空范圍和危害程度以及提出防范措施，最大程度上避免或減少農(nóng)業(yè)生產(chǎn)活動中所受到的損失，從而在提升農(nóng)業(yè)活動收益的同時降低農(nóng)業(yè)活動的風(fēng)險。農(nóng)業(yè)預(yù)警就是要研究警情的排除，消除已經(jīng)出現(xiàn)的警情、預(yù)防未來可能出現(xiàn)的警情。11.1概述

農(nóng)業(yè)預(yù)測預(yù)警目的：農(nóng)業(yè)預(yù)測預(yù)警是農(nóng)業(yè)物聯(lián)網(wǎng)的重要應(yīng)用之一，也是核心技術(shù)手段之一。其目的是通過對獲得的大量農(nóng)業(yè)現(xiàn)場數(shù)據(jù)、農(nóng)業(yè)生產(chǎn)數(shù)據(jù)、農(nóng)業(yè)銷售數(shù)據(jù)等進行數(shù)學(xué)和信息學(xué)處理，得到適用于不同時期（長期、中期、短期）的農(nóng)業(yè)研究對象客觀發(fā)展規(guī)律和趨勢，根據(jù)人對農(nóng)業(yè)的具體需求，通常是最大化農(nóng)業(yè)生產(chǎn)價值，對未來某個時期進行狀態(tài)估計和預(yù)測，對不正確的發(fā)展?fàn)顟B(tài)及時提醒相關(guān)參與者，并提供發(fā)生的時空范圍、危害程度和處理方案，以期最大程度地提升農(nóng)業(yè)活動收益和降低農(nóng)業(yè)活動風(fēng)險。第十一章農(nóng)業(yè)預(yù)測預(yù)警11.2農(nóng)業(yè)預(yù)測方法11.2.1農(nóng)業(yè)預(yù)測的基本原則

任何事物的發(fā)展都與其過去的行為有著一定的聯(lián)系。過去的行為不僅影響到現(xiàn)在，還影響到未來，這表明，任何事物的發(fā)展都帶有一定的延續(xù)性，即慣性。慣性越大表明過去對未來的影響越大，反之亦然。慣性原則的存在，不僅為預(yù)測方法提供了思路，也為預(yù)測的可行性提供了一定的理論基礎(chǔ)。慣性原則相關(guān)原則是研究事物發(fā)展復(fù)雜性的一個必不可少的原則。任何事物的發(fā)展變化都不是孤立的，都是與其他事物發(fā)展變化相互聯(lián)系、相互影響而確定其運動軌跡的。相關(guān)性有多種表達形式，其中最為廣泛的是因果關(guān)系。即任何事物的發(fā)展變化都是有原因的，其變化狀況是原因的結(jié)果，相關(guān)回歸預(yù)測模型就是以這一原則為前提的。相關(guān)原則所謂預(yù)測的類推原則，即許多事物的發(fā)展規(guī)律有著相似之處，用一個事物的變化規(guī)律來類推另外一個事物的變化規(guī)律。應(yīng)用這一原則可使我們的預(yù)測工作大大簡化，在預(yù)測中常常采用經(jīng)驗曲線來進行預(yù)測，這就是以類推原則作為理論依據(jù)的。類推原則由于各種因素的干擾，常常使事物的各個方面的變化呈現(xiàn)出隨機形式。隨機變化的不確定性往往給預(yù)測工作帶來很大的困難，這時就需要應(yīng)用隨機方法對一些不確定的問題進行研究，并探討預(yù)測方法。這種依據(jù)概率進行推斷的原則就是概率推斷原則。概率推斷原則質(zhì)、量分析相結(jié)合是指預(yù)測中要把量的分析（定量預(yù)測法）與質(zhì)的分析法（定性預(yù)測法）相結(jié)合起來使用，才能取得良好的效果。質(zhì)、量分析相結(jié)合原則0103020405第十一章農(nóng)業(yè)預(yù)測預(yù)警11.2.2農(nóng)業(yè)預(yù)測模型選擇11.2.2農(nóng)業(yè)預(yù)測模型選擇

以定性分析為先導(dǎo)01以管理決策為根本目標(biāo)02以科學(xué)方法論為理論指導(dǎo)03以數(shù)學(xué)模型為主要工具0411.2.2農(nóng)業(yè)預(yù)測模型選擇

