基于多模块协同的动物疫病数据综合分析与预警平台(ReEpi)的设计与开发

doi:10.19788/j.issn.2096-6369.000140

农业大数据学报 ›› 2026, Vol. 8 ›› Issue (2): 174-182.doi: 10.19788/j.issn.2096-6369.000140

基于多模块协同的动物疫病数据综合分析与预警平台(ReEpi)的设计与开发

刘思焱¹^,²^,³(), 魏丽丽¹^,²^,³, 王靖飞¹^,²^,³^,^*()

¹ 中国农业科学院哈尔滨兽医研究所，哈尔滨 150069
² 动物疫病防控全国重点实验室，哈尔滨 150069
³ 农业农村部动物疫病野外科学观测研究数据中心，哈尔滨 150069

收稿日期:2025-11-17 接受日期:2026-03-26 出版日期:2026-06-26 发布日期:2026-06-26
通讯作者: 王靖飞，E-mail: wangjingfei@caas.cn。
作者简介:刘思焱，E-mail: 82101235755@caas.cn。
基金资助:
国家重点研发计划(2023YFC2605001);国家自然基金面上项目(32272980);黑龙江省自然基金重点项目(ZD2024C005)

Design and Development of an Integrated Analysis and Early Warning Platform for Animal Epidemic Data Based on Multi-Module Collaboration

LIU SiYan¹^,²^,³(), WEI LiLi¹^,²^,³, WANG JingFei¹^,²^,³^,^*()

¹ Harbin Veterinary Research Institute, Chinese Academy of Agricultural Sciences, Harbin 150069, China
² State Key Laboratory for Animal Disease Control and Prevention, Harbin 150069, China
³ Ministry of Agriculture and Rural Affairs, Data Center for Field Scientific Observation and Research on Animal Diseases, Harbin 150069, China

Received:2025-11-17 Accepted:2026-03-26 Published:2026-06-26 Online:2026-06-26

摘要/Abstract

摘要：

针对动物疫病数据多源异构、时空关联及小样本不平衡等特征，本文构建并实现了基于多模块协同的动物疫病智能分析与预警平台（ReEpi）。该平台覆盖“数据—分析—预警—可视化”全流程，集成数据治理、统计分析、流行病学建模、分子演化分析、空间地理分析、智能诊断及风险预警等功能模块，采用可复用的松耦合架构设计，结合Streamlit前端与Python科学计算生态，兼顾易用性与可扩展性。集成测试与初步应用显示，平台在准确性、稳定性及交互体验上表现优异，可有效支撑农业大数据环境下的动物疫病分析与辅助决策。

关键词: 农业大数据, 动物疫病, 流行病学, 时空分析, 风险预警, 可视化

Abstract:

Given the characteristics of animal disease data, such as multi-source heterogeneity, spatiotemporal correlation, and small-sample imbalance, this study constructs and implements a multi-module collaborative intelligent analysis and early warning platform for animal diseases (ReEpi). Covering the entire process of "data-analysis-early warning-visualization", the platform integrates functional modules including data governance, statistical analysis, epidemiological modeling, molecular evolution analysis, spatial geographic analysis, intelligent diagnosis, and risk early warning. It adopts a reusable and loosely coupled architecture, combined with the Streamlit frontend and Python scientific computing ecosystem, ensuring both usability and scalability. Integrated tests and preliminary applications show that the platform performs well in accuracy, stability, and interactive experience, and can effectively support animal disease analysis and auxiliary decision-making in the context of agricultural big data.

Key words: big data analytics in agriculture, animal infectious disease, epidemiology, spatial analysis, risk early warning, visualization

刘思焱, 魏丽丽, 王靖飞. 基于多模块协同的动物疫病数据综合分析与预警平台(ReEpi)的设计与开发[J]. 农业大数据学报, 2026, 8(2): 174-182.

LIU SiYan, WEI LiLi, WANG JingFei. Design and Development of an Integrated Analysis and Early Warning Platform for Animal Epidemic Data Based on Multi-Module Collaboration[J]. Journal of Agricultural Big Data, 2026, 8(2): 174-182.

