论文部分内容阅读
农作物病虫害决策支持系统是智能决策理论及方法的重要应用领域之一,是数字农业的一项重要研究内容,它探索利用时空关联方法,揭示病虫害的发生与环境诱导因子之间的关系；利用数学建模与仿真、人工智能和机器学习等技术,预测病害的发生发展与流行趋势,进行病虫害诊断和防治措施制定的智能高效决策。病虫害发生作为一种复杂的自然现象,在空间上既具有全域性,又具有区域性,在时间上既表现无序的非稳定性,又存在有序的周期性,具有非均匀性、多样性、突发性、随机性、迁移性和规律性等复杂多变特点。正是由于病虫害发生的复杂,使得对病虫害诊断、病害发生趋势预测、防治方法决策十分困难,该决策问题的因素间关系不明确,有时决策信息缺漏,属于不良结构决策问题。国内外已有的相关病虫害专家系统(决策支持系统),目前都只是针对具体某一种病害,采用传统的基于规则的知识表达方法,具有“知识获取”瓶颈以及知识库维护困难等问题,尤其是现有的病虫害专家系统中核心组成部分推理机,通常采用基于案例推理或基于规则的推理等单一推理方法,其推理效率不明显,是最终导致现有病虫害决策系统推广应用瓶颈问题的根本原因之一。本文围绕病虫害知识共享及其诊断、预测及防治等决策方法所存在的关键问题展开研究,主要工作有：(1)农作物病虫害本体知识集成。针对农作物病虫害信息多源(元)、异构等不确定性问题,研究了农作物病虫害知识本体的构建模型、本体的XML表达、本体映射以及面向本体演化的一致性校验等问题。(2)农作物病虫害本体案例的知识表示。首先,针对病虫害案例特点,通过引入模糊理论构建了模糊本体描述语言SWR & Fuzzy L(Fuzzy Semantic Web Rule Language),实现不确定病虫害案例的知识表示,建立了基于案例推理的农作物病虫害本体案例知识模型。设计了一种结构化案例库向XML/SWR & Fuzzy L的映射算法,部分实现了基于本体的案例自动获取。(3)基于案例推理的检索。对案例推理检索关键环节开展研究,主要包括案例特征识别、案例特征属性权重确定、案例特征属性约简以及案例相似度计算方法等。提出了基于A-SVM的案例特征属性约简方法,提出了基于核矩阵迭代的病虫害案例相似度算法,给出了基于本体的案例推理检索策略并进行了实验验证。(4)基于案例推理的病虫害决策原型系统。在上述研究成果的基础上,结合农作物病虫害植保工作流程,建立了基于本体和案例推理的病虫害防控决策模型,对基于本体和案例推理的推理引擎进行了研究,开发了基于本体和案例推理的病虫害防控智能决策支持原型系统。