為此，從系統(tǒng)論的觀點出發(fā)，建立預(yù)測的數(shù)學(xué)模型首先最重要的是確定四個問題：明確研究對象，研究對象的屬性，研究對象的活動和研究對象所處的環(huán)境。在建立數(shù)學(xué)模型的過程中，如果研究對象的機理比較簡單，一般用靜態(tài)、線性、確定性模型等描述就能達到建模目的，基本上可以使用初等數(shù)學(xué)的方法求解和構(gòu)造這類模型。當(dāng)描述實際對象的某些特性隨時間或空間而演變的過程，分析它的變化規(guī)律，預(yù)測它的未來形態(tài)時，要建立對象的動態(tài)模型，通常要用到微分方程模型。研究系統(tǒng)運行的過程并對其中有典型意義的問題進行優(yōu)化，從而找出共性相關(guān)的問題時可以采用運籌學(xué)的方法建立數(shù)學(xué)模型，其目的使決策者科學(xué)地確定其方針和行動，使之符合客觀規(guī)律，獲得最優(yōu)解。在解決實際農(nóng)業(yè)預(yù)測問題的過程當(dāng)中，不同屬性的問題可以采取不同的數(shù)學(xué)模型與之相對應(yīng)，但不是數(shù)學(xué)模型越復(fù)雜就越好，要盡可能地使用簡單的數(shù)學(xué)模型。建立數(shù)學(xué)模型的重點在于問題的解決以及便于理解和接受。第十一章農(nóng)業(yè)預(yù)測預(yù)警11.2.3農(nóng)業(yè)預(yù)測的基本步驟11.2.3農(nóng)業(yè)預(yù)測的基本步驟

在建模前應(yīng)對農(nóng)業(yè)領(lǐng)城實際問題的背景有一定的了解，對該問題進行深入的、全面的調(diào)查和研究，收集與該問題相關(guān)的數(shù)據(jù)和資料。對其內(nèi)在規(guī)律有本質(zhì)上的認識。只有在對所有的資料進行研究和分析之后，明確問題所在，也就是對系統(tǒng)進行可行性分析，才能了解究竟要建什么樣的模型以及建模的目的是什么。明確對象，界定問題這是整個決策過程中十分重要的一環(huán)，在具體建模農(nóng)業(yè)預(yù)測模型時，要利用具體農(nóng)業(yè)領(lǐng)域應(yīng)用背景知識，搞清楚變量的性質(zhì)，變量與變量之間的關(guān)系，目標(biāo)與約束之間的關(guān)系等。建立模型需要有兩方面的能力∶一方面是專業(yè)的學(xué)習(xí)能力，另一方面是良好的判斷能力。除此之外還要了解建模的基本要求。例如結(jié)構(gòu)要簡潔，要注意分析模型的有效性等。建立決策分析模型農(nóng)業(yè)領(lǐng)域現(xiàn)實問題錯綜復(fù)雜，要想用一個數(shù)學(xué)模型把現(xiàn)實問題的各個方面都體現(xiàn)出來是不可能的。只有抓住主要因素和必要因素，忽略次要因素，對所研究問題進行歸類處理，盡量簡化問題，突出主要矛盾才能在相對簡單的情況下，理清變量間的關(guān)系，建立相應(yīng)的數(shù)學(xué)模型。歸類處理，概念細化模型求解就是分析人員借助模型獲得解決問題有效方法的過程。模型求解的方法包括數(shù)值法和分析法，其中數(shù)值方法一般是通過某種模型逐步尋找并不斷改進的過程來求解，分析方法則是按照數(shù)學(xué)公式一步到位求出具體的解。把由模型得到的結(jié)果同定性分析和實際掌握的情況相對照，可以評判模型本身的好壞，從而為修訂模型提供意見。模型求解和檢驗決策報告必須建立在決策分析結(jié)果的基礎(chǔ)之上，以使管理決策者了解和相信決策方案的依據(jù)所在。另外在報告中，應(yīng)該講清楚決策方案實施過程中需要注意的問題。形成決策分析報告0103020405第十一章農(nóng)業(yè)預(yù)測預(yù)警11.2.4農(nóng)業(yè)預(yù)測的基本方法11.2.4農(nóng)業(yè)預(yù)測的基本方法

