专利名称：基于作物生长模型的农业专家系统中知识表示技术的方法
技术领域：
本发明涉及一种农业专家系统，特别是涉及一种基于作物生长模型的农业专家系统中知识表示技术的方法。
二、技术背景农业专家系统，是当代农业领域中的一项高新技术。它运用人工智能的专家系统技术，农业领域知识、模型和专家经验等，采用适宜的知识表示技术和推理策略，运用多媒体技术并能以信息网络为载体，对农业生产提供咨询决策服务，指导农民科学种田，培训基层农技人员等，它是适合我国国情的精确农业，它不仅适于广大农村，也是配备3S技术(GPS全球定位系统；GIS地理信息系统；RS遥感系统)的精确农业的重要技术支持，是实施农业智能化、自动化的重要技术。
农业专家系统的应用始于20世纪70年代，美国Illinois大学开发的大豆病虫害诊断专家系统(PLANT/ds)，是世界上应用最早的专家系统，到80年代中期，研究从单一的病虫害诊断转向生产管理、经济决策与分析、生态环境等。目前，国外农业专家系统已有极大的发展，其范围涵括了农业生产的各个方面，如农作物的生产与育种，果园的生产管理，病虫害的防治、诊断与发生预测及农业科技管理体制等。我国的农业专家系统的研究，开始于20世纪80年代初期，已有20年的历史，特别是从98年起国家863计划智能计算机主题支持相继推出了一系列的农业专家系统开发平台，进一步将智能技术综合集成应用于农业领域，取得重大研究成果，“智能化农业信息技术应用示范工程”已被列为国家“863”重点项目，一个以农业专家系统为重要手段的智能化农业信息技术将在我国迅速发展，并将成为我国21世纪农业现代化的重要内容之一。
农业专家系统在指导农民科学种田，实现优质、高产、高效，发展可持续农业方面越来越显示其巨大作用，专家系统能够根据不精确或不完整的前提提供推理决策的能力，因此，专家系统为处理复杂的农业问题提供了方法和技术手段。然而传统农业专家系统往往利用的是浅层知识，系统难以反映作物动力学规律和不同生态区的特征，不能满足智能化农业信息技术的需要。
作物模拟是建立作物生理过程与环境因子之间的动态数学模型，它可以反映系统成分之间的内在关系，具有良好的动态预测功能。基于农业专家系统与作物生长模型的特征以及应用状况，将作物生长模型与农业专家系统结合，利用模拟所预测的结果，结合专家知识，进行动态的科学决策，实现预测与决策功能的结合，可提高作物生产和栽培管理的决策水平。
发明内容
本发明的目的采用“描述框架+规则组+系统变量+模型字典”的知识表示方法，使基于作物生长模型的农业专家系统中知识表示技术的方法更加接近农业领域知识的本质和特点，更好地应用于生产实际。
本发明的技术方案1.基于作物生长模型的农业专家系统根据作物生长模拟模型与专家系统结合的特点，设计开发了基于作物生长模型的农业专家系统开发工具，该工具提供了进行二次开发的整套框架，包括知识管理子系统、推理机和作物生长模拟模型子系统等(见图1)，利用开发框架二次开发人员只要装入不同的知识，就可快捷地开发出面向不同领域、不同地区的农业专家系统。该工具以知识库为推理主线，结合模拟模型进行决策，做到定性分析和定量分析的有机结合。开发工具的核心技术是知识表示，它是实现模拟模型作为知识，以知识库为推理主线，结合模拟模型进行决策的关键。
系统采用B/S分布计算结构，应用软构件开发技术，遵循COM/DCOM开发规范，操作平台选用Windows Server，以后台数据库SQL Server管理为核心，在Web服务器挂接服务构件，通过前台浏览器管理和运行，集成开发环境使用Visual InterDev，Visual Basic和Visual C++，通过互联网进行数据通讯和信息交换，把知识表示技术方法中的描述框架，规则组，系统变量和模型字典输入计算机进行统一耦合处理。
2.知识表示技术在实际问题求解时，通常先考虑问题涉及那些因素，然后根据一组关系描述此问题。这组关系常常是经验知识或模型知识，而每个因素除了有些能明确给出外，往往又各自需要一组新的因素以及这些因素之间的关系来确定。这些新因素的确定相当于一个子问题的求解，子问题的因素中又可能有其它子问题。因此知识的表示方式必须充分表达事物各方面的因素以及相关事物间的关系，为实现模糊知识和确定知识，知识和模型的有机结合，使知识表示更接近于农业领域知识的本质和特点，采用了“描述框架+规则组+系统变量+模型字典”的结构描述知识。
2.1描述框架“描述框架”反映的是一个问题域，在知识库中形成独立的知识单元，它描述了问题域内所涉及的因素。描述框架在结构上类似传统的框架形式，含有因素集合与规则组集合两类槽。其知识表示形式如下FRAME<描述框架名>
