基于BN-DT下無人農場投資風險效益評估系統設計

王少營

(聊城職業技術學院,山東 聊城 252000)

0 引言

無人農場作為一種新興的農業生產模式,利用先進的自動化和人工智能技術,實現農業生產過程的智能化和自動化[1-2],可以提高生產效率、優化資源利用、改善農產品質量。

在現代復雜多變的商業環境中,投資決策往往面臨著諸多不確定性和風險性。特別是對于無人農場這樣新興的領域,投資者需要面對技術、市場、政策等多方面的挑戰[3-4],而傳統的評估方法可能無法全面考慮各種不確定性因素,導致決策的失誤和風險的增加。

證據理論作為一種用于處理不確定性和不完全信息的數學工具,可以將不同類型的證據轉化為信任度函數,并通過權重的分配和組合,得出最終的評估結果[5],對各項風險指標進行客觀地分析和評價,從而做出更準確的投資決策[6]。

本文基于無人農場投資關鍵指標,根據相關數據或專家經驗,建立對應的信任度函數,根據不同證據的權重和關聯程度,將不同評估指標整合成一個綜合的評估結果,進而得出合理的綜合評估方案。通過文獻調研與實際評估,本文構建無人農場相關數據庫,如市場調研數據、技術參數、農產品需求預測等,通過實證分析和驗證,期望該系統在實際應用中可以為無人農場投資領域的決策者提供有力的決策工具,促進農業產業的可持續發展和創新。

1 無人農場基本結構及運行模式分析

1.1 基本結構

無人農場,又被稱為“智能農場”“智慧農場”或“數字農場”,是利用先進的信息技術、自動化設備和人工智能等技術手段,實現農業生產過程的智能化、自動化和數字化的農場模式[7-8],是現代農業發展的重要方向。

無人農場的主要目標是實現農業耕種管收全程無人化作業,核心技術為智能管理云平臺[9],智能農機裝備為技術支撐[10],進而實現無人農場的感知決策、精準作業、自動駕駛和多機協同作業[11](圖1)。

圖1 無人農場系統結構示意圖

1.2 關鍵技術及組成部分

1.2.1 信息感知系統

信息感知系統在無人農場中起著至關重要的作用,可以實時監測和感知農場的環境和農作物狀況,為智能決策和精準作業提供必要的數據支持。信息感知系統主要包括無人機遙感裝置、田間綜合監測系統、物聯網感知系統三部分。可通過搭載各種優越感器對農田進行高中高分辨率圖像采集獲取地理信息和農作物生長狀況,進而制作高精度農田地圖、監測農作物健康狀態、檢測病蟲害等(圖2),進行農業生產的實時監測和分析。并且,管理人員可遠程監控和控制農機的作業,調整作業計劃,并實時獲取各項作業數據和農場運營情況[12]。

圖2 無人農場作物長勢及蟲情分析圖

1.2.2 智能農機裝備

智能農機裝備是無人農場的關鍵技術之一,通過集成先進的信息技術、自動化設備和傳感器等,實現農業生產過程的智能化、自動化和高效化,主要包括自動駕駛拖拉機、智能播種機、智能噴灑器、自動化收割機、智能灌溉系統、無人機植保噴灑機、智能農業機器人等[13-14]。

2 無人農場投資風險效益評價方法及原理

2.1 貝葉斯網絡

貝葉斯網絡(Bayesian Network,BN)是一種通過有向圖(Directed Graph)表示變量之間的條件依賴關系的概率圖模型。有向圖通常是一個有向無環圖(DAG),因此貝葉斯網絡也被稱為有向無環圖模型(Directed Acyclic Graph Model)[15]。

對于貝葉斯網絡中任意隨機變量X=(xt1,xt2,xt3,…,xtn),相應的聯合概率分布可表示為

f(xt1,xt2,xt3,…,xtn)=∏?tj∈tf(xtj|Xpa(tj))

(1)

