基于BN-DT下無人農(nóng)場投資風(fēng)險(xiǎn)效益評(píng)估系統(tǒng)設(shè)計(jì)

王少營

(聊城職業(yè)技術(shù)學(xué)院,山東 聊城 252000)

0 引言

無人農(nóng)場作為一種新興的農(nóng)業(yè)生產(chǎn)模式,利用先進(jìn)的自動(dòng)化和人工智能技術(shù),實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)過程的智能化和自動(dòng)化[1-2],可以提高生產(chǎn)效率、優(yōu)化資源利用、改善農(nóng)產(chǎn)品質(zhì)量。

在現(xiàn)代復(fù)雜多變的商業(yè)環(huán)境中,投資決策往往面臨著諸多不確定性和風(fēng)險(xiǎn)性。特別是對(duì)于無人農(nóng)場這樣新興的領(lǐng)域,投資者需要面對(duì)技術(shù)、市場、政策等多方面的挑戰(zhàn)[3-4],而傳統(tǒng)的評(píng)估方法可能無法全面考慮各種不確定性因素,導(dǎo)致決策的失誤和風(fēng)險(xiǎn)的增加。

證據(jù)理論作為一種用于處理不確定性和不完全信息的數(shù)學(xué)工具,可以將不同類型的證據(jù)轉(zhuǎn)化為信任度函數(shù),并通過權(quán)重的分配和組合,得出最終的評(píng)估結(jié)果[5],對(duì)各項(xiàng)風(fēng)險(xiǎn)指標(biāo)進(jìn)行客觀地分析和評(píng)價(jià),從而做出更準(zhǔn)確的投資決策[6]。

本文基于無人農(nóng)場投資關(guān)鍵指標(biāo),根據(jù)相關(guān)數(shù)據(jù)或?qū)＜医?jīng)驗(yàn),建立對(duì)應(yīng)的信任度函數(shù),根據(jù)不同證據(jù)的權(quán)重和關(guān)聯(lián)程度,將不同評(píng)估指標(biāo)整合成一個(gè)綜合的評(píng)估結(jié)果,進(jìn)而得出合理的綜合評(píng)估方案。通過文獻(xiàn)調(diào)研與實(shí)際評(píng)估,本文構(gòu)建無人農(nóng)場相關(guān)數(shù)據(jù)庫,如市場調(diào)研數(shù)據(jù)、技術(shù)參數(shù)、農(nóng)產(chǎn)品需求預(yù)測等,通過實(shí)證分析和驗(yàn)證,期望該系統(tǒng)在實(shí)際應(yīng)用中可以為無人農(nóng)場投資領(lǐng)域的決策者提供有力的決策工具,促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)的可持續(xù)發(fā)展和創(chuàng)新。

1 無人農(nóng)場基本結(jié)構(gòu)及運(yùn)行模式分析

1.1 基本結(jié)構(gòu)

無人農(nóng)場,又被稱為“智能農(nóng)場”“智慧農(nóng)場”或“數(shù)字農(nóng)場”,是利用先進(jìn)的信息技術(shù)、自動(dòng)化設(shè)備和人工智能等技術(shù)手段,實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)過程的智能化、自動(dòng)化和數(shù)字化的農(nóng)場模式[7-8],是現(xiàn)代農(nóng)業(yè)發(fā)展的重要方向。

無人農(nóng)場的主要目標(biāo)是實(shí)現(xiàn)農(nóng)業(yè)耕種管收全程無人化作業(yè),核心技術(shù)為智能管理云平臺(tái)[9],智能農(nóng)機(jī)裝備為技術(shù)支撐[10],進(jìn)而實(shí)現(xiàn)無人農(nóng)場的感知決策、精準(zhǔn)作業(yè)、自動(dòng)駕駛和多機(jī)協(xié)同作業(yè)[11](圖1)。

圖1 無人農(nóng)場系統(tǒng)結(jié)構(gòu)示意圖

1.2 關(guān)鍵技術(shù)及組成部分

1.2.1 信息感知系統(tǒng)

