摘要 一、畜牧业数据特征 1. 数据量大、数据类型多样畜牧业数据获取，是对畜牧业中饲料生产、饲养管理、疾病防疫、屠宰加工、运输销售等环节中过程描述、特征值提取的数字化记录。随
一、畜牧业数据特征
1. 数据量大、数据类型多样畜牧业数据获取，是对畜牧业中饲料生产、饲养管理、疾病防疫、屠宰加工、运输销售等环节中过程描述、特征值提取的数字化记录。随着物联网技术、互联网技术、移动通信技术的发展，收集与存贮的数据迅速增多。目前，每年产生并被存储的数据总量超过 800EB，相当于全人类讲过话的 160 倍。农业每年产生的数据量约为 8000PB，且每年以 50% ～ 80% 的速度增长，其中畜牧业产业每年产生数据约 230PB。畜牧业产业链长，环境复杂，影响因素多。数据类型复杂，有数值型、文本型和图像型。
2. 产业流信息流高度偶合畜牧业全产业链数据反映了畜牧业行业特征、信息流变化和产业关联关系。
3. 非结构化，数据价值大随着各种传感器布设、图像采集、音视频设备的安装，规模化养殖场中，以图形、图像、音频、视频等非结构化数据为主的信息急剧增加。以牛奶产业链为例，数值型数据：奶牛存栏、饲料用量、牛奶产量;文本型数据：产业链安全事件报道、疫情监测、行业报告;视频图片型数据：奶牛场环境条件、个体生长监测。其中非结构化数据蕴藏着巨大的价值——精准饲喂、智能养殖、产业健康。
二、畜牧业信息监测方法
1. 监测的数据全产业链数据：生产、消费、库存、贸易、价格、成本六大类数据，覆盖畜牧业全产业链。
1)生产数据：农业农村部畜禽生产调查体系和有关国际组织数据，畜牧业生产数据，包括存栏量、出栏量、环境监测、个体监测等。
2)消费数据：农村固定观察点系统、农业农村部兽医局屠宰监测系统、国家统计局抽样调查、各级农产品消费追溯系统等开展监测。
3)库存数据：国际组织数据，国别合作研究，采集我国月度和年度商业调节库存储备，世界主要生产国商业库存。
4)贸易数据：海关总署，联合国粮农组织、世界银行、经合组织及 G20-AMIS 等有关数据库，全球主要贸易国进出口数据。
2. 统计报表监测方法该监测方法依托完整的数据采集体系，对数据统计和报送。监测的数据主要来源于国家统计局、农业农村部等多部门，按报表方式进行。也有专业机构开展的调查，形成报表型数据。
3. 实时传感监测方法通过专用设备在地区、市场等多个维度获取肉类价格、交易量、等级等数据。通过传感器进行个体生长监测，体温、体重、体长等，养殖环境监测温度、湿度、氨氮浓度等，产业链追溯监测养殖地、出栏时间、检疫量等。
三、大数据分析技术与系统
1. 畜牧产品分析预警模型
1)生产量预测：投入类、管理类产量预测模型群，产量形成的复杂因素解析。
2)消费量预测：差异化消费量预测模，分析畜禽产品不同消费去向。
3)价格预测：循环神经网络价格分析，多维条件畜禽产品价格预测。
2. 生猪供需分析结论(2019 年)
短期：对保供稳价带来巨大的挑战，应该积极调整政策。
生产：2019 年受能繁母猪和生猪产能持续下降影响，预计猪肉产量下降 15%。
消 费：2019 年猪肉消费量较上年下降 5.6%，2020 年预计下降 12.6%。
贸易：2019 年预计进口 170 万 t 左右;2020 年进口量将会增加到 210 万 t。
价格：2019 年下半年猪价将进入上涨周期，阶段高点预期出现在 2020 年上半年。
畜牧数据蕴含着巨大的价值，只有将应用作为落地点，才能呈现数据的价值，解决畜牧绿色生产、安全管理过程遇到的诸多问题。大数据应用是思维、理念、方法、能力的改变，大数据在畜牧业领域的全面应用，将驱动畜牧业生产、经营、管理出现新的发展变革。
畜牧业信息监测与大数据分析技术及展望相关推荐发展现代畜牧业管理体制的研究
转载请注明来自：http://www.lunwenhr.com/hrlwfw/hrnylw/12210.html