1.農(nóng)業(yè)預(yù)測方法的分類（1）按所涉及范圍的不同，可分為宏觀預(yù)測和微觀預(yù)測宏觀是指從整個農(nóng)業(yè)發(fā)展的總體作為考核對象，研究農(nóng)業(yè)發(fā)展中各項指標(biāo)之間的關(guān)系及其發(fā)展變化；微觀是考核某個農(nóng)業(yè)領(lǐng)城基本組成單元的生長發(fā)展的前景，研究個別單元或類別微觀農(nóng)業(yè)中各項指標(biāo)之間的關(guān)系和發(fā)展變化。（2）按時間長短的不同，可分為長期農(nóng)業(yè)預(yù)測、中期農(nóng)業(yè)預(yù)測、短期農(nóng)業(yè)預(yù)測和近期農(nóng)業(yè)預(yù)測長期常常是指5年以上的農(nóng)業(yè)前景發(fā)展變化的預(yù)測;中期指1年到5年的農(nóng)業(yè)發(fā)展預(yù)測，常常是制定農(nóng)業(yè)生產(chǎn)計劃的依據(jù)；短期是指3個月到1年之間的農(nóng)業(yè)發(fā)展預(yù)測，常用于農(nóng)業(yè)生產(chǎn)管理部門制定年、季度計劃的依據(jù)，近期是指3個月以下的農(nóng)業(yè)預(yù)測，如旬、月度計劃等。（3）按預(yù)測方法的性質(zhì)不同，可分為定性預(yù)測和定量預(yù)測定性是指預(yù)測者根據(jù)自己的經(jīng)驗和理論知識，通過調(diào)查、了解實際情況，對農(nóng)業(yè)情況的發(fā)展變化做出判斷和預(yù)測;定量是指運用統(tǒng)計模型和方法，在準確、實時調(diào)查資料、信息的基礎(chǔ)上，進行預(yù)測，如時間序列預(yù)測、因果關(guān)系預(yù)測等。（4）按時態(tài)的不同，可分為靜態(tài)預(yù)測和動態(tài)預(yù)測靜態(tài)預(yù)測是指沒有時間變動的因素，對相同時期農(nóng)業(yè)生產(chǎn)指標(biāo)的因果關(guān)系進行的預(yù)測;動態(tài)預(yù)測是指考慮到時間的變化，按照農(nóng)業(yè)發(fā)展的歷史和現(xiàn)狀，對未來情況進行的預(yù)測。

11.2.4農(nóng)業(yè)預(yù)測的基本方法

2.回歸預(yù)測方法回歸預(yù)測法是根據(jù)各種觀察指標(biāo)之間的關(guān)系，通過對跟預(yù)測對象相關(guān)的事物的趨勢分析，推測預(yù)測對象未來發(fā)展變化的預(yù)測方法。回歸分析是指某隨機變量與其他自變量之間的數(shù)量變動關(guān)系，這種變動關(guān)系就稱為回歸模型?；貧w模型的分類包括∶①按自變量個數(shù)的多少，分為一元和多元回歸模型；②按是否是線性，可分為線性回歸模型和非線性回歸模型；③按是否帶有虛擬變量，可分為普通回歸模型和虛擬變量回歸模型。普通回歸模型的自變量都是數(shù)值類型，而虛擬變量回歸模型的自變量既有數(shù)值類型，也有品質(zhì)變量類型。11.2.4農(nóng)業(yè)預(yù)測的基本方法

3.時間序列分解法與趨勢外推法

（1）時間序列分解法預(yù)測指標(biāo)的時間序列變化受許多因素的影響，可以將這些影響時間序列變化的因素分為四類∶長期趨勢因素（T）、季節(jié)變動因素（S）、周期變動因素（C）、不規(guī)則變動因素（I）。時間序列分解的方法有很多，常見模型方法有加法模型和乘法模型。（2）趨勢外推法當(dāng)預(yù)測指標(biāo)依時間變化呈上升或下降趨勢，沒有明顯的季節(jié)波動，又能找到合適的函數(shù)曲線反映這類變化趨勢時，就可以用趨勢外推法進行預(yù)測。使用這種方法需要滿足兩個假設(shè)∶事物發(fā)展過程沒有跳躍式變化;某事物的發(fā)展因素，同樣也決定事物未來的發(fā)展，它們的條件不變或者變化較小。趨勢外推法的要點是選擇合適的趨勢模型。模型的選擇可使用圖形識別法和差分法。11.2.4農(nóng)業(yè)預(yù)測的基本方法