信息感知系統(tǒng)在無人農(nóng)場中起著至關(guān)重要的作用,可以實(shí)時(shí)監(jiān)測和感知農(nóng)場的環(huán)境和農(nóng)作物狀況,為智能決策和精準(zhǔn)作業(yè)提供必要的數(shù)據(jù)支持。信息感知系統(tǒng)主要包括無人機(jī)遙感裝置、田間綜合監(jiān)測系統(tǒng)、物聯(lián)網(wǎng)感知系統(tǒng)三部分?？赏ㄟ^搭載各種優(yōu)越感器對(duì)農(nóng)田進(jìn)行高中高分辨率圖像采集獲取地理信息和農(nóng)作物生長狀況,進(jìn)而制作高精度農(nóng)田地圖、監(jiān)測農(nóng)作物健康狀態(tài)、檢測病蟲害等(圖2),進(jìn)行農(nóng)業(yè)生產(chǎn)的實(shí)時(shí)監(jiān)測和分析。并且,管理人員可遠(yuǎn)程監(jiān)控和控制農(nóng)機(jī)的作業(yè),調(diào)整作業(yè)計(jì)劃,并實(shí)時(shí)獲取各項(xiàng)作業(yè)數(shù)據(jù)和農(nóng)場運(yùn)營情況[12]。

圖2 無人農(nóng)場作物長勢及蟲情分析圖

1.2.2 智能農(nóng)機(jī)裝備

智能農(nóng)機(jī)裝備是無人農(nóng)場的關(guān)鍵技術(shù)之一,通過集成先進(jìn)的信息技術(shù)、自動(dòng)化設(shè)備和傳感器等,實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)過程的智能化、自動(dòng)化和高效化,主要包括自動(dòng)駕駛拖拉機(jī)、智能播種機(jī)、智能噴灑器、自動(dòng)化收割機(jī)、智能灌溉系統(tǒng)、無人機(jī)植保噴灑機(jī)、智能農(nóng)業(yè)機(jī)器人等[13-14]。

2 無人農(nóng)場投資風(fēng)險(xiǎn)效益評(píng)價(jià)方法及原理

2.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)(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(guān)系的概率圖模型。有向圖通常是一個(gè)有向無環(huán)圖(DAG),因此貝葉斯網(wǎng)絡(luò)也被稱為有向無環(huán)圖模型(Directed Acyclic Graph Model)[15]。

對(duì)于貝葉斯網(wǎng)絡(luò)中任意隨機(jī)變量X=(xt1,xt2,xt3,…,xtn),相應(yīng)的聯(lián)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(jī)變量X在時(shí)期tj的父節(jié)點(diǎn)集合;t為時(shí)期長度。

如果隨機(jī)變量X為時(shí)間序列,且xtj的父節(jié)點(diǎn)為(xtj-1,…,xt1),則式(1)可轉(zhuǎn)換為

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

(2)

根據(jù)概率論中的鏈規(guī)則,即聯(lián)合概率可以由其條件概率鏈表達(dá),則式(2)右端的條件概率函數(shù)可構(gòu)建為

(3)

2.2 證據(jù)理論

證據(jù)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(shù)據(jù)融合問題。證據(jù)理論的核心概念是“證據(jù)”(evidence),用來表示對(duì)不同假設(shè)或事件的支持程度[16]。證據(jù)理論的基本要素包括:

1)證據(jù)集合(Mass Function)。它表示對(duì)不同事件的支持程度,是證據(jù)理論的核心。對(duì)于每個(gè)事件,都有一個(gè)相應(yīng)的證據(jù)集合,它包含了在該事件上的支持程度信息。

2)證據(jù)組合規(guī)則(Combination Rule)。它可將不同證據(jù)集合進(jìn)行合并,得到新的綜合證據(jù)。證據(jù)組合規(guī)則考慮了不同證據(jù)之間的沖突和相互影響,從而得到更準(zhǔn)確的綜合結(jié)果。

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

3 基于證據(jù)理論下無人農(nóng)場投資風(fēng)險(xiǎn)效益評(píng)估模型

本文提出一種基于證據(jù)理論下無人農(nóng)場投資風(fēng)險(xiǎn)效益評(píng)估模型,評(píng)估流程主要包括評(píng)價(jià)指標(biāo)體系及標(biāo)準(zhǔn)、貝葉斯網(wǎng)絡(luò)構(gòu)建和無人農(nóng)場投資風(fēng)險(xiǎn)概率分析(圖3)。

