《农业物联网技术与应用》第12章-农业信息决策与处理ppt课件.pptx

《《农业物联网技术与应用》第12章-农业信息决策与处理ppt课件.pptx》由会员分享，可在线阅读，更多相关《《农业物联网技术与应用》第12章-农业信息决策与处理ppt课件.pptx（87页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、信息科学与工程12.1 概 述12.1.1 物联网对农业信息处理技术的新要求现代农业区别于传统农业，它是一个动态的、历史的概念，是一种大规模运用现代工业提供的生产资料、现代科学技术和科学管理方法的农业。建设现代农业的重点体现在以下两个方面：一是农业生产技术和物质条件的现代化 ，利用先进的科学技术和现代化生产要素，实现农业生产机械化、水利化、电气化、化学化、信息化和网络化；二是农业组织管理的现代化，以此实现生产方式企业化、农业经营专业化和农业服务社会化（周洁红和黄祖辉，2002；戴小枫等，2007；陶武先，2004；肖建中和李国志，2015）。 作为IT技术发展的最新成果，物联网将在实现农业现代

2、化的进程中起着重要的作用 ，农业信息处理是农业物联网运行步骤中的末端环节，也是农业生产信息化、智能化的关键。通过信息技术对农业生产、经营管理、战略决策过程中的自然、经济和社会信息进行采集、存储、传递、处理和分析，为农业生产者、研究者、管理者和经营者提供资料查询、技术咨询、辅助决策和自动调控等多项服务。具体来说，就是将物联网感知层获取的大量数据，利用机器视觉、模式识别、智能推理等技术手段进行分析，从而得到用户真正需要的关键数据。12.1.2 农业信息智能处理方法简介农业信息处理技术的智能化程度不同，较低者称为基础农业信息技术，较高者称为智能农业信息技术。基础农业信息技术是指各种类型的农业数据库（

3、包括农业生产、农业科技、农业生产资料市场、农产品市场、农业资源与环境等）的建立，以及与计算机网络、移动互联网、 “3S”技术等技术的结合，其主要功能是提供动态信息，但其智能化程度低（丁朝霞，2007）。智能农业信息技术将现代信息技术与农业科技相结合，是实现农业信息有效传递、合理分析、智能应用的重要手段，具体内容包括农业专家系统、农业智能决策支持系统和农业预测预警等。1. 农业专家系统农业专家系统（agriculture expert system， AES）是基于人工智能的专家系统，该软件系统集成了地理信息系统、机器学习、智能分析、知识发现、模糊运算和优化模拟等多种信息技术，还存储了大量的农业

4、领域知识、模型资料和农业专家经验。它通过使用规范的知识来表示方法，推理策略，结合日益普及的移动互联网技术，以信息网络为载体，为农业生产者和管理者提供方便快捷的指导服务，一定程度上缓解了农业专家缺乏的情况。2. 农业智能决策支持系统农业智能决策支持系统是指智能决策支持系统在农业领域的应用，它将人工智能技术、农业专家系统技术与传统的农业决策支持系统相结合，是传统农业决策支持系统的一个升级，从而降低了对使用者专业水平的要求，避免了使用者可能出现的主观意向性偏差，弥补了仅靠模型技术和数据处理技术支撑的传统农业决策支持系统存在的缺陷。其目标是将决策支持系统和人工智能结合，充分应用人类的知识和经验。3.

5、农业预测预警农业预测是以已有的或可采集的土壤和气象资料、作物或动物生长条件、化肥农药饲料的使用情况等农业资料为基础，建立数学模型，对研究对象未来发展的可能性进行推测。从而方便进行精准施肥、灌溉、播种、除草、灭虫等农业生产活动。农业预警就是根据科学预警的理论与方法，与农业生产系统的特点相结合，对未来一段时间内农业生产状况进行测度，制定一系列农业预警指标，预报不利状态的时空范围和危害程度，提出防范措施，在最大限度上避免或减少农业生产活动受到的损失，从而降低风险，提升农业生产收益。12.2 农业专家系统人工智能领域的一大分支就是专家系统，它在人工智能从理论研究走向应用实践的道路上应运而生。随着农业信

6、息化进程的不断加快，农业信息技术也得到了广泛应用，农业专家系统的研发工作也取得了显著成果，逐步实现了农业生产管理的科学化和智能化 ，广大农民与基层农业技术人员的技术水平得到了很大的提髙，体 现 了 我 国 “ 持续高产 、髙效发展”的农业理念。12.2.1 农业专家系统概述“专家”指的是能解决某一领域专业问题的行家里手，他们具有丰富的专业知识与实际经验，具有独特的思维方式和学习能力，以及分析和解决问题的能力。农业专家系统（AES） 是专家系统在农业领域的具体应用，该系统应用人工智能技术 ，借助农业领域的专家知识、研究的实验数据、配套的农业技术和数学模型，对农业专家就某一个复杂农业问题进行启发式

