畢業(yè)設(shè)計-文獻(xiàn)翻譯-一種監(jiān)測動物飲水模型(編輯修改稿)
2025-08-23 22:35 本頁面
【文章內(nèi)容簡介】 離，見圖5（a）角度ψ是V字型夾角的一半。引線距離的設(shè)定也已理解成模型對短期變化的敏感性，而V字臂膀的角度設(shè)定決定了可以允許多大的變化（長期）。這種方式的累積和，可以參見. Johnson and Leone (1974) 和Montgomery (1996).后者建議選擇d=2δ2ln?(1βα)和ψ=tan1(Δ2A)α代表錯誤得出已經(jīng)發(fā)生轉(zhuǎn)變的可能性（一種錯誤警報），β為已經(jīng)存在的未能監(jiān)測出變動的概率，Δ為希望捕捉到的變動。δ=Δσ是當(dāng)σ時過程偏移量的時候，我們希望監(jiān)測到的標(biāo)準(zhǔn)偏差變化的量級，在本案例中預(yù)測誤差由DLM產(chǎn)生。Montgomery（1996）推薦A值介于σ和2σ之間。既然模型預(yù)測誤差作為模型倒塌和設(shè)備控制的指示，我們就需要把累積和監(jiān)測固定在一定的比例上。一個既定數(shù)量尺寸條件下的預(yù)測誤差指示著相同尺度下豬的健康狀況中的不穩(wěn)定性，這一點很重要。在幼豬生產(chǎn)中，每頭豬平均每天飲水量增加量大約相同。在50天的生產(chǎn)周期里，141天中每天都表明記錄中飲水量數(shù)據(jù)的平均水平按照數(shù)值4的因素增加。邏輯結(jié)論表明，在開始處和在結(jié)束時的飲水量偏離值是在相對比例下是相同的，是按照數(shù)值4的因素偏離。另一個問題是，在不同的設(shè)施系統(tǒng)中，動物數(shù)量對記錄的飲水總量的影響有著很大的不同。由于預(yù)測誤差的方差被認(rèn)為是范圍相當(dāng)大，V字型累積和的構(gòu)造就顯得錯綜復(fù)雜了。為了解決這一難題，很明顯我們需要把預(yù)測誤差按照相對比例轉(zhuǎn)換，這樣以來我們就可以運用簡單的標(biāo)準(zhǔn)化誤差來代替絕對誤差。標(biāo)準(zhǔn)預(yù)測誤差期望值為0，當(dāng)然，方差為1，這樣就簡化了在12間隔下的比例因子A。具體的參數(shù)Δ，α，β的值取決于人們認(rèn)為多大的偏離零值的累積誤差能表現(xiàn)出豬的健康問題。這一問題在第4節(jié)中我們詳細(xì)敘述。4例證在之前的章節(jié)里重點主要是理論模型構(gòu)建，本章中，通過在實驗中一個農(nóng)場中的數(shù)據(jù)選取達(dá)到模型對特殊的情形給予警告的功能。我們選取數(shù)據(jù)遵循以下原則：時間序列是完整的，沒有信息丟失。包含監(jiān)測到腹瀉的一系列數(shù)據(jù)。包含豬受到應(yīng)激的一系列數(shù)據(jù)。包含豬沒有飼養(yǎng)的一系列數(shù)據(jù)。數(shù)據(jù)來源于有著405頭仔豬的豬群，從斷奶那一天算起（平均年齡為28天）。數(shù)據(jù)是連續(xù)性記錄，直到仔豬50天后離開設(shè)施。，累積和的敏感性取決于我們期望測出的預(yù)測誤差變化的大小（相對于0值的偏離），也取決于公布的錯誤得出轉(zhuǎn)變已經(jīng)發(fā)生的可能性和未能測出轉(zhuǎn)移發(fā)生的可能性。如果模型越敏感，那么我們得出錯誤的預(yù)警的概率就越高。我們決定采用1%的錯誤預(yù)警可能性和1%的未能測出移動的可能性。，比例因子A在12之間最為合適。A的選擇影響著V字型累積圖的“胳膊”的斜率因此也影響著累積圖的敏感性（A值越高，V字型累積圖界限越低）初始分析遵循以下設(shè)置。錯誤得出偏移已經(jīng)發(fā)生的可能性，α=。未能測出偏移的可能性，β=。期望測出的偏移量，Δ=。比例因子A=1。δ=Δσ==，引線間距d=2δ2ln1βα==ψ=tan1Δ2A=1=176。這些值近似為d=4，ψ=37176。對于DLM，在某些方便我們需要特別考慮。在Madsen 等人看來，最優(yōu)模型設(shè)置是以一種特殊的數(shù)據(jù)集為基礎(chǔ)，這種數(shù)據(jù)集同時被選為記錄在案的時間序列的代表。我們曾討論過調(diào)和成分對模型的循環(huán)部分做出了多少貢獻(xiàn)，然后我們發(fā)現(xiàn)具有三個調(diào)和成分的模型表現(xiàn)的最為出色。