基于异构信息网络的生猪配套系评估及区域优选方法与流程

本发明涉及生猪养殖，尤其涉及一种基于异构信息网络的生猪配套系评估及区域优选方法。

背景技术：

1、生猪配套系是决定商品猪综合生产效益的核心要素，其选择需统筹繁殖性能、生长性能与屠宰性能在特定区域条件下的综合表现。现代生猪产业链涵盖原种场、扩繁场、商品场、育肥场及屠宰场等多个环节，各环节积累了系谱、配种产仔、生长测定、屠宰测定、跨场流转、环境监测及成本行情等海量数据。然而，由于各环节信息化系统相互独立、数据标准不一，上述数据长期处于割裂状态，难以形成对配套系全生命周期性能的完整刻画。并且现有种猪育种系统的数据边界通常止于核心群（原种场/扩繁场），商品场、养户/育肥场和屠宰端的数据无法回溯到种猪的系谱和品系信息。各环节数据独立存储、格式不统一、缺乏统一的配套系编码传递机制，导致无法将屠宰端的终端性状反向归因到种猪品系。

2、目前配套系评估主要依赖人工经验或单层指标加权。人工经验方法受限于专家个体认知，难以在众多品系组合与区域条件之间进行系统比较。单层指标加权方法则将繁殖、生长、屠宰性能简单线性叠加，未能刻画各性能维度之间非线性的层级传导关系，也无法根据区域间气候、饲料成本、消费偏好等差异动态调整评估侧重。此外，现有育种方案通常给出“全局最优”配套系推荐，但不同区域（气候、饲料资源、市场需求、屠宰厂标准）的最优配套系可能不同。

3、随着异构信息网络与注意力机制在复杂关系建模领域的成熟应用，将全产业链多源异构数据有机融合为统一网络拓扑，并通过层次注意力学习自动捕获不同关系下性能影响的强度与模式，已具备技术可行性。因此，本发明提出一种基于异构信息网络的生猪配套系评估及区域优选方法以有效适配于生猪配套系评估场景，并在评估基础上引入区域自适应决策与约束优选实现生猪养殖智能辅助。

技术实现思路

1、本发明克服了现有技术的缺陷，提供了一种基于异构信息网络的生猪配套系评估及区域优选方法，其主要目的在于增强全产业链数据融合度，提高配套系评估准确性，保证区域优选决策实际可落地。

2、为实现上述目的，本发明第一方面提供了一种基于异构信息网络的生猪配套系评估及区域优选方法，包括：

3、获取覆盖种猪育种全产业链的多源异构数据，对多源异构数据执行预处理流程，生成标准化多源异构数据集；

4、基于所述标准化多源异构数据集构建包含遗传边、饲养边、流转边和性能记录边的异构信息网络，对流转边进行互信息剪枝并为性能记录边赋予随时间指数衰减的时态权重，得到表征配套系性能形成路径的全产业链异构网络拓扑；

5、采用层次注意力网络对所述异构信息网络进行表示学习，利用节点级注意力和语义级注意力捕获不同关系下性能影响的强度与模式，最终将多关系嵌入加权融合为节点最终嵌入表示；

6、将所述节点最终嵌入表示输入至独立多层感知机中进行分层性能预测得到分层性能预测信息，对所述分层性能预测信息进行归一化处理获取多维异构性能预测分数，通过多维异构性能预测分数为待评估配套系进行区域适配综合评估，得到区域适配综合评分；

7、根据各候选配套系的区域适配综合评分，构建带约束的组合优化模型，其中约束包括祖代种猪供应上限、亲本遗传距离下限和生物安全引种路径限制，最终通过迭代求解输出最优配套系及推荐理由报告。

8、本方案中，所述获取覆盖种猪育种全产业链的多源异构数据，对多源异构数据执行预处理流程，生成标准化多源异构数据集，具体包括：

9、从种猪育种全产业链数据信息终端中获取包含系谱档案、配种产仔记录、个体生长称重记录、屠宰测定记录、猪只跨场转群记录、环境传感器连续监测读数以及区域饲料原料成本和猪肉市场价格行情在内的多源异构数据；

10、对所述多源异构数据进行字段级一致性校验，剔除类型不匹配和重复记录，对缺失数值型指标按品系、胎次、季节分组均值填充并生成二值掩码标记，得到修复数据集；

11、基于所述修复数据集，对各数值型指标按品系与场类型分组计算四分位距，剔除超出1.5倍四分位距的离群点，置空后以组内中位数回填，得到离群修复数据集；

12、基于所述离群修复数据集将个体生长记录按时间戳排序，对相邻两次称重间隔超过预设天数且缺少体重值的情况，采用局部加权回归散点平滑算法对周龄节点插值，对于繁殖记录计算妊娠天数并剔除超出生理合理区间的记录，得到时序对齐数据集；