圖3 無人農(nóng)場投資風(fēng)險(xiǎn)效益評(píng)估流程

1)評(píng)價(jià)指標(biāo)體系及標(biāo)準(zhǔn)的確定。首先確定無人農(nóng)場投資的評(píng)價(jià)指標(biāo)體系,涵蓋投資風(fēng)險(xiǎn)和效益的關(guān)鍵方面,用于判斷投資項(xiàng)目在該指標(biāo)上的表現(xiàn)水平。

2)貝葉斯網(wǎng)絡(luò)構(gòu)建。在評(píng)估模型中,采用貝葉斯網(wǎng)絡(luò)作為核心,構(gòu)建投資風(fēng)險(xiǎn)效益模型。貝葉斯網(wǎng)絡(luò)通過有向無環(huán)圖表示不同指標(biāo)之間的條件依賴關(guān)系。每個(gè)指標(biāo)作為節(jié)點(diǎn),通過專家知識(shí)或歷史數(shù)據(jù)確定指標(biāo)之間的條件概率分布。

3)無人農(nóng)場投資風(fēng)險(xiǎn)概率分析。基于構(gòu)建的貝葉斯網(wǎng)絡(luò)模型,進(jìn)行無人農(nóng)場投資風(fēng)險(xiǎn)概率分析。通過輸入不同的觀測值或假設(shè),對(duì)投資項(xiàng)目的風(fēng)險(xiǎn)進(jìn)行概率計(jì)算。

3.1 評(píng)價(jià)指標(biāo)體系及標(biāo)準(zhǔn)

無人農(nóng)場投資風(fēng)險(xiǎn)是一個(gè)復(fù)雜、不確定的推理問題,涉及到眾多因素。通過實(shí)地考察、文獻(xiàn)調(diào)研,本章節(jié)提煉出無人農(nóng)場投資風(fēng)險(xiǎn)的主要影響因素,主要包括無人農(nóng)場技術(shù)裝備A1、地理位置條件A2、農(nóng)田面積A3、自然災(zāi)害A4。這些因素的復(fù)雜性和不確定性使得投資決策變得非常復(fù)雜,需要綜合考慮各種因素的相互影響。本章節(jié)旨在構(gòu)建證據(jù)理論的評(píng)估模型處理這些復(fù)雜因素,為決策者提供全面、準(zhǔn)確的投資風(fēng)險(xiǎn)效益評(píng)估。

3.1.1 技術(shù)裝備條件

投資無人農(nóng)場需要大量智能農(nóng)機(jī)裝備和物聯(lián)網(wǎng)感知系統(tǒng)等先進(jìn)技術(shù)設(shè)備。技術(shù)裝備的性能、穩(wěn)定性和可靠性直接影響到農(nóng)場的運(yùn)營效率和產(chǎn)出質(zhì)量。無人農(nóng)場相關(guān)技術(shù)裝備條件主要考慮智能農(nóng)機(jī)裝備數(shù)量(X1)、專業(yè)人才數(shù)量(X2)、農(nóng)機(jī)維護(hù)與保養(yǎng)支持站點(diǎn)數(shù)量(X3)3個(gè)參數(shù)。

1)智能農(nóng)機(jī)裝備數(shù)量(X1)。過少的裝備數(shù)量可能導(dǎo)致無法及時(shí)完成農(nóng)業(yè)作業(yè)任務(wù),影響農(nóng)產(chǎn)品產(chǎn)量和質(zhì)量;過多的裝備則可能導(dǎo)致資源浪費(fèi),增加投資成本[17]。

2)專業(yè)人才數(shù)量(X2)。投資無人農(nóng)場需要考慮所需的專業(yè)人才數(shù)量,包括技術(shù)人員、農(nóng)業(yè)專家和管理人員等,確保技術(shù)裝備的穩(wěn)定運(yùn)行和有效利用。

3)農(nóng)機(jī)維護(hù)與保養(yǎng)支持站點(diǎn)數(shù)量(X3)。投資無人農(nóng)場需要在農(nóng)場周邊建立維修站點(diǎn)或維護(hù)服務(wù)中心,保障裝備的正常運(yùn)行,降低由于故障帶來的停機(jī)損失。