式中,Xpa(tj)為隨機變量X在時期tj的父節點集合;t為時期長度。

如果隨機變量X為時間序列,且xtj的父節點為(xtj-1,…,xt1),則式(1)可轉換為

f(xt1,xt2,…,xtn)=∏?tj∈tf(xtj|xt1,xt2,…,xtj-1)

(2)

根據概率論中的鏈規則,即聯合概率可以由其條件概率鏈表達,則式(2)右端的條件概率函數可構建為

(3)

2.2 證據理論

證據理論(Evidence Theory),也被稱為Dempster-Shafer Theory(DST),用于處理涉及不確定性的推理、決策和數據融合問題。證據理論的核心概念是“證據”(evidence),用來表示對不同假設或事件的支持程度[16]。證據理論的基本要素包括:

1)證據集合(Mass Function)。它表示對不同事件的支持程度,是證據理論的核心。對于每個事件,都有一個相應的證據集合,它包含了在該事件上的支持程度信息。

2)證據組合規則(Combination Rule)。它可將不同證據集合進行合并,得到新的綜合證據。證據組合規則考慮了不同證據之間的沖突和相互影響,從而得到更準確的綜合結果。

3)置信度函數(Belief Function)和不確定性函數(Plausibility Function)。這兩個函數是證據理論中的重要推理指標,置信度函數表示事件的可信程度,而不確定性函數表示事件的不確定程度。

3 基于證據理論下無人農場投資風險效益評估模型

本文提出一種基于證據理論下無人農場投資風險效益評估模型,評估流程主要包括評價指標體系及標準、貝葉斯網絡構建和無人農場投資風險概率分析(圖3)。

圖3 無人農場投資風險效益評估流程

1)評價指標體系及標準的確定。首先確定無人農場投資的評價指標體系,涵蓋投資風險和效益的關鍵方面,用于判斷投資項目在該指標上的表現水平。

2)貝葉斯網絡構建。在評估模型中,采用貝葉斯網絡作為核心,構建投資風險效益模型。貝葉斯網絡通過有向無環圖表示不同指標之間的條件依賴關系。每個指標作為節點,通過專家知識或歷史數據確定指標之間的條件概率分布。

3)無人農場投資風險概率分析。基于構建的貝葉斯網絡模型,進行無人農場投資風險概率分析。通過輸入不同的觀測值或假設,對投資項目的風險進行概率計算。

3.1 評價指標體系及標準

無人農場投資風險是一個復雜、不確定的推理問題,涉及到眾多因素。通過實地考察、文獻調研,本章節提煉出無人農場投資風險的主要影響因素,主要包括無人農場技術裝備A1、地理位置條件A2、農田面積A3、自然災害A4。這些因素的復雜性和不確定性使得投資決策變得非常復雜,需要綜合考慮各種因素的相互影響。本章節旨在構建證據理論的評估模型處理這些復雜因素,為決策者提供全面、準確的投資風險效益評估。

3.1.1 技術裝備條件

投資無人農場需要大量智能農機裝備和物聯網感知系統等先進技術設備。技術裝備的性能、穩定性和可靠性直接影響到農場的運營效率和產出質量。無人農場相關技術裝備條件主要考慮智能農機裝備數量(X1)、專業人才數量(X2)、農機維護與保養支持站點數量(X3)3個參數。

1)智能農機裝備數量(X1)。過少的裝備數量可能導致無法及時完成農業作業任務,影響農產品產量和質量;過多的裝備則可能導致資源浪費,增加投資成本[17]。

2)專業人才數量(X2)。投資無人農場需要考慮所需的專業人才數量,包括技術人員、農業專家和管理人員等,確保技術裝備的穩定運行和有效利用。

3)農機維護與保養支持站點數量(X3)。投資無人農場需要在農場周邊建立維修站點或維護服務中心,保障裝備的正常運行,降低由于故障帶來的停機損失。

3.1.2 地理條件/位置

地理條件或位置是指無人農場所處的地理環境和位置特點,會直接影響到農場的運營和農業生產。主要影響因素包括水資源(X4)、降雨量(X5)、交通和運輸(X6)、市場接近度(X7)。

