文 | 渔言农说
非洲猪瘟是一种严重威胁猪健康的传染性疾病，它可以引起出血热，死亡率很高，有时在家猪和野猪中几乎可以达到100%。
这意味着，如果非洲猪瘟爆发，可能会对养猪业和一个国家的经济造成巨大损害。例如，由于2018年非洲猪瘟的流行，中国的种猪数量减少了40%，猪肉价格大幅上涨，而消费者价格指数(CPI)上涨了4%。
在2018年之前，亚洲没有报告任何非洲猪瘟病例。然而，2018年8月在辽宁省沈阳市出现了第一例非洲猪瘟病例。
此后，非洲猪瘟似乎遵循了大流行的趋势，并可能蔓延到更多的国家。
避免一个国家爆发非洲猪瘟的一种方法是调查非洲猪瘟的传播途径。本文旨在通过对非洲家猪饲养产生猪瘟外传入澳大利亚的模糊风险评估，以期有效避免非洲猪瘟的传播。
材料与方法
1.数据收集及工具
为澳大利亚建立非洲猪瘟引入风险评估模型的第一步是获取可用数据，这些数据有助于模型中使用的因素。
国际旅游和货物进口总额的数据，按来源国收集自澳大利亚统计局(ABS, 2020)和世界旅游晴雨表[UNWTO]。
各提升国家航空公司的国际乘客数据来自基础设施和运输研究经济局，进口价值的国家排名等信息来自澳大利亚港口和国际贸易中心。
发生非洲猪瘟的国家名单来自世界动物卫生组织世界动物卫生信息数据库界面。
2.模糊模型模糊变量
利用MATLAB R2020b软件构建模糊风险评价模型。根据之前的研究以及澳大利亚的地理位置、国际旅客(IP)和国际进口贸易(IIT)被定义为评估非洲猪瘟病毒传入澳大利亚的两个主要考虑因素。
猪肉产品的知识产权是非洲猪瘟引入风险之一，知识产权的数量是一个重要的影响因素。如前所述，ASF引入风险与运输有关。
虽然澳大利亚没有独立的海上运输统计数据，但根据澳大利亚港口的数据，澳大利亚98%的国际贸易都是通过海运进行的。
这意味着IIT的数量与运费的数量相关，进而与ASF引入风险相关。因此，IP和IIT是用于构建此模型的两个变量。
然而，也有一些因素可能会影响知识产权和IIT。这可能表明，可以使用如图2所示的两层将模型结构成分层方式。
Kamthan和Singh提出了适合本文的多输入单输出系统。一个系统分为几个子系统，每个子系统都有特定的变量、规则和隶属函数。
之后，将其分层连接以获得单个输出。IP和IIT这两个变量将成为上层的变量。根据以往的研究和公开信息(世界动物卫生信息数据库接口)，每年国际旅客数量，进口金额，以及来自高风险国家的百分比会影响IP和IIT的年度风险值。
因此，IP和IIT分别受到上层两个变量的影响。
第一层调查每年入境人数、来自非洲猪瘟高风险国家的人数占比、每年国际进口数量、来自非洲猪瘟高风险国家的人数占比。
3.隶属函数与模糊集
建立澳大利亚模糊风险评估模型的下一步是定义模糊隶属函数。
常用的模糊隶属函数有三种，分别是高斯函数、梯形函数和三角函数。域定义为“X”，所有元素记为“X”，即X X。
为了对模糊度建模，fuzzy使用范围[0,1]代替清晰集合(0,1)来描述属于模糊集合的元素的真度。根据以往的研究，三角隶属函数常用于其他类型的风险评估模型。
为了保持一致，IP和IIT的隶属函数范围也设置为0 ~ 100。旅客人数来自国际游客到达-国家排名(世界旅游晴雨表，2020)。
由于近几十年来的最高点一直低于9000万，因此将1亿定为上限。
因此，范围设置为0 ~ 1亿，对应的范围为0 ~ 100。导入的范围以类似的方式设置。根据世贸组织的数据，美国和中国的进口额远远高于其他任何国家。
如果将它们的进口量设置为上限，可能会影响模型的效果。因此，上限设置为100亿。人口超过100亿的国家通常只有中国和美国。
但在模型中，上限设置为100亿，当超过100亿时，上限设置为100亿。本文将隶属函数定义为μ(x)。
定义域为X, A为X的子集，取值范围为xa ~ xb， μA(X)为A的隶属函数，它们的关系如下：
4.模糊规则与验证
在本研究中，我们采用Mamdani推理系统，其结构为：
R：如果x1是A1, x2是A2，xn是An，那么u就是U。
本文采用语言变量代替数学公式，更适合人类对不确定概念的推断。引进风险受IP和IIT两个因素变量的影响。
到目前为止，还没有一个公认的标准来定义IP和IIT。因此，我们无法获得具体的数据来建立模型。
因此，本文使用了共同的行为和相似的模型经验，而使用了关于其他感染的文献来定义规则。除此之外，假设两个输入参数IP和IIT分别等于p和t，输出ASF传入澳大利亚的风险程度(RAM)等于j。
Mandani规则关系可以表示为：
如果IP为p，IIT为t，则RAM为j。
本文采用矩阵法来定义模糊规则。横坐标用p (IP)表示，纵坐标用t (IIT)表示。
根据定制的等级标准，可以确定矩形区域的等级范围。例如，非常低是从0到20。那么，非常低的上限是20。
因此，矩形面积的极低范围在0 ~ 400之间。同样，可以得到每一层的矩形面积范围。然后，利用横坐标和纵坐标各度数的中位数，通过矩形面积的水平范围确定模糊规则。