4.時間序列平滑預(yù)測法時間序列是按時間先后順序，將某一統(tǒng)計指標(biāo)的數(shù)值進行排列而形成的數(shù)列。例如，某種化肥銷售量按季度或月度排列起來的數(shù)列；某地區(qū)糧食年產(chǎn)量按年度順序排列起來的數(shù)列等。時間序列分析的是統(tǒng)計數(shù)據(jù)隨時間變化的規(guī)律，是一個動態(tài)的過程。其中各時期的數(shù)據(jù)值都是當(dāng)時各種不同因素同時作用后的綜合結(jié)果。在進行時間序列分析時，通常將其分為以下幾類。長期趨勢∶指在某種根本性因素的影響下，事物在較長一段時間內(nèi)都會以一定的變化趨勢發(fā)展的傾向。季節(jié)變動∶指在自然環(huán)境或社會因素的影響下，以季節(jié)為周期，時間序列會表現(xiàn)出的規(guī)律變動。循環(huán)變動∶指在某種因素的影響下，時間序列發(fā)生的周期產(chǎn)生不固定的波動變化，變動的周期短則數(shù)月，長則數(shù)年，并且周期也有可能發(fā)生變化。不規(guī)則變動∶指在各種偶然性因素，如戰(zhàn)爭、自然災(zāi)害等的影響下，時間序列表現(xiàn)出來的無周期性的變動。隨機變動是指由于大量隨機因素的影響，如人的個體意志，產(chǎn)生的綜合、短期和不規(guī)則影響而引起的變動。11.2.4農(nóng)業(yè)預(yù)測的基本方法

根據(jù)資料求出長期趨勢、季節(jié)變動、循環(huán)變化和不規(guī)則變動的數(shù)學(xué)模型后，就可以計算出未來時間序列的預(yù)測值Yt，記Tt為長期趨勢，St為季節(jié)變動；Ct為循環(huán)變動；It為不規(guī)則變動。時間序列Y可以表示為以上4個因素的函數(shù)，即Yt=f(Tt，St，Ct，It)通過Tt，St，Ct，It來求解Yt，較常用的模型有加法模型和乘法模型。加法模型為Yt=Tt+St+Ct+It，表示長期趨勢、季節(jié)變動、循環(huán)變化和不規(guī)則變動之間不存在相互作用關(guān)系，時間序列的預(yù)測值僅為其數(shù)值的簡單疊加。乘法模型為Yt=Tt*St*Ct*It，表示長期趨勢、季節(jié)變動、循環(huán)變化和不規(guī)則變動之間存在相互作用關(guān)系，時間序列的預(yù)測值需要考慮其相互影響。從計算方法上看，時間序列中常用的平滑預(yù)測法包括移動平均法、自適應(yīng)過濾法和指數(shù)平滑法等。指數(shù)平滑法的原理：任一期的指數(shù)平滑值都是本期實際觀察值與前一期指數(shù)平滑值的加權(quán)平均，通過對指數(shù)平滑值進行計算，結(jié)合一定的時間序列預(yù)測模型對現(xiàn)象的未來進行預(yù)測。

指數(shù)平滑法的優(yōu)點：只要有上期實際數(shù)和上期預(yù)測值，就可計算下期的預(yù)測值，并且節(jié)省了儲存和處理數(shù)據(jù)的消耗，一直以來都是一種受歡迎的短期預(yù)測方法。11.2.4農(nóng)業(yè)預(yù)測的基本方法