7、推理、判断，以及决策的全过程进行模拟的智能型计算机系统。20世纪70年代末，以美国等欧美国家为首率先展开了专家系统在农业上的研究及应用，有了对农业信息的探讨。20世纪70年代末至80年代中期，农业信息系统的开发主要是针对农作物的病虫害诊断，80年代中期至今，农业专家系统从单一的病虫害诊断发展成为包含生产管理、农产品市场销售管理、经济分析决策、生态环境在内的全功能平台。社会在不断进步，技术在不断发展，农业专家系统与其他技术领域的结合将成为必 然 趋 势 （谢小婷和胡汀， 2011）。 1. 农业专家系统的特点与人类专家相比，农业专家系统具有以下特点（李杰等， 2012)。具有专业领域的大量知识。

8、随着信息技术的发展，硬件存储容量的限制越来越弱，农业专家系统可以搭载大量相关的数据库、知识库、模型库的资料。在这方面，农业专家系统远胜于人类专家。能够髙效、准确、迅速地工作，不会产生疲劳、厌倦等负面情绪，也不会有遗忘的现象。可以被永久保存，可以被复制，突破了空间与时间的限制。与一般程序相比，农业专家系统具有以下特点（石琳等， 2011)。1) 能进行符号处理农业专家系统中的知识经过一定方法的整理，可以带有表示性，即可以用于符号表示 ，也可用于符号处理。这一点专家系统与一般程序相比有很大的不同。2 ) 智能性农业专家系统的智能性表现在推理过程，其智能水平取决于推理机的能力及所包含知识的质量与数量

9、，并能为自身的推理过程及结果给出依据和解释。而这一点是一般程序做不到的。3) 获取知识和自学习的能力农业专家系统不仅可以进行合理推理，还可以从推理过程中不断总结规律，以此来扩充和完善自身系统。4) 高效性可以解决不确定性的、非结构化的或没有算法解的问题，并且对问题的解决具有髙效性。农业专家系统是基于专家学识和能力的智能问题求解系统。系统依靠知识表达、推理 、收集、编码、存储、编排，建立知识库，利用专家掌握的知识和经验求解专业问题，消除了单纯依靠数学计算来解决问题的弊端。2. 农业专家系统的结构及功能农业专家系统结构包括：知识库模块、推理机模块、知识获取模块、数据库模块、解释器模块和用户界面模块

10、6个部分 （如 图 12.1 所示的实线框部分)，其中的知识库模块和推理机模块为系统核心部分（马鸣远，2006)。随着技术的发展， 目前部分农业专家系统还含有可信度模块、知识库管理模块与学习模块等（如图12.1所示的虚框部分），进一步强化了系统的功能，具体如图12.1所示。各个模块的功能如下。 1) 知识库模块知识库用来存储农业专家系统的数据和知识，通过知识获取、推理和学习，专家系统会得到大量农业领域的原理性知识，农业应用的相关事实及农业专家的经验性知识等 ，并将其存放在知识库模块中。知识库的质量好坏直接关系到农业专家系统的整体质量及计算结果的可信度。2) 推理机模块推理机模块被形象地称为农业

11、专家系统的“ 发动机” ，它的工作包括：调用系统内已有的数据核知识、控制推理过程、对整个系统的运行进行协调。它根据知识库中的知识，按照设计的推理策略，逐步求解问题，最后对外部输入给出解释，推导出结论。设计推理机模块的原则是使其推理过程与专家的推理过程尽量相似。3) 知识获取模块由外界获取的知识，有的由工程师将专家提供的知识转换、加工后输入；有的自身整合了学习模块，由农业专家系统直接与专家获取知识；有的通过外部链接的网络、传感器、 GPS等自动获取外部信息。4) 数据库模块实际上是农业专家系统工作时，内部数据的暂时存储区域。包括外部输入的原始数据 、推理过程中产生的中间数据等。5) 解释器模块解

12、释器模块的作用是向用户解释农业专家系统的行为，即输出候选解的原因。6) 用户界面模块主要是提供人机交互服务，包括系统接受用户的输入信息，将其转化成为系统可以理解的表示形式，然后提交给相应模块进行后续操作，最后负责把系统输出的内部信息以用户可以理解的表现形式输出，如语音、图标、文字显示等。7) 可信度模块可信度模块是一个非精确推理和模糊推理模块，主要是计算目标结论的可信度。8) 知识库管理模块知识库管理模块大多出现在大中型农业专家系统中，因为大中型农业专家系统拥有着极为庞大的知识库，因此推理机中的管理模块需要被单独拿出来，实现对知识库中数据和知识的合理组织与有效管理，再按照推理机的要求去搜索知识