例如，当IT较低时，IIP为中等，然后可以推断输出的程度。低度和中度的中位数分别为30和50，30乘以50等于1500。
由表3可知，1500处于较低范围。因此，当IT较低，IIP中等时，输出较低。
非洲猪瘟传入澳大利亚的风险
由笛卡尔积:
A和B是两个输入模糊集。
它可以用来评估该模型的每个层次层的两个变量。在本文中，所有规则都使用“与”作为模糊算子。因此，模型采用min和prod两种方法进行计算，公式如下:
我们使用澳大利亚每年国际游客数量、各国每年航班线路百分比、澳大利亚每年进口额和各国进口额所占比例的数据。然后得到第一层的两个输出，即IP和IIT风险水平的结果，作为下一层的输入。
本文使用了最近两年(2019年和2020年)的数据，通过对比两年的结果来分析趋势。
1.模型验证
为了评价模型的有效性，可以利用其他评价结果来验证所建立的模糊风险评价模型的功能性。
根据英国政府环境、食品和农村事务部(2018)，采用定性方法评估了非洲猪瘟传入英国的风险，并将其分为五个风险级别(即非常低、低、中、高和非常高)。
DEFRA参考了其他欧洲国家和自己国家的各种数据，如贸易额、生猪进口量等。根据非洲猪瘟病毒在不同生物环境中的生存时间、非洲猪瘟流行病学和欧洲疫情情况，计算了非洲猪瘟通过不同途径对英国影响的风险水平。
该方法的一个参数运输量与所建立的模糊风险评估模型的IIT变量相似。因此，在我们的模型中使用了英国进口的数量和进口价值的百分比，然后比较两种方法产生的风险等级。
2.结果与讨论
根据澳大利亚统计局(ABS)(2020)和世界旅游晴雨表(UNWTO)(2020)的统计，2019年到澳大利亚的国际旅游人数为947万。
但是，受疫情影响，到2020年，这一数字为180万名，减少了80.7%。此外，BITRE(2019 & 2020)的数据显示，2019年和2020年非洲猪瘟高风险国家的外逃比例分别为28.8%和24%。
澳大利亚2019年和2020年的进口额分别为2140亿美元和2020亿美元。根据澳大利亚统计局(ABS)商品进口表(2020年)计算，从非洲猪瘟高风险国家进口金额的概率分别为44.9%和47.0%。
第一层变量数据如表4所示。
在本文中，基于2019年和2020年数据的预测结果是由于2019年的数据比以往最高，可以代表澳大利亚正常年份的最高水平。为了对比分析疫情后的趋势，我们引用了2020年的数据。
该模型的输出值受到第二层输入变量的影响(图2)，但第二层的输入就是第一层的输出，它们也受到第一层输入的影响。因此，模型的最终输出最终受到第一层的影响。
然而，这提供了一个机会来了解模型的哪一部分提供了最终预测的效果。使用模糊建模的优点是能够通过使用人类可理解的模糊规则进行追溯。
澳大利亚的风险度较低，这是由于澳大利亚的一些第一层投入值在世界范围内处于较低或极低的程度，如年进口额和年国际旅游额。
此外，IP从19.9到11.6，但最终输出仅从24.4到21.3。由于IIT相对稳定，其下降幅度不如IP明显，根据以下规则之一:
如果IP为VL，IIT为L，则ASF引入的风险(RAI)为VL。
结论
在本研究中，我们建立了定量模糊风险评估模型来评估非洲猪瘟传入澳大利亚的风险。
本文的贡献有两个方面：首先，利用模糊建模技术建立了非洲猪瘟引入风险评估模型。其次，建立的模型用于洞察非洲猪瘟引入澳大利亚的风险水平。我们的分析是基于国际游客数量、进口金额和来自高非洲猪瘟风险国家的比例。
通过对澳大利亚收集的数据进行分析，并使用我们的模糊风险评估模型，可以得出以下结论：澳大利亚是非洲猪瘟传入风险较低的国家。
2019年至2020年，来自国际游客的风险呈下降趋势。根据对进口和航班数量的分析，亚洲国家的引进风险最高。
这项研究将有助于海关和其他相关部门制定更有效的检查和监测方法，以保护澳大利亚的生物安全。
参考文献
[1]安德鲁，M.，布格尔德，S.，切斯诺，T.，罗斯，N.， 2021。时空聚类和随机森林模型识别2018-2019年罗马尼亚非洲猪瘟暴发危险因素. Sci. Rep. 11 (1), 1–12.
[2]Arji, G, Ahmadi, H.， Nilashi, M.， 2019。传染病诊断的模糊逻辑方法:系统评价、文献与分类.Biocybernetics Biomed. Eng. 39 (4), 937–955.
[3]澳大利亚统计局，2020。国际贸易:补充资料，历年方法。
[4]Behsudi, A.， 2020。依赖旅游业的经济体是受疫情影响最大的经济体之一. Erişim adresi.
[5]Chenais, E . Depner, K ., Guberti, V ., Dietze, K ., StåViltrop, A . hi, K ., 2019年。欧洲非洲流感流行病学考虑2014 - 2018.Porcine Health Manag.5 (1), 1–10.