基于模糊层次分析法的猪舍健康状态量化评价方法与应用

2013-11-30马从国赵德安王建国

家畜生态学报 2013年10期

马从国，赵德安，王建国

(1. 淮阴工学院，江苏淮安223001；2. 江苏大学，江苏镇江212013)

健康的猪舍能够提供良好的生长环境有利于加快生猪的生长速度、提高饲料回报率和生猪的免疫力、减少药物和其它保健品的使用和确保生猪养殖的经济效益和猪肉品质，不健康的猪舍往往造成生猪生长状况不良、疾病控制困难和严重影响生猪养殖的经济效益，它在生猪养殖生产中具有举足轻重的意义[1]。猪舍常常导致的生猪养殖的损失是一种隐性的，不少养殖户对于猪舍的健康状态还没有引起足够的关注，因此对猪舍健康状态的综合评价对养殖户十分必要，但是国内外对猪舍健康状态的评价的方法还未见报道[2]。影响猪舍健康状态的诸多因素是相互联系、相互依存、相互作用的，科学、有效地评价猪舍健康状态的方法是确保评价结果客观性的有力保证。常用的综合评价方法主要有加权平均法、层次分析法、模糊综合评判法等，但都存在一定的不足；本文通过深入分析影响猪舍健康状态的关键因素，建立多层次递阶层次指标体系，通过对指标权重和隶属度进行科学的量化与综合，运用层次分析与模糊综合评价理论相结合构建猪舍健康状态综合量化评价方法，得到被评价猪舍健康状态的评判结果，养殖户可以通过评价结果追溯到影响猪舍健康状态的不健康因素并消除猪舍的健康状态隐患，为生猪提供良好的生长环境，对推动生猪养殖业的健康发展奠定一定基础[3-4]。

1 猪舍健康状态评价指标体系的构建

为了对猪舍健康状态进行较准确的综合评价，项目组组织由猪舍设计与制造、生猪养殖、经济管理等相关方面的专家组成专家组反复讨论，根据反映猪舍健康状态的整体性、全面性、综合性的原则，从影响生猪生产过程的各要素的内在联系中进行系统分析各种影响因素。总结为5个评价方面因素，其具体内容如下：(1)实用性猪舍的实用性表现为配备生猪养殖过程需要具有比较先进和完善的装备减轻劳动强度和提高养殖效益，小气候环境满足生猪生长过程要求，选择合适材料建造墙壁、舍顶和门窗等，具有较强的抵御灾害能力，方便养殖户使用。(2)经济性猪舍的经济性表现为满足生猪养殖的基本需求，在猪舍的制造过程中降低制造成本、运转能耗低和到达节能高效的目的。(3) 场址选择养殖场选址必需符合《中华人民共和国畜牧法》的有关规定，综合考虑所建猪场的规模和气候条件选择有利于生猪生长的有利地形地势，并且具有防灾和减灾能力，土壤和水源水质成分满足生猪生长的要求、通信条件良好、交通运输方便。(4) 猪舍管理猪舍管理是保障猪舍健康状态的软件，它包括生猪的饲养管理、提供生猪福利和控制生猪疾病的能力，它的布局合理并满足生猪养殖工艺要求，实现绿色养殖、福利养殖和高效养殖。(5)创新性猪舍的创新性表现运用新材料、新技术、新结构和整齐美观，符合传统习惯、时代的审美要求和周围环境协调的造型，设计方案应体现满足生猪养殖发展要求的超前性。为此从猪舍的“实用性”、“经济性”、“猪舍管理”、“场址选择”和“创新性”等5个方面的指标分4个层次来构建猪舍健康状态指标体系对其进行综合评价，确定猪舍健康状态的相应等级，将影响猪舍健康状态的因素划归为5个二级指标，这5个二级指标进一步划分为20个三级指标，三级指标进一步被划分为29个四级指标。构建的猪舍健康状态指标体系[5-6]的递阶层次结构如图1所示。

图1 猪舍健康状态评价的递阶层次结构Fig.1 The hierarchical level structure of piggery health status evaluation