13、库的知识，解决多个知识库的相容性和一致性等问题。9) 学习模块学习模块能及时修改和扩充知识库的内容，使专家系统具有自动获取知识的能力。3. 农业专家系统的分类据农业专家系统的功能与结构，可以将其分成以下几类（熊范纶，1999；刘白林，2012；李军，2006；敖志刚，2002）。启发式专家系统（heuristic expert system），以该领域专家的经验知识为基础建立，如冬小麦新品种选育专家系统（赵双宁等，1992）。启发式专家系统通常运用在目标单一 、影响因素少、经济价值高的场合，但是启发式专家系统的知识库构建比较复杂，获取知识经验的工作量较大。实时专家系统（real-time co

14、ntrol expert system）又称为算法专家系统（algorithmic expert system）。它的基本功能是利用传感器获得的数据，按照收集到的专家经验，根据环境条件的变化进行自动参数的调整。这类专家系统的使用场合比较少，目前常用于温室环境控制，如美国的MISTING系统，能够动态调整温室内的喷雾时间和频率（ZolnierS et al.，2001）。基于模型的专家系统（model-based expert system），这类专家系统是把已有的模型与知识库相结合，利用专家系统为模型提供参数，对模拟结果给予解释，有些专家系统还能表示一般专家系统难以完成的深层的因果关系。另外，

15、它还能够把符号处理与数值处理，定性分析与定量分析有效地结合起来。专家数据库（expertdatabases），本质上是把专家系统与数据库相连接形成的组合系统 ，极大提高了对数据库中数据和知识的检索效率，便于用户从数据库获取有效信息。例如，美国的良种选择专家系统CUE。专家系统壳（expert system shell），本质上是利用专家系统的外壳，针对某些共同存在的问题研制出来的一种软件工具。例如，中国科学院合肥智能机械研究所研制的施肥专家系统开发工具（K A），它允许农业专家对此系统壳进行深度开发和定制（邓亚娟，2005）。按照涉及的农业学科领域，农业专家系统大体上分为以下几种。作物栽培专家

16、系统：根据所在地域的气候、土壤特点，结合作物栽培经验，可为当地用户提供有关土壤耕作、作物品种选择、灌溉施肥、病虫害防治、产量估计等一系列作物栽培综合措施的理论支持和技术指导。农田施肥专家系统：针对特定区域的土壤理化指标，根据作物、气候等方面因素，推荐肥料运筹与施肥方法。植物保护专家系统：结合当地的气候变化条件，根据特定地区农作物病、虫、草害的种类、发生规律，提供有关作物的病、虫 、草害信息的预测、诊断信息，以及预防和治疗指导。良种选育专家系统：根据当地作物育种情况，提供有关动植物的亲本选配，后代选择及品种评价等方面的指导。畜禽水产养殖专家系统：提供包括养殖环境、场所建设、饲料配比、疾病防治等多

17、方面的信息，针对家禽、家畜、水产品的科学养殖方法进行科学指导。水利灌溉专家系统：提供灌溉水源预报、需水量预测、灌溉方法、灌溉设施自动化控制等技术指导。其他涉农专家系统：包括并不限于农业生产管理、农业经济分析、农产品品质检测、农机农具管理等。12.2.2 农业专家系统的构建与实例在 实际生产中，人类专家的专业能力来源于其所学到的渊博的专业知识，所以对专业知识的掌握很大程度上决定了专家的能力。农业专家系统根据这一思想，将专业知识与程序设计相结合，将人类专家在解决问题时的推理、学习和解释的能力巧妙地赋予程序。农业专家系统的核心正是农业领域的专业知识。研究的展开大都以知识获取、知识表示和知识利用三个方

18、面为重点。其中，知识获取成为专家系统中的“ 瓶颈”所在。知识库的构建遵循以下步骤。知识库的逻辑构成：根据专家系统的目标，构建知识库的种类，如对于一个作物栽培专家系统，需要建立品种资源库、区域土壤库、区域气候库、栽培技术库等。 知识库的物理设计：此过程的任务是将知识库的逻辑构成在实际的物理设备上实现 。丛飞（2013）在建立番茄病害专家系统时，选用的是Microsoft SQL Server 2008数据库。此知识库主要包括：番茄病虫害发病时期数据库、危害症状数据库、危害部位数据库、诊断结论数据库和防治方法数据库，具体知识库架构如图12.2所示。通过实地考察、查阅并参考大量文献，对相关资料进行整

19、理并汇总至知识库，最终收录了57种病害和11种虫害。其中，病害包括了番茄病毒病害、番茄生理病害、番茄线虫病害、番茄缺素症、番茄细菌病害、番茄真菌病害等；虫害包括了侧多食跗线螨、苜蓿夜蛾、美洲斑潜蝇、小地老虎、茄二十八星瓢虫、烟青虫、棉铃虫、桃蚜、甜菜夜蛾 、温室白粉虱、烟粉虱等。12.3 农业智能决策支持系统决策（decisionmaking）是指以特定目标为前提，根据实际情况，在搜集一定量的信息和经验后，使用一定的工具和方法，对各种内外影响因素进行计算、分析后，作出一定时间范围内的预期规划。近几个世纪以来，人类探索自然、指导社会实践过程中产生、发展并完善了一系列系统化的科学方法，形成了系统分