因素集合因素1集合内有1～n个因素，n为自然数，数据来源范围(自定义，模拟模型，数据库，系统变量)因素名字符串数据类型范围(字符，数值，日期)模型名字符串 条件数据来源＝模拟模型模型方法字符串 条件数据来源＝模拟模型库表操作SQL语句 条件数据来源＝数据库前提项字符串 条件数据来源＝模拟模型OR数据来源＝数据库描述字符串单位字符串数据长度数值属性显示范围(显示，隐藏)标识范围(输入，下拉选择)条件显示＝显示初始值字符串用户提示字符串条件显示＝显示启用(YES，NO)约束空值(YES，NO)
缺省值字符串上限值数值下限值数值可信度cf1数值范围(0-1)因素2选项名称及定义同因素1因素n选项名称及定义同因素1规则组集合集合内有1～n个规则组，n为自然数。
规则组1规则组名规则组n规则组名根据因素的数据来源，将因素归纳为四类(1)基本因素，其数据来源为自定义，自定义方式因素值必须是可枚举或由终端用户指定；(2)模型因素，其数据来源为模拟模型，模拟模型输出接口属性名即为因素名；(3)库表操作因素，其数据来源为数据库方式，其值来自于对数据库分类查询或统计查询的结果；(4)结点因素，由知识单元(描述框架)内的规则组名构成，其值是推理过程中获得的结论值。
2.2规则组规则组是一个“规则架+规则体”的结构，规则架描述问题域推理网络中结点之间的层次关系，规则体用以描述结点的具体求值方法；一个规则架和它的规则体共同构成一个规则组。规则组的知识定义形式如下GROUPNAME<规则组名>
描述框架字符串描述字符串解释字符串结点性质范围(中间结点目标结点)
启用范围(是否)规则架字符串规则体体规则“解释”作用于规则体，作为推理解释的预置文本；元知识“结点性质”反映规则组作为因素的特征，其值是“中间结点”或“目标结点”。结点性质是“中间结点”的规则组，可作为前提因素被应用，其规则体的完整性必须返回结论值；若是“目标结点”的规则组不可作为前提因素被应用，其规则体的完整性必须必须返回结论建议。
2.2.1规则架规则架的一般形式为IF E1，E2，…，EnTHEN HE1，E2，…，En是前提因素，Ei来源于描述框架，用因素名或规则组名表示，每个因素是一个变量；H表示结论因素集合，可为空值也可由描述框架内的因素名或规则组名组成。
2.2.2规则体一个规则体对应一个的规则架，体内可以有一条或多条相同结构的推理规则。推理规则采用产生式表示方法，其表示形式如下IF C1(ω1)，C2(ω2)，…，Cn(ωn)THEN H(CF(H，E)，λ)Ci为知识的前提条件，由规则架中定义的前提因素Ei形成的逻辑子式构成，Ci之间是“与”关系，ωi是前提条件Ci的权值，在
上取值，且应满足如下条件∑ωi＝1H由结论值、结论和备注三部分组成，结论H具有可信度CF(H，E)，i＝1，2，…，n，CF(H，E)及λ分别是知识的静态强度及条件阈值，其值由领域专家给出。
推理规则的前件由各个前提因素形成的逻辑子式构成，推理规则的后件由结论值、结论和备注组成，结论值由结论因素集合H中的元素利用系统函数，通过算术运算符连接构成的表达式表示，结论是建议性的描述文本，备注由结论因素集合中的因素与媒体元素组成，媒体元素包含音频信息、视频信息和图像信息，利用备注可提高对结论建议的进一步说明。
2.3系统变量系统变量是系统内的全局变量，在系统内唯一命名，它提供了使用系统数据的接口。系统变量是用于解决模拟模型这类非过程性知识运行时环境数据预处理的问题。系统变量的数据来源有两类，一类是终端用户输入；另一类是分类查询或统计查询的操作结果。基于对小麦、玉米和棉花模拟模型的分析，模拟模型运行时环境数据包括以下内容区域信息、品种资源、决策领域、气象数据和土壤数据，因此缺省设置如下系统变量区域变量SysPlace、品种变量SysVariety、决策领域变量SysDomain和年份值变量SysTears。此外，领域专家也可根据需要添加新的系统变量。
系统变量定义形式如下变量名字符串描述字符串数据类型范围(字符 日期 数值)数据来源范围(自定义 数据库)库表操作SQL语句 条件数据来源＝数据库数据长度数值属性显示范围(显示隐藏)标识范围(输入下拉)初始值字符串用户提示字符串启用范围(Yes No)约束缺省值字符串上限值字符串下限值字符串2.4模型字典模型字典是在模拟模型导入时，利用XML描述的模型信息文件，在系统内建立相应模型字典。
模型字典提供了系统内模型元数据，是模拟模型动态调用、控制以及模型管理的核心。模型字典库包括模型信息字典、模型属性字典和模型方法字典三个部分，其关系模式见图2，附表1为模型方法字典，附表2为模型属性字典。