2 基于模糊层次分析法的综合评价

2.1 指标主观权重的确定

基于图1的猪舍健康状态评价的递阶层次结构，针对专家在对两两因素的重要性进行比较时主观判断的不确定性问题，通过向评价专家发放调查问卷确定模糊判断矩阵中反映各指标相对上一层因素重要性的各个元素的数值，每位专家通过比较两两指标对影响上一层因素的相对重要程度无需给出判断矩阵的确切值，本研究引入三角模糊数量化评价因素比较的结果并形成模糊判断矩阵，利用模糊数比较大小原理确定各指标的排序并获得对应指标的权重值[7，8]。设与上层指标相关联的本层猪舍健康状态指标集为X=x1,x2…xm,三角模糊数Mij=lij,mij,uij表示指标i相对于指标j重要程度的专家模糊判断结果，通过对指标集的两两比较得到模糊判断矩阵A。

(1)

在模糊判断矩阵中第i指标相对于本层其它指标的模糊相对权重向量为：

(2)

根据三角模糊数M1≥M2的可能度定义:

(3)

求出模糊判断矩阵各个元素的综合重要程度值，也就是计算A中第i个元素重要于其他各元素的可能性程度。

(4)

由此得出每个元素的权重：

WAi(d(A1)),(d(A2))…(d(An))T

(5)

2.2 指标专家组权重的确定

运用规范三角模糊数的相似度定义:

S(M1,M2)=1(|l1-l2|+|m1-m2|+|u1-u2|)/3

(6)

对不同专家评分得到的模糊相对权重向量[9-10]Sk和Sj进行两两比较得到相似度构造权重向量的一致度矩阵AM。

(7)

(8)

式中：k,j=1,2…n。

根据专家的平均一致度计算各专家的相对一致度(RADk)：

(9)

式中：k=1,2…n。根据专家的相对一致度和专家权重定义专家的汇总权重系数ACk。

ACk=β·λk(1-β)·RADk

(10)

式中：λ为专家组的主观权重，当β=0时不考虑专家权重而只考虑专家意见的一致性[11]，当β=1时不考虑专家意见的一致性而只考虑权重，通常情况下两者都应考虑到。可根据汇总系数汇总各专家意见得到专家组的权重。

(11)

2.3 指标层专家组隶属度物元的构建

根据猪舍健康状态的指标体系设计调查问卷，通过问卷调查可得到专家对具体指标等级隶属度的评价值，在表1中给出了专家评价语言变量与三角模糊数对应关系。

设有m(m≥2)个专家参与评判某个指标的n个隶属度等级，第i个专家给出第j个等级三角函数的隶属度为，构造m个专家评价某指标等级的隶属度的专家组矩形阵如公式(12)。

表1 语言变量与对应的三角模糊数Table 1 Linguistic variables corresponding triangular fuzzy numbers

(12)

根据两个三角模糊数M1和M2的距离公式为：

(13)

可求出任意两个专家指标隶属度的平均距离并构建距离矩阵DM。

(14)

(15)

以公式(15)作为第K个专家指标等级隶属度的客观权重。根据专家的主观权重wk和指标等级隶属度的客观权重ηk，最终权重可按公式(16)：

γ=a·wk+(1-a)·ηk

(16)

确定评价专家的最终权重，α反映出对主观权重和客观权重的偏好程度，它越大表示越重视决策者的主观权重。特别地若α=1则只考虑主观权重；若α=0则只考虑客观权重。根据最终权重对专家组为每位专家评价某个指标的隶属度进行综合得到专家组的三角模糊隶属度值：

(17)

把三角模糊数的隶属度值代入公式(18)转换为模糊隶属度。

I(Mi)=(li+2mi+ui)/4

(18)

2.4 猪舍健康状态量化

猪舍健康状态的综合评价值与其在现行使用条件下保持生猪高效健康养殖的能力程度有关，将猪舍的特定性能定性为影响猪舍健康状态的指标，那么可以采用健康值(HealthValue,HV)来定量描述影响猪舍健康状态指标体系的五个方面主要参数，它能够基本客观确定地反映出猪舍健康状态的全部特征和属性，根据指标体系构建的基本原则，故可将这五个参数作为指标来综合反映猪舍的特定性能[11]。上述方法定义的猪舍HV取值范围在(0与5.5)之间，但在工程实际中常常用定性的方法将猪舍的健康状况划分为若干等级，如:健康、较健康、正常、亚健康、病态等5种状态。参照相关健康评价标准和专家经验构建健康值定量值与猪舍健康状态定性评价等级之间的映射关系[11]如表2所示。