20、析法和统计决策理论共同支撑起的决策分析技术。随着20世纪诞生的计算机科学和计算机设施与方法的广泛普及，特别是伴随20世纪50年代人工智能（artificial intelligence）的兴起，在信息处理、控制等领域提出了智能决策(intelligent decision making)的概念，即机器根据面临的任务， 自主地作出决策以实现目的。运用在农业上，就是我们所说的农业智能决策。12.3.1 农业智能决策支持系统的概述农业智能决策支持系统是将智能决策支持系统应用到农业领域的系统，智能决策支持系 统（intelligent decision support system， IDSS）的概念

21、最早是由Bonczek H.R.等于1981年提出。智能决策支持系统是在决策支持系统（decision support system，DSS）的基础上结合人工智能（artificial intelligence，AI）、专家系统（expert system， ES）而形成的（Bonczek etal.，1981a）。决策支持系统是一种人机交互式的软件系统。它的工作主要是通过信息技术，结合决策支持科学的相关知识理论，针对特定的半结构化或者非结构化的问题，利用已有的相应数据和模型，与使用者交互操作后，通过提供背景资料、协助明确问题、完善对象模型、筛选可行方案、进行差异比较等方式，帮助使用者作出正确

22、决策。农业智能决策支持系统的最大特点是将农业专家系统技术、人工智能技术与传统的农业决策支持系统相结合，降低了对使用者专业水平的要求，避免了由于使用者高度参与出现的主观意向性偏差，弥补了传统农业智能决策支持系统单调技术支撑的缺陷。将智能决策系统与其他相关科学技术相结合，使之能够更充分地应用人类的知识是其最核心的思想目标。不过在当前，智能决策支持系统还做不到完全独立、准确地决策，通过与决策者的一系列对话，进行人机交互协作，为决策者提供更加可靠的可行性方案。农业智能决策支持系统在农业领域的运用中，它的核心思想是区别对待、按需实施、定位调控，达 到 “处方农作”（罗锡文等， 2001）。系统的目标是建

23、立精确农业智能决策技术体系，为用户提供精确化、智能化和形象直观化的农业信息，为用户拟定出对生产进行精细管理的实施方案。在未来的展望中，农业智能决策支持系统将进一步涉及深化智能技术，但着眼点仍旧是更好地面向决策者，结合目标条件、背景知识运用智能技术，解决农业领域的实际问题。12.3.2 农业智能决策支持系统的结构理论目前关于农业智能决策支持系统的理论尚不统一，对于农业智能决策支持系统的结构，有以下几种较为流行的理论。1.基于部件集成的体系结构Sprague Jr R.H. (1980)最先提出了基于数据库、模型库的D SS结构理 论 （ Sprague Jr，1980)，后来在这一基础上提出了三

24、库（数据库、模型库、方法库）结 构 （陈文伟，2000）。后来还增加了规则库、文本库等结构，对于智能决策支持系统，目前主流的观点是四库（数据库、模型库、方法库、知识库）的框架（肖人彬等，1994），具体如图12.3所示。农业智能决策系统各个模块具体功能如下。(1) 用户通过人机交互界面与整个农业智能决策系统进行沟通，用户在IDSS中输入必要的信息，同时也会从界面中看到程序运行的状况和最后的结果。(2) 推理机搭载人工智能，分析解决问题。(3) 数据库用来存放原理性数据、知识和决策信息。(4) 模型库用来存放各种分析、预测和决策模型。(5) 方法库用来存放模型库中各模型需要用到的算法。(6) 知

25、识库用来存放经验性的规则集、专家经验等。(7) 数据库、方法库和模型库主要用于定量的数值计算，而知识库实现符号推理、模式识别等功能，主要用于定性的推理分析。(8) 相对应各种库的管理系统，主要是用于管理和维护，具有对内容的建立、删除、修改、检索、排序、索引、统计等基本功能，并且提供一套语言或是提供与某种高级语言的接口供用户使用。( 9 ) 多库协调器负责协调知识、数据、模型、方法各部分之间的关系，综合各部分功能给出最终的决策服务，为决策提供多层次、全方位的支持和服务。2. 基于问题处理模式的体系结构 按照Bonczek等（1981b）提出的“三系统”结构来分析，整个IDSS可以分解成语言系统、