貼現(xiàn)因子的最優(yōu)設(shè)置為δT=，δC=（貼現(xiàn)因子表現(xiàn)的是信息衰減率）。為了評價最優(yōu)設(shè)置的穩(wěn)定性，由Madsen等人描述的優(yōu)化程序我們把它用在了第二章講述的12個完整的時間序列中。幾乎所有的時間序列由于不同的原因包含了一些不正常序列，比如說由于水管的泄漏，9號數(shù)據(jù)集有20小時的觀測序列是正常值的4倍。大多數(shù)的不規(guī)則序列是由于豬生理狀況變化引起的，比如說腸道疾病、喂食器堵塞、豬的運動、咬尾巴行為（這些事件都被工作人員一一記錄在日志本中）。表41 均方差MSE，DLM中帶有39個調(diào)和成分的值，按照12個時間序列計算。比如說，12個序列中7個序列在有四個調(diào)和項目的時候均方差最小。高等級的均方差是由不可預(yù)測的時間序列引起的。圖41 觀測值（實線部分）和僅用線性增長模型和時間節(jié)拍，基于DLM的1小時預(yù)測（有著12個調(diào)和成分）當(dāng)腹瀉爆發(fā)時，模型很難跟上新的模式，由此預(yù)測誤差總和良好的表現(xiàn)出了不規(guī)律飲水行為。表41描述了均方差（MSE）通過DLM的線性增長和循環(huán)子模型分別計算了3到9個調(diào)和成分。（均方差的計算是通過含有1到12個調(diào)和成分模型來完成的）不同的模型經(jīng)常包含著調(diào)和成分最大可能達(dá)到的時間，比如說，在DLM中包含3個調(diào)和成分，則調(diào)和成分的則相應(yīng)為218。從表中可以看出有七個序列是帶有四個調(diào)和成分的并且擁有著最低的均方差值。我們應(yīng)該注意到有4個序列需要至少4個調(diào)和成分來表述冬天記錄的每日飲水模型，而其他的8個序列則是在夏天記錄的。雖然在得出結(jié)論之前還需要更深入的研究，但是，這也許意味著豬飲水行為的模型也許是按照一年中時間來決定的。對于剩下的分析，我們將會運用包含4個調(diào)和成分的模型。兩個貼現(xiàn)因子的最優(yōu)取值是在每一數(shù)據(jù)集和每一模型以相同的方式使MSE減到最小，見Madsen等人所述。趨勢子模型的貼現(xiàn)因子δT。這些數(shù)據(jù)與Madsen等人有著很好的一致性，通過實驗表明預(yù)測性的表現(xiàn)對δC的敏感性要大于δT。對δC和δT的低估是許多不規(guī)則序列的特點，這些序列表現(xiàn)出很高的均方差值。低的貼現(xiàn)因子值增加了系統(tǒng)的多樣性，W，意味著模型變得更加適應(yīng)數(shù)據(jù)上突發(fā)性的變化，特別是δT的低值使得模型更加適應(yīng)同水平的變化。但是既然我們通過預(yù)測誤差來使模型反應(yīng)等級變化，較低的δT值就不可取了。因此，我們設(shè)置δT=，δC=，這也是使建立在規(guī)律數(shù)據(jù)集（編號5，表2）的參數(shù)同時適合生產(chǎn)實踐使用。在Madsen等人的研究中，討論了DLM中包括二次增長時期。這個二次模型相對于僅僅是線性增長模型來說在飲水量等級方面表現(xiàn)出更強的適合性。很明顯我們可以看出，不管模式怎么變化，二次模型在預(yù)測方面更準(zhǔn)確。但是當(dāng)DLM用在監(jiān)測偏離正常飲水行為的環(huán)境中，它就不應(yīng)該使自己適應(yīng)于豬增重方面的突然變化，也就是說數(shù)據(jù)集合模型預(yù)測之間的偏離是重點。問題在于如下例子：通過僅有線性增長模型（圖41）和二次增長模型（圖42）評價這一系列飲水?dāng)?shù)據(jù)和第9天變化的模式（由腹瀉引起）。兩個模型都包含12種調(diào)和成分。圖 42 觀測值（實線部分）和通過二次增長模型和時間節(jié)拍，基于DLM的1小時預(yù)測值（有著12個調(diào)和成分）當(dāng)腹瀉爆發(fā)時，模型很快跟上新的模式，同時飲水量的增加就沒有像線性增長模型那樣很好的表現(xiàn)出來。 圖43 標(biāo)準(zhǔn)預(yù)測誤差之和。由于在A點偏離飲水模型，系統(tǒng)發(fā)出了預(yù)警。腹瀉的爆發(fā)被監(jiān)測到并在B點治療。在這種情況下，總和在A點被重新設(shè)置為0，為了對進(jìn)程進(jìn)行描述，我們省略了此部分。線性增長模型在適應(yīng)新模
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1