1)水資源(X4)。水資源是農業生產中至關重要的因素,無人農場的水資源充足性和穩定性將直接影響到農作物的產量和質量。

2)降雨量(X5)。適量的降雨對農作物生長有益,但過少或過多的降雨都可能導致農作物的生長受到影響。

3)交通和運輸(X6)。無人農場靠近主要交通樞紐和運輸通道,農產品的流通和銷售將更加便利,有利于降低物流成本和提高市場競爭力。

4)市場接近度(X7)。無人農場位于市場附近,農產品的銷售和市場需求的響應將更加及時和便捷,這將有助于提高農產品的市場競爭力和銷售收益。

3.1.3 農田面積

農田面積是無人農場的基本規模,直接關系到農產品的產量和經濟效益。過小的農田面積可能導致規模經濟效應不顯著,難以實現投資回報,而過大的農田面積可能增加管理難度和生產風險。本文選擇3種無人農場面積[18]。

1)小型無人農場(X8)。小型無人農場通常面積小于6.67 hm2,適合種植蔬菜、水果、花卉等特種作物或進行精細化管理的農業生產。

2)中型無人農場(X9)。中型無人農場的面積范圍一般在6.67～66.67 hm2,適合種植大田作物如小麥、水稻、玉米等。中型無人農場可以更好地實現規模經濟效應,提高農作物的產量和經濟效益。

3)大型無人農場(X10)。大型無人農場的面積通常大于66.67 hm2,甚至超過666.67 hm2,適合進行大規模農作物種植或農業產業化經營。

3.1.4 自然災害

自然災害是指由自然因素引起的突發性、毀滅性的不可預測的自然事件,其嚴重程度可能對人類和環境造成嚴重影響。無人農場在面臨自然災害時也會面臨一定的風險和挑戰。本章節選取洪水(X11)、臺風和颶風(X12)、冰雹(X13)及霜凍(X14)作為主要的自然災害影響因素。

為了更好地對無人農場投資風險指標進行評價,需要對安全等級進行劃分,本文設置低、較低、中等、較高、高5個風險等級,客觀因素由實際數據進行衡量,主觀因素的劃分由相關領域專家進行百分之計算。

1)低風險(Risk Level 1)。在該等級下,無人農場的技術裝備成熟穩定,地理位置條件優越,農田面積適宜,自然災害風險較小,投資者對此類無人農場的投資風險相對可控。

2)較低風險(Risk Level 2)。此等級表示投資無人農場的風險較低,但略高于低風險等級。在此等級下,無人農場的技術裝備較為成熟,地理位置條件良好,農田面積適中,自然災害風險較小。投資者對于此類無人農場的投資風險可以通過一定的風險管理手段進行控制。

3)中等風險(Risk Level 3)。在該等級下,無人農場的技術裝備可能存在一定程度的不穩定性或需要進一步改進,地理位置條件一般,農田面積適度,自然災害風險較為普遍。投資者需要認真評估風險并采取適當措施降低風險。

4)較高風險(Risk Level 4)。無人農場的技術裝備可能較為不成熟,地理位置條件相對一般,農田面積較大,自然災害風險較高。投資者在決策時需謹慎考慮風險,可能需要更多的風險管理和預防措施。

5)高風險(Risk Level 5)。此時的等級表示投資無人農場的風險非常高。在該等級下,無人農場的技術裝備不穩定,地理位置條件較差,農田面積過大,自然災害風險嚴重。投資者對于此類無人農場的投資風險極高,可能需要謹慎評估或者選擇避免投資。