26、知识系统和问题解决系统。人机交互界面及所使用的所有语言，组成了语言系统，而语言系统又决定了问题转化成系统识别的内部语言的质量，对决策系统的结果有着直接影响。知识系统由数据库、知识库、模型库、方法库和相应的管理系统、处理系统组成，从广义角度上说，数据可以看成是事实型数据，模型可以看成过程型知识，方法可以看成产生型知识，这些都统一为解决问题的系统服务。推理机、多库协调器组成了问题解决系统，是整个IDSS的核心，功能包括信息收集、问题识别、模型生成和问题求解。信息收集是整个决策的基础，信息可以来自用户的输入或者知识系统的查询。对于用户输入的信息，还需要额外地借助语言系统，从自然语言编译成系统识别的内

27、部语言。来自知识系统的数据只需要进行数据、模型的调用即可。问题识别是决策系统在明确工作任务的过程中，通过对实际问题进行分析，并建立求解的总体框架，框架中包括各组成部分的目标、求解要求及其他功能等。模型生成是指对于问题求解的总体框架，要决定各组成部分是要套用已有模型，还是需要建立新模型抑或是将多模型整合。这些过程都需要详细地分析设计，进行多次模拟试验。在这一过程中，是否有用户参与将产生不同的总框架模型，在实际设计过程中，需要结合实际情况，进行对比，选择最优模型。问题求解需要连接所需的数据库、方法库、模型库。在多库调节器的协调下，作为一个整体，进行问题求解，形成最终的决策结果并返回给用户。3. 其

28、他智能决策支持系统结构近些年来，基于Multi-agent和移动Agent技术的体系结构也引起了人们的关注。这些研究起源于人工智能，特点是在特定环境（通常是恶劣环境）中能够随外部环境的变化而自主调整，智能适应环境，从而实现连续工作的目标。在分布式系统中， Agent通常是指用来进行信息收集和节点控制等操作的节点实体（高秋华等，2006；丁继红和高秋华，2007）。根据特定任务的实际需求，用户能够设置一个或多个Agent，并将其部署在一个和多个节点上，进行并行运算，待任务完成后再将结果传送给用户。用Agent部件代替单一的问题求解系统.增加了系统的智能性，扩展了系统的可运行范围，为复杂软件系统的

29、实现提供了新的途径，但从整体上说仍有待继续探索。12.3.3 农业知识规则的确定将专业领域的知识以某种形式储存在数据库中之后，不能供推理机直接使用，还需要将知识形成知识规则。知识规则需要满足以下条件。具有表示能力，即能否正确、有效地表示问题；可组织性，即可以按某种方式把知识规则组织成某种结构；可利用性，即可利用这些知识进行有效推理；可实现性，即便于计算机直接对其进行处理；可理解性，即知识规则应易读、易懂、易获取等；可维护性，即便于对知识规则的增、删 、改等操作。常用的知识表示方法有：一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法等（郑丽敏， 2004）。1. 一阶谓词逻辑表示法一

30、阶谓词逻辑表示法是指使用逻辑学科中的谓词演算和命题演算等知识来表述一些事实，其特性是可以在一定范围内保证正确。命题是指具有“真”或“假”属性的句子 。对于多个命题常用逻辑连接词，包括与、或、非、包含、等价等，常用逻辑连接词如表12.1所示（梁郑丽和贾晓丰，2014）。谓词是表示描述实体的性质。例如，在“明天是晴天”中，“明天”是主语，“是晴天”是谓词。用x表示主语，用p表示谓词，则如p(x) 表示命题的方式则称为谓词表示法。推理机可以根据谓词表示进行推理。例如，在知识库有m(x)d(x)，通过模式匹配，替换其中的x，就可以推出新的事实。具体步骤是先根据要表示的知识定义谓词。例如，表示知识“所有

31、染病叶片都有斑点”。先定义谓词，T(x)表示x是染病叶片；S(y)表示是斑点；TS(x,y)表示x是y的染病叶片。再用连词、量词把这些谓词连接起来，如上例表示为可以读作：对所有x，如果x是一个染病叶片，那么一定存在一个个体y，y的染病叶片是x，且y是一个斑点。因为一阶谓词逻辑表示法更接近人们对问题的直观理解，所以其主要优点就是能够做到表达自然；此外，该表示法的使用易于掌握，有标准的知识解释方法；另外，一阶谓词逻辑表示法的谓词逻辑值只有“真”与“假”，其描述十分确定；最后，在应用时由于知识和处理知识的程序是分开的，操作十分便利，无须考虑处理知识的细节。一阶谓词逻辑表示法的主要缺点是只能对确定性知