图/表 6

图1

图2

表1

表2

基于AI的各模块功能及运行状态评估结果"

模块	稳定性	可用性	说明
数据管理模块	高	高	支持多格式数据读取、列选择与质量统计，异常处理健全，为各分析模块提供稳定数据源。
数据可视化模块	中-高	高	支持Matplotlib/Seaborn/Plotly的多类别图表输出，并加入中文字体自动配置与导出能力；对多图表并行渲染依赖前端资源，建议在大数据量场景下做性能把控。
统计分析模块	高	高	采用标准统计库（scipy、sklearn）完成假设检验、相关分析、聚类等功能，数据加载与列选择流程健全，异常处理与交互式仪表盘完备，适合论文中展示多类统计分析流程。
流行病学分析模块	高	高	所有流程（数据加载、三间分布、风险因子、研究设计分析）均调用真实算法并包含异常处理，运行稳定，输出含汇总与明细表格，满足论文级复现与应用需求。
分子进化分析模块	高	高	所有关键算法（序列比对、系统发育、起源预测、空间聚类）接入真实计算流程；异常处理与数据校验完善，具备实际研究可用性。
风险预警模块	中-高	高	时空趋势预测与风险评估逻辑已动态化，回退策略基于真实统计；模型在多数据条件下可运行，但对大规模数据需要进一步性能评估。
传播动力学模块	中	中-高	实现SIR/SEIR/SIRS常微分方程模拟并集成防控参数，空间模拟使用固定随机种子生成网格；核心模型稳定，若用于发表建议补充实测数据校验与参数灵敏度分析。
智能诊断模块	中	中-高	流程闭环完整，含多模型训练与评估；需确保输入数据质量和特征工程以达到医疗级准确度，建议配合领域专家验证。
地理分析模块	高	高	增加了中间数据缓存与Folium图例统一渲染后，刷新性能显著改善；交互式热力图与聚类图均可用于实地决策支持。

表2

图3

图4

参考文献 8

[1]	陈伟生, 张淼洁, 王志刚. 加强我国动物疫病预防控制体系建设的对策建议. 中国科学院院刊, 2020(11):1384-1389.
	CHEN W S, ZHANG M J, WANG Z G. Suggestions on strengthening construction of animal disease prevention and control system in China. Bulletin of Chinese Academy of Sciences, 2020(11):1384-1389.
[2]	罗玉子, 孙元, 王涛, 等. 非洲猪瘟-我国养猪业的重大威胁. 中国农业科学, 2018, 51(21):4177-4187. doi: 10.3864/j.issn.0578-1752.2018.21.016
	LUO Y Z, SUN Y, WANG T, et al. African swine fever: A major threat to the Chinese swine industry. Scientia Agricultura Sinica, 2018, 51(21):4177-4187. doi: 10.3864/j.issn.0578-1752.2018.21.016
[3]	YOU S B, LIU T Y, ZHANG M, et al. African swine fever outbreaks in China led to gross domestic product and economic losses. Nature Food, 2021, 2(10):802-80. doi: 10.1038/s43016-021-00362-1 pmid: 37117973
[4]	刘青芸, 邬沛伶, 王湘如, 等. 新形势下我国人兽共患病防控挑战与应对策略. 中国工程科学, 2024, 26(5):199-211. doi: 10.15302/J-SSCAE-2024.05.019
	LIU Q Y, WU P L, WANG X L, et al. Prevention and control of zoonoses in China under the new situation: Challenges and strategies. Strategic Study of CAE, 2024, 26(5):199-211. doi: 10.15302/J-SSCAE-2024.05.019
[5]	DEAN A G, SULLIVAN K M, SOE M M. OpenEpi: Open Source Epidemiologic Statistics for Public Health[S]. Version. www.OpenEpi. com, updated 2013/04/06, accessed 2025/11/12.
[6]	LEVIN-RECTOR A, KULLDORFF M, PETERSON ER, et al. Prospective Spatiotemporal Cluster Detection Using SaTScan: Tutorial for Designing and Fine-Tuning a System to Detect Reportable Communicable Disease Outbreaks[S]. JMIR Public Health Surveill. 2024 Jun 11;10:50653.
[7]	赵春江. 智慧农业发展现状及战略目标研究. 智慧农业, 2019(1):1-7.
	ZHAO C J. State-of-the-art and recommended developmental strategic objectivs of smart agriculture. Smart Agriculture, 2019(1):1-7. doi: 10.12133/j.smartag.2019.1.1.201812-SA005
[8]	SHI Z B, WEI L L, WANG P F, et al. Spatio-temporal spread and evolution of influenza A (H7N9) viruses. Frontiers in Microbiology, 2022, 13:1002522.

