Page 134 - 大数据背景下网络安全问题研究
P. 134
大数据背景下网络安全问题研究
Research on Network Security Issues under the Background of Big Data
响，并有针对性地采取主动措施，将病虫害控制在许可的范围内。
Philip.J.Hepworth等研究发现神经网络可以100%的准确率识别肉鸡中是否存在腹
水，而利用支持向量机（SVM）模型结合机器视觉技术，可以有效识别区分健康鸡和
感染禽流感的鸡，准确率达到了99.5％。因此，机器学习算法除了可以准确地预测肉
鸡的生长之外，还可以成功地预测健康状况。
（3）在作物生产过程智能管理方面的应用
利用机器学习可以优化农业生产的投入，节约种子、化肥、农药等各种投入品的
用量，并通过优化投入的时间空间，在与外界环境的交互中，提高作物的生产目标。
机器学习有助于通过多种传感器更好地获取农作物生长数据，特别是通过农业
传感器网络监测农作物生产过程，进行作物分类、管理建议、产量预测、环境监测
等，实现农业生产减施增效，提高产品质量，有助于农业结构调整和个性化农业生产
布局。
Plenty是位于硅谷的一家专注于机器学习的农业技术公司，已从Jeff Bezos、Eric
Schmidt和Softbank Vision Fund等投资公司获得了超过2亿美元的资金。为什么投资者
如此看好机器学习。答案在于，通过机器学习可以优化植物的生长条件。通过大量使
用摄像机和传感器，收集和分析农作物图像和海量生产数据，并将影响农作物生产管
理的要素简化为基本要素，如温度、氧气、水、光、养分和其他条件因素。借助这些
信息，Plenty的软件以迭代方式对这些要素进行评估和调整，按农作物品种创建定制
理想的生长环境，从而防止影响农业稳定生产的问题的发生。机器学习的应用减少了
农业实践中的不确定性。
（4）在农业政策研究中的应用
传统的农业政策研究主要通过数据收集，分析主要变量之间的关系，然后给出政
策建议。实际上，政策制定者主要关心的是政策措施的实施对经济社会的动态影响。
机器学习注重对结果的预测，发现传统分析方法难以获得的规律，并模拟在政策影响
下的社会经济变化，因而可以提出更为合理的政策建议。
以印度为例，在过去的10年中，印度经济的飞速增长一直受到通货膨胀率（尤其
是食品价格）持续高企的挑战。造成这种顽固的食品通胀的主要原因是供需不匹配，
因为由于许多邻近因素，国内农业生产未能跟上需求的增长。Akash Malhotra等使用
机器学习的梯度提升回归树（BRT）分析了这些因素在确定食品价格变化中的相对重
要性。结果表明，所有预测变量对解释食品价格的变化都相当重要，最低支持价格
（Minimum Support Prices，MSP）和农场工资相对比其他变量更为重要，而此前一直
认为对国内价格影响较大的国际食品价格，在解释国内食品价格变化方面的相关性有
限。需要通过坚决的政策改革来抑制食品价格对经济发展的影响，在人口不断增长情
• 122 •