3.2 模糊貝葉斯網絡建立

本章節采用專家群決策法來獲取根節點的模糊先驗概率,通過多位專家的意見和知識,對問題進行綜合評估,得出模糊先驗概率。

將專家的語言評價值劃分為5個風險等級(如3.1.4所示),量化x值分別為0.1,0.3,0.5,0.7和0.9。然后將評估表交給專家,要求他們對每個根節點的取值進行評估,并給出相應的模糊描述。專家可以使用模糊評估的方法,如模糊數或模糊語言描述,來表示他們的不確定性和主觀判斷。最后利用模糊隸屬函數將專家的語言值評價轉化為模糊區間值(表1),不同專家對于無人農場投資風險的評估結果有所差異,在一定程度上反映了不確定性和主觀性。通過對模糊描述進行量化和平均化,得到了風險等級的平均值。

表1 專家對根節點的評估結果及模糊描述

專家評價結果模糊化之后,本章節選擇高斯隸屬函數反應其數值非線性正態分布特性,表達式如下

(4)

式中,x為專家評價對應的量化值;μ為函數的中心;σ為標準偏差,表示函數的均方根(RMS)寬度。本文5個風險等級高斯隸屬函數分別為0,0.25,0.5,0.75和1。

基于證據理論的區間融合是一種用于處理不確定性信息的方法,它可以將不同來源的證據或信息進行合并,得到更為全面和準確的結論。在投資風險評估中,區間融合可以用于將不同專家或來源的模糊評估結果轉化為區間估計,從而更好地反映不確定性和主觀性。

根據經典證據理論,n個證據體之間的沖突程度以沖突系數K表示

K=∑Aj1∩Aj2∩…∩Ajn=φm1(Aj1)m2(Aj2)…mn(Ajn)

(5)

式中,Ajn(j=1,2,…,n)為第n個證據體的第j個焦元。

4 評估系統的設計

4.1 系統基本結構及工作原理

無人農場投資風險評估系統基本結構主要包括系統管理模塊、專家打分模塊、評估分析模塊和用戶管理模塊,專家通過專家打分模塊對投資風險效益進行評估,評估結果將傳遞到評估分析模塊進行綜合處理。評估分析模塊使用基于證據理論和區間融合的方法,將專家評估結果轉化為綜合的評估結果。在這個過程中,系統會對數據進行適當驗證和優化,確保評估結果的準確性和可靠性。用戶管理模塊則用于管理系統的用戶和權限,保障系統的安全和穩定運行。

4.2 運行結果與分析

本文以本市ZS農田構建無人農場為例開展分析,針對ZS地區的農田,收集相關的技術裝備信息、地理位置條件、農田面積、自然災害等數據,并邀請相關領域的專家參與評估,以評估在這一投資項目中的風險與效益,系統運行結果如表2所示,根據貝葉斯網絡和區間融合的方法,將以上專家評估值和數據分析整合,得出投資無人農場的綜合評估結果為[0.4,0.7],說明該投資ZS農田構建無人農場為較低風險等級(Risk Level 2),但仍需要一定的風險管理措施來確保投資項目的成功與可持續發展。

表2 ZS農田構建無人農場投資風險評估結果

5 結論

本文基于證據理論,設計了一種無人農場投資風險效益評估模型,并以某市ZS地區農田構建無人農場為例進行了分析,主要得出以下結論:

1)無人農場投資風險涉及到多個因素的綜合影響。本文通過采用模糊評估和貝葉斯網絡等方法,有效地處理了不確定性和不完全信息,更全面地考慮了各個因素對投資風險效益的影響。

2)本文選取無人農場技術裝備(A1)、地理位置條件(A2)、農田面積(A3)和自然災害(A4)做為影響因素建立基于證據理論的無人農場投資風險效益評估模型,通過模糊評估的方法,邀請相關領域的專家對各項指標進行模糊評估,評估結果被轉化為模糊隸屬函數,用于描述各個指標的評估值。

3)構建無人農場投資風險評估系統,通過收集相關數據和邀請專家參與評估得出,投資ZS地區農田構建無人農場的綜合評估結果為[0.4, 0.7],表明該投資項目的風險效益在0.4～0.7,將投資風險劃分為較低風險等級(Risk Level 2)。