评级等级	平均得分区间	评价说明
高	≥4.0	系统整体表现优良，无重大稳定性或安全性问题，具备较高工程成熟度与实际应用价值
中	3.0-3.9	系统整体表现良好，存在少量不足但无重大隐患，不影响正常功能使用
低	2.0-2.9	系统存在明显短板，部分维度表现较弱，可能出现偶发异常，需进一步优化
差	<2.0	系统存在严重稳定性或安全性问题，难以满足实际应用需求

[1]	吴蕾, 马晓敏, 孙巍, 张学福. 农业大数据研究发展（2025）[J]. 农业大数据学报, 2026, 8(1): 1-18.
[2]	李佳乐, 贺子康, 姚琼, 赵晓燕, 周国民, 张建华. 农业科学数据在线分析引擎设计与应用[J]. 农业大数据学报, 2025, 7(4): 458-467.
[3]	钱涛, 詹雅婷, 李胤, 宋珂, 邵明超, 虞钟直, 程涛, 姚霞, 郑恒彪, 朱艳, 曹卫星, 江冲亚. 基于车载相机和HLS时序遥感数据的作物分类研究[J]. 农业大数据学报, 2025, 7(2): 161-172.
[4]	陈晓静, 赵晓燕, 贺子康, 林佳, 李佳乐, 申家炜, 樊景超, 闫燊, 王健, 张建华, 周国民. 农业科学数据本体网络系统研发[J]. 农业大数据学报, 2025, 7(2): 201-212.
[5]	何凌君, 龙海, 李莉婕, 赵泽英. 贵州农业干旱指数时空演化协同可视分析[J]. 农业大数据学报, 2024, 6(4): 532-545.
[6]	岳瑞君, 何亮, 汤敏睿, 严威, 刘胜全, 杨婉霞, 孙卫红, 黄永峰. 基于云链融合的农业大数据安全治理模型研究[J]. 农业大数据学报, 2024, 6(3): 333-350.
[7]	吴云坤, 杨莹, 李豪, 熊健, 陈湘灵. 智慧农业领域大数据安全问题探索[J]. 农业大数据学报, 2024, 6(3): 380-391.
[8]	刘严红, 曹克涛, 陈新文, 李金星, 熊涛, 杜雪梅, 白涛, 郑文新, 郭雷风. 马智慧养殖大数据平台设计与实现[J]. 农业大数据学报, 2023, 5(3): 93-103.
[9]	陶耘, 成谢锋. 区域大数据发展与区域农业大数据建设水平比较研究[J]. 农业大数据学报, 2022, 4(1): 125-135.
[10]	汪汇涓, 徐倩, 周爱莲, 梁晓贺, 谢能付, 李小雨, 吴赛赛. 区块链的发展历程及在农业领域的应用展望[J]. 农业大数据学报, 2021, 3(3): 76-86.
[11]	李强, 高懋芳, 方莹. 农业大数据信息平台构建方法初探[J]. 农业大数据学报, 2021, 3(2): 24-30.
[12]	陈富桥, 凌晨. 茶叶全产业链大数据中心功能设计与开发进展[J]. 农业大数据学报, 2021, 3(2): 54-66.
[13]	蒋锐, 黄凤洪, 吴渝, 霍梦佳, 刘华威. 油料（油菜、花生）全产业链大数据的建设[J]. 农业大数据学报, 2021, 3(2): 67-74.
[14]	顾君, 贾暑花, 曾庆鸿. 基于知识中台的农业单品全产业链大数据平台建设研究[J]. 农业大数据学报, 2021, 3(1): 25-32.
[15]	张杰, 刘升平, 岳慧丽, 吕纯阳, 洪葳. 智慧蜂业大数据平台建设与应用[J]. 农业大数据学报, 2021, 3(1): 3-13.

基于多模块协同的动物疫病数据综合分析与预警平台(ReEpi)的设计与开发

Design and Development of an Integrated Analysis and Early Warning Platform for Animal Epidemic Data Based on Multi-Module Collaboration

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 8

相关文章 15

Metrics

本文评价

推荐阅读 0