5.自適應(yīng)過濾法

自適應(yīng)過濾法是根據(jù)一組給定的權(quán)數(shù)對時間數(shù)列的歷史觀察值，進行加權(quán)平均計算一個預(yù)測值，然后根據(jù)預(yù)測誤差調(diào)整權(quán)數(shù)以減少誤差，這樣反復(fù)進行直至找出一組"最佳"權(quán)數(shù)，使誤差減少到最低限度，再利用最佳權(quán)數(shù)進行加權(quán)平均預(yù)測。6.博克斯-詹金斯法該方法由美、英兩位統(tǒng)計學(xué)家創(chuàng)建，是理論完善、應(yīng)用廣泛的一種預(yù)測方法，它包含三種模型∶自回歸模型、滑動平均模型、自回歸滑動平均混合模型（ARMA模型）。其中自相關(guān)系數(shù)的確定、自相關(guān)分析圖的建立以及使用Yule-Walker所建立的自回歸模型等，有較大的應(yīng)用價值。7.灰色預(yù)測法灰色系統(tǒng)理論是由我國華中科技大學(xué)鄧聚龍先生創(chuàng)建的，目前已獲得極廣泛的應(yīng)用?；疑到y(tǒng)預(yù)測實際上就是一種單因素趨勢外推的預(yù)測方法。其基本思想是把已知現(xiàn)在和過去的、無明顯規(guī)律的時間數(shù)據(jù)列（原始數(shù)據(jù)列）進行一系列加工，得到有規(guī)律的時間數(shù)據(jù)列（生成數(shù)據(jù)列），然后再用微分方程對生成數(shù)據(jù)序列進行擬和，得到灰色系統(tǒng)動態(tài)預(yù)測模型GM（n，h）來進行中、長期預(yù)測。理論和實踐都顯示，灰色模型對原始數(shù)據(jù)的要求較高，只有在其呈指數(shù)規(guī)律變化的情況下，預(yù)測模型才能達到較高的預(yù)測精度;而當(dāng)原始序列不呈指數(shù)規(guī)律變化時，預(yù)測結(jié)果就可能會出現(xiàn)較大的偏差。11.2.4農(nóng)業(yè)預(yù)測的基本方法

8.卡爾曼濾波法

卡爾曼濾波理論是由Kalman把狀態(tài)空間模型引入濾波理論推導(dǎo)出的一種遞推估計算法（Kalman，1960）。卡爾曼濾波的基本思想是利用前一時刻得到的估計值和現(xiàn)時刻的觀測值來更新估計狀態(tài)變量，求出現(xiàn)時刻的估計值。它按照"預(yù)測——實測—修正"的步驟，根據(jù)現(xiàn)時刻的觀測值來消除隨機干擾，進而完成對模型的修正?？柭鼮V波要求模型的結(jié)構(gòu)與參數(shù)，以及隨機向量的統(tǒng)計特征都是已知的?？柭鼮V波無須存儲歷史數(shù)據(jù)，這些優(yōu)點使它成為解決狀態(tài)空間模型估計與預(yù)測問題的有力工具之一。9.混沌理論預(yù)測法

農(nóng)業(yè)預(yù)測研究的對象在由相互之間非線性作用的多種因素構(gòu)成的開放的復(fù)雜系統(tǒng)中較為常見，簡單、封閉、線性的系統(tǒng)僅占極少數(shù)，對象的變化行為大多是動態(tài)、不連續(xù)、不穩(wěn)定、不可逆的，穩(wěn)定、平衡只是少數(shù)、暫時的現(xiàn)象。因此，依靠在傳統(tǒng)科學(xué)范式基礎(chǔ)上建立預(yù)測理論和方法或只用線性疊加組合的辦法，很難實現(xiàn)現(xiàn)實生產(chǎn)生活中對預(yù)測值的要求?；煦缋碚撌顷P(guān)于非線性系統(tǒng)的一門新興科學(xué)，常見的混沌理論預(yù)測方法包括BRF神經(jīng)網(wǎng)絡(luò)模型、局域線性模型、最大lyapunov指數(shù)模型和Voltrra濾波器自適應(yīng)預(yù)測模型。在三種典型的非線性系統(tǒng)中（logistic、henon、lorenz）進行仿真測試，結(jié)果4種方法都能達到很好的預(yù)測效果，Voltera濾波器自適應(yīng)預(yù)測模型和BRF神經(jīng)網(wǎng)絡(luò)模型在精度上都是具有一定優(yōu)勢的。第十一章農(nóng)業(yè)預(yù)測預(yù)警11.3農(nóng)業(yè)預(yù)警方法11.3.1農(nóng)業(yè)預(yù)警基本方法

預(yù)警的基本邏輯過程包括明確警義、尋找警源、分析警兆、預(yù)報警度以及排除警情等一系列相互銜接的過程。這里明確警義是大前提，是農(nóng)業(yè)預(yù)警研究的基礎(chǔ)，而尋找警源、分析警兆屬于對警情的因素分析及定量分析，預(yù)報警度則是預(yù)警目標(biāo)所在，排除警情是目標(biāo)實現(xiàn)的過程。以水產(chǎn)養(yǎng)殖水質(zhì)預(yù)警為例，其具體的預(yù)警邏輯過程如右圖所示。1.明確警義明確警義，即確定警情，是預(yù)警的起點，警情是事物發(fā)展過程中出現(xiàn)的異常情況，在開始預(yù)警之前必先明確警情。警情可以從兩個方面考查，一是警素，即構(gòu)成警情的指標(biāo)，即河蟹養(yǎng)殖用水由哪些指標(biāo)來構(gòu)成警情；二是警度，即警情的嚴重程度都有哪些，如集約化河蟹養(yǎng)殖的水質(zhì)預(yù)警的警度可以分為無警、輕警、中警、重警等。11.3.1農(nóng)業(yè)預(yù)警基本方法