3.1.2 地理?xiàng)l件/位置

地理?xiàng)l件或位置是指無人農(nóng)場所處的地理環(huán)境和位置特點(diǎn),會(huì)直接影響到農(nóng)場的運(yùn)營和農(nóng)業(yè)生產(chǎn)。主要影響因素包括水資源(X4)、降雨量(X5)、交通和運(yùn)輸(X6)、市場接近度(X7)。

1)水資源(X4)。水資源是農(nóng)業(yè)生產(chǎn)中至關(guān)重要的因素,無人農(nóng)場的水資源充足性和穩(wěn)定性將直接影響到農(nóng)作物的產(chǎn)量和質(zhì)量。

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

3)交通和運(yùn)輸(X6)。無人農(nóng)場靠近主要交通樞紐和運(yùn)輸通道,農(nóng)產(chǎn)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(nóng)場位于市場附近,農(nóng)產(chǎn)品的銷售和市場需求的響應(yīng)將更加及時(shí)和便捷,這將有助于提高農(nóng)產(chǎn)品的市場競爭力和銷售收益。

3.1.3 農(nóng)田面積

農(nóng)田面積是無人農(nóng)場的基本規(guī)模,直接關(guān)系到農(nóng)產(chǎn)品的產(chǎn)量和經(jīng)濟(jì)效益。過小的農(nóng)田面積可能導(dǎo)致規(guī)模經(jīng)濟(jì)效應(yīng)不顯著,難以實(shí)現(xiàn)投資回報(bào),而過大的農(nóng)田面積可能增加管理難度和生產(chǎn)風(fēng)險(xiǎn)。本文選擇3種無人農(nóng)場面積[18]。

1)小型無人農(nóng)場(X8)。小型無人農(nóng)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(jìn)行精細(xì)化管理的農(nóng)業(yè)生產(chǎn)。

2)中型無人農(nóng)場(X9)。中型無人農(nóng)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(nóng)場可以更好地實(shí)現(xiàn)規(guī)模經(jīng)濟(jì)效應(yīng),提高農(nóng)作物的產(chǎn)量和經(jīng)濟(jì)效益。

3)大型無人農(nóng)場(X10)。大型無人農(nóng)場的面積通常大于66.67 hm2,甚至超過666.67 hm2,適合進(jìn)行大規(guī)模農(nóng)作物種植或農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營。

3.1.4 自然災(zāi)害

自然災(zāi)害是指由自然因素引起的突發(fā)性、毀滅性的不可預(yù)測的自然事件,其嚴(yán)重程度可能對(duì)人類和環(huán)境造成嚴(yán)重影響。無人農(nóng)場在面臨自然災(zāi)害時(shí)也會(huì)面臨一定的風(fēng)險(xiǎn)和挑戰(zhàn)。本章節(jié)選取洪水(X11)、臺(tái)風(fēng)和颶風(fēng)(X12)、冰雹(X13)及霜凍(X14)作為主要的自然災(zāi)害影響因素。

為了更好地對(duì)無人農(nóng)場投資風(fēng)險(xiǎn)指標(biāo)進(jìn)行評(píng)價(jià),需要對(duì)安全等級(jí)進(jìn)行劃分,本文設(shè)置低、較低、中等、較高、高5個(gè)風(fēng)險(xiǎn)等級(jí),客觀因素由實(shí)際數(shù)據(jù)進(jìn)行衡量,主觀因素的劃分由相關(guān)領(lǐng)域?qū)＜疫M(jìn)行百分之計(jì)算。

1)低風(fēng)險(xiǎn)(Risk Level 1)。在該等級(jí)下,無人農(nóng)場的技術(shù)裝備成熟穩(wěn)定,地理位置條件優(yōu)越,農(nóng)田面積適宜,自然災(zāi)害風(fēng)險(xiǎn)較小,投資者對(duì)此類無人農(nóng)場的投資風(fēng)險(xiǎn)相對(duì)可控。

2)較低風(fēng)險(xiǎn)(Risk Level 2)。此等級(jí)表示投資無人農(nóng)場的風(fēng)險(xiǎn)較低,但略高于低風(fēng)險(xiǎn)等級(jí)。在此等級(jí)下,無人農(nóng)場的技術(shù)裝備較為成熟,地理位置條件良好,農(nóng)田面積適中,自然災(zāi)害風(fēng)險(xiǎn)較小。投資者對(duì)于此類無人農(nóng)場的投資風(fēng)險(xiǎn)可以通過一定的風(fēng)險(xiǎn)管理手段進(jìn)行控制。

