基于改进随机森林集成模型的疾病风险预测

李 丹， 卢 琰， 吴佩珊， 李春玲， 杜宝林，3

（1.广东省科技基础条件平台中心，广州 510006；2.广东省农业科学院动物卫生研究所，广州 510640；3.广东省计算技术应用研究所，广州 510033）

0 引 言

随着国民生活水平的提高，国内畜禽养殖业得到了快速发展，其总产值目前占农林牧渔业的30%以上［1］，并朝着规模化、集约化以及智能化模式加速推进。在这种形势下，畜禽疫病防控问题愈加凸显，存在爆发风险大、人畜共患病危险高等，对产业的生产效益、产品出口以及公共卫生安全构成严重威胁［2-3］。

提高畜禽重大疫病诊断、防控与高效安全养殖综合技术水平对畜禽养殖业健康发展尤为重要。目前畜禽疾病的检测主要依靠兽医以及行业专家的巡视与诊断，存在诊断滞后、交叉感染等不足，无法开展高质量的群体化和个性化疾病防控管理工作［4］。

与此同时，随着计算机与人工智能技术的发展，畜禽疾病检测技术不断升级，研究人员通过运用关联、聚类以及分类等数据挖掘策略建立了各种有效的畜禽疾病风险预测模型，例如BP神经网络［5-6］、决策树［7］、支持向量机［8］、随机森林［9］以及深度学习［10］等。叶婵等［11］针对传统专家系统推理能力弱以及自学习能力差等，提出一种基于BP 神经网络算法的虾病害诊断以及防治专家系统。李尚汝等［12］利用机器学习算法建立奶牛疾病预测模型，并评估了人工神经网络（Artificial neural network，ANN）、决策树、逻辑回归等算法的性能，由实验结果可知，基于机器学习的预测模型在畜禽疾病风险预测应用中展现了极大的潜力。……