2.尋找警源尋找警源，即尋找警情產(chǎn)生的根源。導(dǎo)致集約化河蟹養(yǎng)殖水質(zhì)警情發(fā)生的原因主要有∶水源水質(zhì)出現(xiàn)問題，導(dǎo)致入水的鹽度、pH等參數(shù)不合格;水源的水處理設(shè)備出現(xiàn)問題，導(dǎo)致溶氧過低、pH、鹽度不合標(biāo)準;外界環(huán)境發(fā)生重大變化，如氣溫突然升高、氣壓突然降低等現(xiàn)象導(dǎo)致水池水質(zhì)發(fā)生變化;其他設(shè)備問題，如增氧設(shè)備發(fā)生問題、人水水泵發(fā)生問題等。3.分析警兆警兆是處于萌芽狀態(tài)的警情，是警情爆發(fā)之前的先兆，分析警兆是預(yù)警過程中的關(guān)鍵環(huán)節(jié)。從警源的產(chǎn)生到警情的爆發(fā)，其間必有警兆的出現(xiàn)。一般，不同的警情對應(yīng)著不同的警兆。警兆可以是警源的擴散，也可以是警源擴散過程中其他相關(guān)的共生現(xiàn)象。一般來說，同一警情指標(biāo)往往對應(yīng)多個警兆指標(biāo)，而同一警兆指標(biāo)可能對應(yīng)多個警情指標(biāo)。當(dāng)警情指標(biāo)發(fā)生異常變化之前，總有一定的先兆（即警兆），這種先兆與警源可以有直接關(guān)系，也可以有間接關(guān)系，可以有明顯關(guān)系，也可以有隱形的未知黑色關(guān)系。警兆的確定可以從警源入手，也可以依經(jīng)驗分析，分析警兆極其報警區(qū)間便可預(yù)報預(yù)測警情。如鹽度出現(xiàn)逐步下降趨勢、溶氧的變化規(guī)律曲線出現(xiàn)異常等，這些現(xiàn)象往往預(yù)示的警情的發(fā)生。11.3.1農(nóng)業(yè)預(yù)警基本方法

4.預(yù)報警度預(yù)報警度是預(yù)警的目的，在河蟹疾病預(yù)警中，首先根據(jù)在警情確定時所得出的預(yù)警警限，通過對各類指標(biāo)的分析，確定每一時期的警級大小，然后根據(jù)過去的各種指標(biāo)預(yù)測未來某一時刻的警級。并實時報告當(dāng)前預(yù)警警度（狀態(tài)預(yù)警）、未來預(yù)警警度（預(yù)測預(yù)警）和各因素變化趨勢（趨勢預(yù)警）等。5.排除警情排除警情是指根據(jù)已經(jīng)確定的警級大小，研究應(yīng)對策略，并且針對每一種警情，都給出相應(yīng)的對策建議，以消除警情。對于水質(zhì)預(yù)警來說，就是按照"預(yù)防為主，綜合防治，防重于治"的原則，通過分析當(dāng)前水產(chǎn)養(yǎng)殖水質(zhì)本身和各種因素的影響，確定警情的嚴重程度和水質(zhì)的特征，向用戶提供預(yù)警預(yù)案以及防治措施建議，并最終達到將警情消除的目的。第十一章農(nóng)業(yè)預(yù)測預(yù)警11.4典型案例11.4

典型案例

1）采用馬爾柯夫模型預(yù)測農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)

鞠金燕和祝榮欣（2013）對我國農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)的預(yù)測問題進行了研究，利用馬爾柯夫模型計算出其狀態(tài)轉(zhuǎn)移概率矩陣的估算模型與優(yōu)化方法。結(jié)合我國1999~2009年農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)的統(tǒng)計數(shù)據(jù)，運用此模型預(yù)測了農(nóng)、林、牧、漁各業(yè)的產(chǎn)值結(jié)構(gòu)，結(jié)果表明此模型的運用對農(nóng)業(yè)產(chǎn)值結(jié)構(gòu)的平均擬合誤差為3.08%，將2009