13、基于所述时序对齐数据集，对所有数值型字段进行z-score标准化，对品系标识、场类型、场间流转路径类别字段建立全局码表和唯一编码，并通过唯一编码进行数值转换生成编码映射表；

14、基于所述编码映射表，对每个养殖场的数据完整率进行评估，将完整率低于预设阈值的养殖场标记为低可信度养殖场，并记录低可信度标记；按时间顺序将标准化后的多源异构数据集划分为训练集、验证集和测试集，形成标准化多源异构数据集。

15、本方案中，所述基于所述标准化多源异构数据集构建包含遗传边、饲养边、流转边和性能记录边的异构信息网络，对流转边进行互信息剪枝并为性能记录边赋予随时间指数衰减的时态权重，得到表征配套系性能形成路径的全产业链异构网络拓扑，具体包括：

16、从标准化多源异构数据集提取品系标识、养殖场标识和性能指标名称，创建品系节点集合、场节点集合和性能指标节点集合；通过系谱档案中的亲本配对记录建立遗传边，其中遗传边的边属性包含父母本对后代的遗传贡献率；

17、通过饲养记录中的品系与养殖场对应关系，在品系节点与场节点之间建立包含入栏时间和出栏时间的饲养边；通过猪只跨场转群记录建立场节点之间的流转边，流转边的边属性包含流转方向、批次号和转群日期；

18、根据个体生长称重记录和屠宰测定记录，在品系节点与性能指标节点之间建立性能记录边，性能记录边的边属性包含测定值、测定日期和批次号，最终得到包含三类节点和四类边的初始异构信息网络；

19、对初始异构信息网络中的流转边执行互信息剪枝，以流转边对应批次最终屠宰性能作为结果变量，以流转路径是否出现作为条件变量，进行条件互信息计算，删除条件互信息值低于阈值的流转边；删除后检查场节点连通状态，移除无连接且不与品系节点相连的冗余节点，得到精简中间网络拓扑；

20、基于所述精简中间网络拓扑读取每条性能记录边属性中的测定日期，计算测定日期与当前基准日期之间的时间间隔天数并为每条性能记录边赋予随时间指数衰减的时态权重，对于低可信度养殖场关联的性能记录边，赋予在时态权重基础上乘以常量衰减系数的修正时态权重，得到时态加权精简中间网络拓扑；

21、对时态加权精简中间网络拓扑进行整体连通性校验，遍历全部品系节点，检查是否存在孤立品系节点；若存在，则从标准化多源异构数据集中检索孤立品系节点对应的饲养记录或性能测定记录，确认是否存在未纳入的边，若存在则补建缺失的饲养边或性能记录边，最终得到全产业链异构网络拓扑。

22、本方案中，所述采用层次注意力网络对所述异构信息网络进行表示学习，利用节点级注意力和语义级注意力捕获不同关系下性能影响的强度与模式，最终将多关系嵌入加权融合为节点最终嵌入表示，具体包括：

23、对全产业链异构网络拓扑中的品系节点、场节点和性能指标节点进行初始特征映射，品系节点以品系标识编码和历史繁殖、生长、屠宰性能均值拼接作为初始特征，场节点以所在养殖场的区域环境特征向量作为初始特征，性能指标节点以随机初始化的可学习向量作为初始特征，得到各节点的初始特征表示；

24、将各类型的边分别视为独立关系类型，对每类关系独立执行节点级注意力聚合，对于每个目标节点，在关系r下遍历其邻居节点，将目标节点初始特征与邻居节点初始特征分别通过关系r对应的变换矩阵映射后拼接；

25、在拼接完成后与关系r对应的可学习注意力向量计算相似度，经非线性激活和归一化后得到各邻居的注意力系数，通过注意力系数对邻居节点的映射后节点特征进行加权求和，得到目标节点在某一关系类型下的邻居聚合表示；

26、在性能记录边对应的关系聚合过程中，将邻居性能指标节点特征乘以性能记录边上携带的时态权重，以削弱远期或低可信度测定记录对聚合结果的影响，并将目标节点在每一关系类型下的邻居聚合表示作为关系特定嵌入；

27、将每个节点在所有关系下的关系特定嵌入作为候选集合并执行语义级注意力融合，利用全局语义注意力向量对每个关系下的节点嵌入进行变换并求取全部节点平均值生成语义权重，将各关系特定嵌入按语义权重加权求和得到节点最终嵌入表示。

28、本方案中，所述将所述节点最终嵌入表示输入至独立多层感知机中进行分层性能预测得到分层性能预测信息，对所述分层性能预测信息进行归一化处理获取多维异构性能预测分数，通过多维异构性能分数为待评估配套系进行区域适配综合评估，得到区域适配综合评分，具体包括：