3)中等風(fēng)險(xiǎn)(Risk Level 3)。在該等級(jí)下,無人農(nóng)場的技術(shù)裝備可能存在一定程度的不穩(wěn)定性或需要進(jìn)一步改進(jìn),地理位置條件一般,農(nóng)田面積適度,自然災(zāi)害風(fēng)險(xiǎn)較為普遍。投資者需要認(rèn)真評(píng)估風(fēng)險(xiǎn)并采取適當(dāng)措施降低風(fēng)險(xiǎn)。

4)較高風(fēng)險(xiǎn)(Risk Level 4)。無人農(nóng)場的技術(shù)裝備可能較為不成熟,地理位置條件相對(duì)一般,農(nóng)田面積較大,自然災(zāi)害風(fēng)險(xiǎn)較高。投資者在決策時(shí)需謹(jǐn)慎考慮風(fēng)險(xiǎn),可能需要更多的風(fēng)險(xiǎn)管理和預(yù)防措施。

5)高風(fēng)險(xiǎn)(Risk Level 5)。此時(shí)的等級(jí)表示投資無人農(nóng)場的風(fēng)險(xiǎn)非常高。在該等級(jí)下,無人農(nóng)場的技術(shù)裝備不穩(wěn)定,地理位置條件較差,農(nóng)田面積過大,自然災(zāi)害風(fēng)險(xiǎn)嚴(yán)重。投資者對(duì)于此類無人農(nóng)場的投資風(fēng)險(xiǎn)極高,可能需要謹(jǐn)慎評(píng)估或者選擇避免投資。

3.2 模糊貝葉斯網(wǎng)絡(luò)建立

本章節(jié)采用專家群決策法來獲取根節(jié)點(diǎn)的模糊先驗(yàn)概率,通過多位專家的意見和知識(shí),對(duì)問題進(jìn)行綜合評(píng)估,得出模糊先驗(yàn)概率。

將專家的語言評(píng)價(jià)值劃分為5個(gè)風(fēng)險(xiǎn)等級(jí)(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(píng)估表交給專家,要求他們對(duì)每個(gè)根節(jié)點(diǎn)的取值進(jìn)行評(píng)估,并給出相應(yīng)的模糊描述。專家可以使用模糊評(píng)估的方法,如模糊數(shù)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(shù)將專家的語言值評(píng)價(jià)轉(zhuǎn)化為模糊區(qū)間值(表1),不同專家對(duì)于無人農(nóng)場投資風(fēng)險(xiǎn)的評(píng)估結(jié)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(duì)模糊描述進(jìn)行量化和平均化,得到了風(fēng)險(xiǎn)等級(jí)的平均值。

表1 專家對(duì)根節(jié)點(diǎn)的評(píng)估結(jié)果及模糊描述

專家評(píng)價(jià)結(jié)果模糊化之后,本章節(jié)選擇高斯隸屬函數(shù)反應(yīng)其數(shù)值非線性正態(tài)分布特性,表達(dá)式如下

(4)

式中,x為專家評(píng)價(jià)對(duì)應(yīng)的量化值;μ為函數(shù)的中心;σ為標(biāo)準(zhǔn)偏差,表示函數(shù)的均方根(RMS)寬度。本文5個(gè)風(fēng)險(xiǎn)等級(jí)高斯隸屬函數(shù)分別為0,0.25,0.5,0.75和1。

基于證據(jù)理論的區(qū)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(jù)或信息進(jìn)行合并,得到更為全面和準(zhǔn)確的結(jié)論。在投資風(fēng)險(xiǎn)評(píng)估中,區(qū)間融合可以用于將不同專家或來源的模糊評(píng)估結(jié)果轉(zhuǎn)化為區(qū)間估計(jì),從而更好地反映不確定性和主觀性。

根據(jù)經(jīng)典證據(jù)理論,n個(gè)證據(jù)體之間的沖突程度以沖突系數(shù)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(gè)證據(jù)體的第j個(gè)焦元。

4 評(píng)估系統(tǒng)的設(shè)計(jì)