表2 猪舍健康状态等级分类表Table 2 Grade feature classification of piggery health status

2.5 模糊综合评判

据第四级指标层指标权重向量wDi和对应单因素隶属度构成矩阵RDi进行第四级模糊综合评价[12-13]，得到第三级对应指标各个评价等级的隶属度。

Bci=WDi·RDi

(19)

根据第三级指标权重向量wci和对应指标隶属度构成矩阵Rci进行第三级综合模糊评价，得到第二级对应指标评价等级的隶属度。

BBi=Wci·Rci

(20)

根据第二级指标权重向量wBi和对应指标隶属度构成矩阵RBi进行第二级综合模糊评价，得到第一级对应指标各个评价等级的隶属度。

BA=WBi·RBi

(21)

根据HV对猪舍健康状态进行综合评价，根据健康状态等级值对猪舍的状态等级进行归类，健康状态与其对应等级值之间的映射关系如表2所示。根据模糊概念在分级条件下的最大隶属度原则不适用性，采用级别特征值的方法来对猪舍健康状态等级值进行确定[14]。

HV=[1 2 3 …c]×Ba

(22)

3 评价实例

3.1 指标权重的确定

由猪舍设计与建造、生猪养殖与管理和领导等5位专家组成专家组对淮安市某畜牧公司的猪舍健康状态进行综合评价，根据他们的工作经验、资历和行业威望确定主观权重为:λ=[0.20,0.17,0.18,0.23,0.22] 。他们根据猪舍健康状态综合评价递阶层次结构中各项指标的标准和要求对某个层次的指标对上一层次指标影响的重要性进行两两比较构造各级模糊权重判断矩阵，下表中的数据是专家组评出准则层5个指标中两两相比较相对影响目标层重要性的数值的三角模糊数。例如：在表3中，对于目标层，准则层中实用性与经济性相比，专家1认为实用性与经济性重要的程度在[1/2,1,3/2]之间，反之经济性与实用性相比所得的三角模糊数为[2/3,1,2]。依此类推可以得到其他层指标权重相对重要性的三角模糊判断矩阵，本研究以表3为例说明准则层参数对目标层影响的权重，其他指标的权重计算过程与此类似。

根据表3的三角模糊数和公式(2)计算准则层指标的相对模糊权重向量S1。

表3 准则层属性对目标层的重要度模糊评价矩阵Table 3 The fuzzy evaluation matrix of the importance degree of criterion layer attributes to target layer

M1=(4.5,6.5,8.5)⊗(1/37.834,1/27.40,1/2030)=(0.119,0.237,0.419)
M2=(5.667,7.5,10)⊗(1/37.834,1/27.40,1/2030)=(0.15,0.274,0.439)
M3=(29,3.833,5.167)⊗(1/37.834,1/27.40,1/2030)=(0.077,0.14,0.255)
M4=(4.333,6.0,9.0)⊗(1/37.834,1/27.40,1/2030)=(0.115,0.219,0.443)
M5=(29,3.567,5.167)⊗(1/37.834,1/27.40,1/2030)=(0.077,0.13,0.255)

由公式(3)-(5)得到专家1关于准则层相对目标层的相对模糊权重向量S1=[M1,M2,M3,M4,M5]和指标权重向量为：w1=[0.245,0.279,0.123,0.235,0.118] ，以此类推得到其他4位专家准则层相对目标层的模糊评价矩阵中的各指标的相对模糊权重向量S2-S5和对应的权重向量w2-w5。根据公式(6)-(10)得到每位专家的汇总权重系数为：AC=[0.25,0.22,0.20,0.15,0.18] ，其中β=0.5表示专家权重和专家意见的一致性各占50%的比例，由公式(11)和汇总权重系数对w1-w5进行计算综合得到准则层的权重为：w=[0.25,0.285,0.155,0.20,0.11],其他各级指标相对上一级的权重计算过程与此类似，由于文章长度限制其它指标的权重计算过程省略。