29、从全产业链异构网络拓扑中定位与待评估配套系对应的品系节点并提取对应的节点最终嵌入表示，从标准化多源异构数据集提取目标区域环境特征数值并生成区域环境特征向量，将区域环境特征向量与目标品系节点的节点最终嵌入表示进行拼接，得到配套系区域表征向量；

30、将所述配套系区域表征向量分别输入三个独立多层感知机中进行分层性能预测，每个多层感知机包含两个全连接隐藏层和一个输出层，隐藏层激活函数采用gelu，最终输出包含繁殖性能预测值、生长性能预测值和屠宰性能预测值的分层性能预测信息；

31、从标准化多源异构数据集中筛选目标区域历史配套系的繁殖性能、生长性能和屠宰性能记录，分别计算三个性能维度的最大值和最小值后对分层性能预测信息进行归一化处理，得到多维异构性能预测分数；

32、通过标准化多源异构数据集的猪肉市场价格行情分析历史猪肉消费结构并确定繁殖性能、生长性能和屠宰性能的相对需求强度，将相对需求强度作为目标区域的偏好权重向量对多维异构性能预测分数进行逐元素相乘后求和，得到加权综合得分；

33、通过标准化多源异构数据集中获取目标区域的饲料成本指数并进行归一化，提取生长性能预测值中的料肉比预测值，将料肉比预测值除以目标区域内历史配套系料肉比平均值，得到料肉比相对值并与归一化后的饲料成本指数和预设调节系数相乘得到成本惩罚项，从加权综合得分中减去成本惩罚项，得到区域适配综合评分。

34、本方案中，所述根据各候选配套系的区域适配综合评分，构建带约束的组合优化模型，最终通过迭代求解输出最优配套系及推荐理由报告，具体包括：

35、获取各候选配套系的区域适配综合评分，从系谱档案中提取每个候选配套系所需的祖代种猪品系清单及需求数量，从养殖场存栏记录中提取目标区域各祖代种猪品系的可用供应数量，剔除需求数量超过可用供应数量的候选配套系，得到第一候选配套系集合；

36、对第一候选配套系集合中的每个候选配套系计算亲本间的遗传距离，剔除低于亲本遗传距离下限的候选配套系，依据猪只跨场转群记录和生物安全法规数据提取目标区域允许的引种路径集合，剔除涉及不允许引种路径的候选配套系，得到第二候选配套系集合；

37、以第二候选配套系集合中每个配套系的区域适配综合评分作为排序依据，构建带约束的组合优化模型，决策变量为每个可行候选配套系的选取状态，目标函数为最大化所选配套系的区域适配综合评分；

38、当可行候选配套系数量小于等于预设规模时，采用穷举方式枚举所有满足约束条件的可行候选配套系组合，选取区域适配综合评分最高者作为最优配套系，当大于预设规模时，采用贪心与局部搜索结合的两阶段启发式算法进行最优配套系求解；

39、第一阶段计算每个可行候选配套系的区域适配综合评分与其所需祖代种猪总数量之比，按比值大小选取配套系加入备选集合，每次加入后检查祖代种猪供应上限约束是否仍然满足，若不满足则跳过并继续考察下一个，直至遍历完剩余候选配套系后停止；

40、第二阶段从备选集合中随机移除一个配套系并尝试从剩余可行候选配套系中选取一个未入选的配套系补入，若补入后总得分提高且满足全部约束则保留替换，重复执行预设次数的随机移除和补入操作，直至综合评分总和不再提升时输出最优配套系标识；

41、通过最优配套系标识获取对应的繁殖性能预测值、生长性能预测值、屠宰性能预测值、区域适配综合评分明细和所满足的约束清单，生成推荐理由报告进行区域优选决策辅助。

42、与现有技术相比，本方案具备以下有益效果：

43、本方案通过构建覆盖原种场至屠宰场的全产业链异构信息网络，将系谱、繁殖、生长、屠宰、流转、环境及成本等多源数据统一融合为可计算的关联拓扑，打破了传统各环节数据孤立的局限，使配套系性能评估建立在全生命周期数据贯通的基础上。同时，采用层次注意力网络对遗传边、饲养边、流转边和性能记录边进行节点级与语义级双重聚合，能够自动捕获不同关系对繁殖、生长、屠宰性能的影响强度与模式，避免了人工预设指标权重的片面性，提高了评估的客观性和准确性。在此基础上，引入目标区域环境特征向量与区域偏好权重修正机制，使同一配套系在不同区域条件下能够获得差异化的适配评分，实现了从“一套标准评全部”向“分区域自适应决策”的转变。最后，通过带约束的组合优化模型，将祖代种猪供应上限、亲本遗传距离下限和生物安全引种路径限制纳入决策过程，确保输出的最优配套系不仅综合性能优异，而且在实际供种和防疫条件下切实可行，进而保证了优选结果的生产落地能力。