4.1 系統(tǒng)基本結(jié)構(gòu)及工作原理

無人農(nóng)場投資風(fēng)險(xiǎn)評(píng)估系統(tǒng)基本結(jié)構(gòu)主要包括系統(tǒng)管理模塊、專家打分模塊、評(píng)估分析模塊和用戶管理模塊,專家通過專家打分模塊對(duì)投資風(fēng)險(xiǎn)效益進(jìn)行評(píng)估,評(píng)估結(jié)果將傳遞到評(píng)估分析模塊進(jìn)行綜合處理。評(píng)估分析模塊使用基于證據(jù)理論和區(qū)間融合的方法,將專家評(píng)估結(jié)果轉(zhuǎn)化為綜合的評(píng)估結(jié)果。在這個(gè)過程中,系統(tǒng)會(huì)對(duì)數(shù)據(jù)進(jìn)行適當(dāng)驗(yàn)證和優(yōu)化,確保評(píng)估結(jié)果的準(zhǔn)確性和可靠性。用戶管理模塊則用于管理系統(tǒng)的用戶和權(quán)限,保障系統(tǒng)的安全和穩(wěn)定運(yùn)行。

4.2 運(yùn)行結(jié)果與分析

本文以本市ZS農(nóng)田構(gòu)建無人農(nóng)場為例開展分析,針對(duì)ZS地區(qū)的農(nóng)田,收集相關(guān)的技術(shù)裝備信息、地理位置條件、農(nóng)田面積、自然災(zāi)害等數(shù)據(jù),并邀請(qǐng)相關(guān)領(lǐng)域的專家參與評(píng)估,以評(píng)估在這一投資項(xiàng)目中的風(fēng)險(xiǎn)與效益,系統(tǒng)運(yùn)行結(jié)果如表2所示,根據(jù)貝葉斯網(wǎng)絡(luò)和區(qū)間融合的方法,將以上專家評(píng)估值和數(shù)據(jù)分析整合,得出投資無人農(nóng)場的綜合評(píng)估結(jié)果為[0.4,0.7],說明該投資ZS農(nóng)田構(gòu)建無人農(nóng)場為較低風(fēng)險(xiǎn)等級(jí)(Risk Level 2),但仍需要一定的風(fēng)險(xiǎn)管理措施來確保投資項(xiàng)目的成功與可持續(xù)發(fā)展。

表2 ZS農(nóng)田構(gòu)建無人農(nóng)場投資風(fēng)險(xiǎn)評(píng)估結(jié)果

5 結(jié)論

本文基于證據(jù)理論,設(shè)計(jì)了一種無人農(nóng)場投資風(fēng)險(xiǎn)效益評(píng)估模型,并以某市ZS地區(qū)農(nóng)田構(gòu)建無人農(nóng)場為例進(jìn)行了分析,主要得出以下結(jié)論:

1)無人農(nóng)場投資風(fēng)險(xiǎn)涉及到多個(gè)因素的綜合影響。本文通過采用模糊評(píng)估和貝葉斯網(wǎng)絡(luò)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(gè)因素對(duì)投資風(fēng)險(xiǎn)效益的影響。

2)本文選取無人農(nóng)場技術(shù)裝備(A1)、地理位置條件(A2)、農(nóng)田面積(A3)和自然災(zāi)害(A4)做為影響因素建立基于證據(jù)理論的無人農(nóng)場投資風(fēng)險(xiǎn)效益評(píng)估模型,通過模糊評(píng)估的方法,邀請(qǐng)相關(guān)領(lǐng)域的專家對(duì)各項(xiàng)指標(biāo)進(jìn)行模糊評(píng)估,評(píng)估結(jié)果被轉(zhuǎn)化為模糊隸屬函數(shù),用于描述各個(gè)指標(biāo)的評(píng)估值。

3)構(gòu)建無人農(nóng)場投資風(fēng)險(xiǎn)評(píng)估系統(tǒng),通過收集相關(guān)數(shù)據(jù)和邀請(qǐng)專家參與評(píng)估得出,投資ZS地區(qū)農(nóng)田構(gòu)建無人農(nóng)場的綜合評(píng)估結(jié)果為[0.4, 0.7],表明該投資項(xiàng)目的風(fēng)險(xiǎn)效益在0.4～0.7,將投資風(fēng)險(xiǎn)劃分為較低風(fēng)險(xiǎn)等級(jí)(Risk Level 2)。