32、识进行表示，无法表示启发式知识、过程性知识和非确定性知识，因此其应用范围受到很大的限制；由于表示法本身不具有良好的组织性，使用该表示法的知识库管理也会比较困难；由于难以表示启发式知识，因此使用推理规则时不具有目标性，通常使用穷举法，当数据量较大时，处理的时间消耗较大，也容易发生宕机现象；把推理演算与知识含义分开，使推理过程冗长，降低了系统效率。2. 产生式表示法产生式（production）是目前使用最多的一种知识表示方法，通常用于表示具有因果关系的知识（薛冬娟等，2004），基本形式如下。 IF P THEN Q式中，前件P是产生式的前提，它给出了该产生式可否使用的先决条件，由事实的逻辑组合

33、来构成；产生式的后件Q是一组结论或操作，它指出当前提P满足时，应该推出的结论或应该执行的动作。产生式的整体含义是：如果前提P被满足，则可以推出结论Q或执行Q所代指的操作。 为了严格描述产生式，1960年，Backus提出了巴科斯范式（Backus normal form），给出了产生式的形式描述与语义。在双引号外的字代表语法部分；尖括号（）内包含内容为必选项；大括号（U）内包含内容为可重复的项；方括号（ ）内包含内容为可选项；竖 线 （|)意义等同于“OR”；:= 意义等同于“被定义为”；双引号中的字代表这些字符本身。RFC2234对扩展的巴科斯范式 （ABNF）进行了定义，ABNF又对此做了

34、一定的扩展和改进，如舍弃了尖括号。以玉米斑枯病为例，知识库中ID为001，发病时期为苗期，发病部位为果实，初生病斑黑色点状，然后变成中央红褐色、边缘浅褐色的圆斑，致果实局部坏死。用规则描述如下。IF发病时期= “苗期”AND发病部位=“果实”AND症状= “所选症状”THEN flag= “ID”然后通过标识ID快速定位到数据表中该条记录，就确定了所患的病害种类。产生式表示法与一阶谓词逻辑表示法形式虽有相似之处，但也存在区别，主要表现在：一阶谓词逻辑表示的值只有真和假，故其能够表达的知识都是确定性的，产生式就可以表示不确定的知识；与上一条类似， 一 阶谓词逻辑的匹配要求是确定的，而产生式的匹配

35、没有这个要求。产生式表示法采用“如果，则 ”的形式，主要优点是符合人类自然思考模式；对于表示确定性知识和不确定性知识没有太大差异；对于启发性知识和过程性知识都能很好表达；所有规则都具有相同的格式，便于规则的统一处理。主要缺点是对结构性知识不便表达，这是因为产生式表示的知识具有一致格式，且规则之间不能相互调用。3. 语义网络表示法语义网络是一个在认知科学领域和自然语言理解研究中的概念，于20世纪70年代初，由西蒙（SimonR.F.）提出，他认为概念间的联系产生了记忆。1972年 ，西蒙正式提出了语义网络的概念，并对它与一阶谓词之间的关系进行探讨，将他的语义网络表示法也加入到他的自然语言理解系统

36、中。1975年，亨德里克（G.G.Hendrix）又对全称量词的表示提出了语义网络分区技术。语义网络（semanticnetwork）是一种由节点和带标记的边（弧）构成的网络图。图中网络节点表示对象、事物、状态等实体，带有标识的边（弧）代表语义关系，用来表示它所连接的两个实体之间的语义联系，语义网络可以表示人类用语言描述的知识（孙佰清，2010）。通常由下列4个相关部分组成。词法部分：决定了词汇表中可能出现的符号种类，涉及各个节点和弧线。结构部分：规定了符号排列、各弧线连接的节点对的约束条件。过程部分：这些过程用来建立、修正描述，以及对相关问题进行作答，详细解释访问过程。语义部分：通过确定有关

37、节点的占有物及其排列方式和对应的弧线等信息，来确定与描述相关意义的方法。常见的语义关系有以下几种。类属关系：体现的是“类与个体”的关系，是最常用的一种语义关系，通常用ISA或 “is a”标识，如图12.4所示。成员关系：表示“个体与集体”的关系，意思为“是一员”，表示一个事物是另一事物的一个成员，如图12.5所示。聚类关系：表示部分与整体的关系，用 Part-o f标识。聚类关系与成员关系的区别在于，聚类关系一般不具备属性的继承性，如图12. 6 所示。属性关系：表示个体及其属性之间的关系，其中由向弧来表示属性。泛化关系：是指更髙的类与类结点之间的关系，以 AKO (a kind of) 作

38、为标识，如图12.7所示。所属关系：体现的是“具有”关系，用“Have”来标识，如图12.8所示。表示关系： “能”、“会”，用“Can”表示，如图12.9所示。例如，用语义网络表示： “ 动物能运动、会吃。鸟是一种有翅膀、会飞的动物。鱼是一种会游泳的动物。”对于这个问题，各节点（动物）的属性按属性关系描述，再用类属关系描述动物之间的分类关系，结果如图12.10所示。语义网络表示法具有结构表示清楚的优点，通过类似图示可以做到对事物属性及事物间各种语义的清晰表达；下层结点可以继承、修改或新增上层结点的属性，减少了数据存储的冗余；联想性，语义网络表示法模拟了人类联想记忆模型，重点强调了事物间的语义