3.2 指标隶属度的确定

由于评价猪舍健康状态指标等级的隶属度存在一定的定性因素和模糊性，专家组根据国内外现行标准以及同行做法对相关指标的等级隶属度进行打分估测定性指标并量化以便进行定量计算，通过给指标层各定性指标进行评价，获得各指标相对于其评价等级的三角模糊语言评分。根据市场调研设定指标的定性评语集为5个等级，即：V={好、较好、一般、较差、差}，它们语言变量与对应的三角模糊数的对应关系见表1。为克服同类专家经验的片面性和知识面的局限性，采用不同类专家判断可以集众多专家的智慧对具体猪舍健康状态的指标的隶属度状态进行较客观的判断，本文由猪舍健康状态评价组的5类专家对指标等级的隶属度打分并转换成对应的三角模糊数，由各指标的隶属度和指标权重从最低层通过模糊综合模型逐级计算来构建准则层的模糊综合评判矩阵(bij)mn。式中元素bij表示第i个指标相对于第j个等级的相对隶属度。由准则层的模糊综合评判矩阵和权重综合评判得到猪舍的健康状况的等级。下面以5个专家对指标层中的水电系统为例来介绍它的评价等级隶属度为例证来说明它的计算过程，其它指标隶属度专家组的评价等级的隶属度以此类推得到。现有评价专家组的5个专家依据猪舍水电系统的状况，按照行业标准和企业标准做法打分并转换成对应的三角模糊数，例如专家1认为该猪舍水电系统好等级的隶属度为较好、属于较好的隶属度为好、属于其它等级的隶属度为差，其他专家的评价结果与此类似。带入公式(12)形成水电系统的专家组评价的隶属度矩阵如下：

把R代入(13)-(15)得到η=[0.172,0.234,0.182,0.146,0.266]为专家组水电系统等级隶属度的客观权重向量，根据公式(16)得到隶属度综合的最终权重向量为γ=[0.186,0.202,0.181,0.188,0.243]，根据γ和每位专家的三角模糊评分代入公式(17)和(18)得到专家组的水电系统模糊评价隶属度D21=[0.299,0.317,0.198,0.147,0.039]。经过水电系统模糊评价隶属度计算类似的过程就可以得到所有指标层专家组的模糊评价隶属度值。第三级到第二级指标的隶属度由第四级通过模糊评价模型(公式19)和(公式20)逐级计算得到。

3.3 目标层健康状态等级的确定

由准则层B1、B2、B3、B4和B5指标隶属度构成准则层的模糊综合评价矩阵B和它们的权重代入评价模型(21)采用M(·,+)-加权平均对它们进行计算，得到具体的猪舍健康状态评价层次模型的准则层对目标层的隶属度并归一化得到：

把目标层的猪舍健康状态隶属度代入公式(22)确定其健康状态等级特征值。根据表2可知该畜牧公司的猪舍健康状态等级的特征值为3，表示该畜牧猪舍健康状态处于正常状态，能够安全生产但要经常巡视。如果采用隶属度最大原则确定健康状态则处于良好，则该评价方法忽视了该猪舍的健康状态的安全隐患，则生猪生产的效益将减低。

在健康状态等级特征值2.619中，从健康到病态的特征值分别占0.08%、0.22%、0.28%、0.24%、和0.17%。如果要提高猪舍健康状态的等级，就必须从猪舍健康状态评价的递阶层次结构目标级逐级追踪到指标级审查究竟哪几个指标的隶属度值影响猪舍的健康状态，并通过改进它们等级状态值来提高猪舍健康状态等级，实现从评价猪舍健康状态入手发现影响猪舍健康状态的原因。根据猪舍健康状态的评价结果，该畜牧公司应加强对猪舍的服务管理和设备的更新维护工作，提高猪舍的生产的效率和健康状态，让人们吃上放心肉和安全肉打下良好的基础。