39、联系；自索引性，它把各节点之间的联系表示得更加明确和简洁，便于快速查找与某个特定结点有关的所有信息，有效缩小了搜索范围，提髙了运行效率，能力有效地避免搜索时所遇到的组合爆炸问题。缺点是框架构建的复杂性，语义网络表示知识的方法虽不唯一，具有一定程度上的灵活性，但同时造成它的处理过程更加复杂；语义表示的非严格性，该语义网络的含义解释不一定完全正确性，这是因为它完全依赖于处理程序的解释，因此语义网络表示法得到的推理结果正确性也是得不到保障的。4. 框架表示法框架表示法作为一种将过程性知识与陈述性知识相结合的知识表示方法，具有如下优点：结构化良好、适应性强、概括性髙和推理方式灵活等。框架理论是明斯基在

40、1975年作为理解视觉、自然语言对话及其他复杂行为的一种基础提出来的一种结构化知识表示方法。框架理论是借助一种框架式的结构存储体来理解事物，当面对一个新事物的出现 ，首先从记忆中搜索、对比得到一个已有的与之类似的框架，然后根据实际事物的具体情况对其细节进行修改和删减，完成对新事物的理解和记忆（Turbanetal.，2009）。框架是框架表示法的核心，它的作用是描述对象（事物、事件或概念）的属性。框架网络是通过属性之间的关系建立一定的联系，从而构建不同的框架，构成框架网络。具体来说，一个框架是由若干个被称为“槽”的细分结构组成，还可以将每一个槽进一步细分，形成若干个“侧面”。描述对象某一方面主

41、属性的是“槽”。描述相应主属性的次要属性的是“侧面”。通常把“槽”和“侧面”所描述的信息由槽值和侧面值来表示。举例如下。 在用框架表示知识的系统中，框架匹配与填槽两类操作构成了推理过程。步骤如下：首先，把求解问题转化为包含未知值的问题框架，然后在知识库中进行搜索，把问题框架与知识库中的框架进行对比、匹配。主要的匹配方法：匹配度方法；充分条件与必要条件方法；规定属性值变化范围方法；功能属性描述法。在完成匹配后，我们会得到一个或多个候选框架，然后结合已有知识经验，获取附加信息，进一步填充候选框架中的未知槽值，以建立一个能够尽可能准确地符合当前实际情况的框架。最后再用某种评价方法对候选框架进行评价，

42、来决定是否确认该框架为最终结果。框架表示法在表示结构性知识方面有很大的优势，它能够清晰地展现知识内部结构关系和知识间的特殊联系，还可以通过ISA、 AKO等以嵌套结构分层的方法对知识进行表示，从而实现对复杂事物间的深层联系的表达。框架表示法其中一个优点是直观性，框架表示法模拟了人脑对实体的记忆模式，把与某个实体集或单一实体相关的特性都集中在一起，形象直观，易于理解。另外一优点体现在它的继承性上，下层框架可以继承上层框架的槽值，也可以对槽值进行加工，既减少了框架结构的冗余，也保证了知识的一致性。由于框架表示法至今仍未建立完备的形式理论，它的推理和一致性检查机制均保证不了完全正确。此外，框架表示法

43、对过程性知识表达不便，缺乏对如何使用框架中知识的操作解释。框架推理过程中有时要用到一些与领域无关的推理规则，而这些规则在框架系统中却又难以表达。各框架数据结构的各异性，导致框架系统的清晰性很难得到保证。12.4 农业预测预警众所周知，我国是一个发展中的农业大国，人多地少、地区差异明显，农业生产规模较小、农业生产条件相对薄弱。农业生产不仅是社会关注的热点，也成了管理决策的重点和理论研究的难点，它在中国经济和社会发展进程中，始终保有特殊的重要意义。中国农业经济正处在全面转型时期，生态环境恶化和气候变化等不可控因素导致我国农业正处于前所未有的不确定之中，所面临风险的危害性越来越大。因此需要引入新的农

44、业管理理念、手段和方法，以降低农业系统的风险（陶骏昌，1994）。12.4.1 农业预测预警概述农业预测是以已有的或可采集的土壤和气象资料、作物或动物生长条件、化肥农药饲料的使用情况等农业资料为基础，建立数学模型，对研究对象未来发展的可能性进行推测。从而方便进行精准施肥、灌溉、播种、除草、灭虫等农业生产活动。农业预警就是根据预警科学的理论与方法，结合农业生产系统的特点，对未来一段时间内农业生产状况进行测度，制定一系列农业预警指标，预报不利状态的时空范围和危害程度，提出防范措施，最大限度避免或减少农业生产活动受到的损失，从而在提升农业生产收益的同时降低风险。农业预测预警所需要解决的问题是：如果怎

45、么，将会怎样 ，是下一步排除险情的基础（李道亮， 2010）。1.农业预测预警的基本原则农业预测预警不是简单的根据已有资料进行猜测，而应将其看成一个科学研究的过程 。遵循以下原则。1) 延续性原则农业预测预警的依据历史在不断重演，说明生产活动中，过去和现在的发展规律将会以某种形式一直延续下去，并且在未来的某个时间段内又会以某种形式得以重现。假设决定过去和现在的影响因素，同样也适用于未来。在农业预警预测中，就可以按照这条原则进行预警预测。常见的应用是趋势预测分析法。2) 动态关联性原则构成系统的各个要素都是运动、发展着的，而且是相互关联的，同时又相互制约着，这就是动态相关性原则。因果关系是最常见

46、的关联性，即事物的变化都是有原因的，事物不可能在没有外界因素的影响下发生变化。这条原则促成了多种分析方法的建立，如后面会提到的回归预测分析法。3) 相似性原则在自然界中，大至宇宙星系之间，小至每个原子运动的形式，都存在着大量的相似之处。不同的对象外表可能不同，但内在的规律可能相同或相似，因此我们可以把预测对象与类似的已知事物的发展变化规律进行类比，可以参考已知事物的规律对预测对象进行描述。4) 统计规律性原则随机的结果出现往往来源于一次或少量的预测，但当测量次数增加到一定规模后，就会出现具有某种统计规律性的情况。因此，根据这条原则，就可以利用统计学方法进行预测。2. 农业预测预警的基本步骤对于

47、一般的农业预测预警来说，由于其问题的复杂性，遵循一定的步骤可以使得问题解决更加科学合理。具体来说，可以分为以下7 个基本步骤。1) 确定目标确定预测预警的目标是整个预测预警系统的前提，决定了其整体格局。例如，是预测农田的早稻产量还是预测农民的利润。确定目标是制定预测预警计划、选择预测预警方法及组织预测预警活动的依据（刘德铭，1988）。2) 收集、整理和分析资料预测目标确定后，就应当广泛搜集相关资料。在收集过程中不能以偏概全，要以客观公正的态度，全面系统地搜集各种资料。在拥有一定数量的数据后，对数据信息等进行整理、鉴别、归并、提取、加工，找出各因素之间的相互作用的关系，从中发现事物发展的规律，

48、作为预测预警的依据。对于农业预警，不仅要明确目标，还要关注其程度，如作物病害要按染病比例、染病范围区分严重程度。3) 选择预测预警方法不同场合有不同的预测预警方法与之相对应，以期达到各自需要的目的。因此，针对作业对象的实际情况，需要尝试不同的预测预警方法并筛选出最佳方法来达到特定目标 。对于那些缺乏定量资料的预测对象，则只能通过历史或者是个人经验来确定。而对于可以量化、通过建立数学模型可以预测的对象，应当采用定量预测预警的方法，通过比较量化值来进行筛选。4 ) 实际预测预警过程根据上一步选择的方法，以及现有的历史信息，进行定性、定量的预测分析和判断，判断得出对象的发展趋势，最终提出能够给出合理

49、解释的预测结果。对于农业预警，则注重寻找警源，分析警兆，对于一般的农业灾害来说，往往是有一定的先兆。这种先兆可能是直接联系、间接联系，甚至表面上没有联系。例如，当地出现气候异常，就有可能出现虫灾。5 ) 验证与分析通常是将实际情况与预测预警结果相互比对，进行系统分析与验证，以此检验结果的准确性，并分析产生误差的原因，然后对步骤3 ) 使用的预测预警方法进行误差校正。在实际操作中，可能需要多次重复从步骤3)到步骤5)的过程，以保证预测预警的准确性。6 ) 修正结果若步骤5) 得出的结论存在方法问题，需要考虑改进或者更换方法；若是由于某些外界因素影响了预测预警的精度，则需要定量地修正预测的结果。7

50、 ) 报告结论将最后得到的预测预警结论提交给使用者。对于农业预警，不仅要做到报告警情，还要根据紧急预案，排除警情。例如，植株染病，根据病情程度，提供预警预案及防治措施与建议。12.4.2 农业预测预警方法1. 回归预测方法对于具有相关关系的多个变量，可以根据需要选择其中部分因素作为自变量，部分因素作为因变量，利用适当的数学模型尽可能趋向于趋势变化的均值。由回归分析求出的函数关系式，称为回归模型。回归模型按照自变量的数量可以划分为一元回归模型和多元回归模型。按照自变量的形式可划分为线性回归模型和非线性回归模型。2. 趋势外推法 根据相关统计资料，大量自然、社会现象一般都呈渐进型在发展，发展态势与