3知识库的结构从知识的逻辑表示观点来看，关系数据库是一种简单的知识库，数据库中的每一个关系是一个原子公式，即一个谓词，关系中的元组就是知识中的事实，因此利用关系数据库来建造知识库，就可以充分利用关系数据库管理系统的功能，极大的方便了知识库管理系统的设计。
基于“描述框架+规则组”的知识表示方法，利用关系数据库构造知识库，包括元知识表、描述框架表、规则组表、知识规则表、系统变量表以及依据规则组表中的基本因素字段动态建立的事实数据表，见图3。
4知识管理子系统的实现基于本文的知识表示技术和知识库的结构，知识库管理子系统由事实数据编辑、知识获取、结构化知识编辑器和知识检测与求精构成，见图4。知识库管理子系统完成事实数据的编辑；知识的录入与修改，知识规则的语法检查；知识库中的环路、矛盾、重复、冗余检测以及知识求精；为知识的维护工作提供支持。
知识管理子系统的实现采用B/S分布计算结构，以后台数据库管理为核心，在Web服务器挂接服务构件，通过前台浏览器管理和运行。应用软构件开发技术，遵循COM/DCOM开发规范，使知识管理子系统具有模块化、封装性、重用性和继承性等特点。
4.1知识获取提供了两类知识获取方法，即非自动知识获取和知识发现。非自动知识获取，首先由知识工程师或领域专家获取知识，然后再利用结构化知识编辑器录入到知识库。
知识发现采用判定树归纳分类，以SLIQ快速可伸缩算法作为基本算法，设训练集含有两类数据类型，即数值型(连续)和字符型(离散)，判定树分类实现包含如下过程(1)数据选择，用于选择数据源，设定分类属性与类属性，设置数据集最小样本数和剪枝阈值(2)建立判定树，将类表作为数据表建立，剪枝方案采用pre-pruning，即数据集样本数＜＝2×最小样本数或者父结点GiniIndex/当前结点Gini Index＜＝剪枝阈值进行剪枝(3)结果输出，采用判定树与规则两种形式。
4.2结构化知识编辑器结构化知识编辑器，提供了描述框架、规则组和知识规则定义功能，其中(1)元知识操作，完成描述框架的定义；(2)定义知识对象，用于建立规则组；(3)因素分类与细化，对规则组中应用的前提因素与结论因素进行分类和细化；(4)知识规则编辑，完成知识规则的录入与修改，同时还进行知识的语法与完整性的检查。
4.2.1因素分类与细化规则组定义后需要对其规则架中应用的前提因素与结论因素进行分类和细化。因素分类与细化的原因在于，一是因素存在互为条件的可能性，解决这个问题就需要确定4类因素取值顺序，本文因素取值按照基本因素、模型因素、库表操作因素和结点因素的顺序进行，因此这就需要对因素分类；二是应用模型因素时，需要确定模型因素涉及的系统变量(即运行时的环境数据)，并且需要将涉及的系统变量作为基本因素添加到规则组中，所以需要对因素细化；三是通过因素的分类与细化，可获得问题求解推理网络中涉及的所有因素(即基本因素、模型因素、库表操作因素和结点因素)，这样便于事实数据的获取、知识检测和推理机的实现。
因素分类包含两个过程一是合并前提因素和结论因素，去除重复项后，得到因素集Factors；二是细化因素集Factors。细化的算法伪代码表示如下(1)以Factors建立队列FactorQueue//队列FactorQueue作为算法的控制结构。
(2)Do While(FactorQueue.Length)//遍历队列元素。
(3)if基本因素，则加入基本因素队列。
(4)if模型因素，则加入模型因素队列，同时将其关联的系统变量加入基本因素队列。
(5)if库表操作因素，则加入库表操作因素队列，同时将WHERE子句涉及的因素，若是系统变量则加入基本因素队列，若是模型因素则加入模型因素队列。
(6)if结点因素，则加入结点因素队列，同时取其规则架定义因素集Factors，将Factors再加入到FactorQueue队列。
因素分类后，问题求解涉及的基本因素用于产生事实数据列表；以结点因素作为推理机的控制结构。
4.3知识检测与求精知识检测，知识库的建立过程是知识经过一系列变换进入计算机系统的过程，在这个过程中存在着各种各样导致知识不健全的因素。知识完整性检测是在知识获取过程中，通过结构化知识编辑器实现。知识的一致性检测，分为规则组间和规则组内两个层次。
知识求精，采用KBRS知识求精的策略[9]，通过记录规则组中知识应用的正判数、错判数和漏判数，计算错判率和漏判率，进而对知识进行泛化处理或特化处理。
4.3.1规则组间的一致性检查由于知识单元(描述框架)内因素名的唯一性，因此规则组间的重复和冗余，仅需检测其相应规则架的前提因素与结论因素是否相同就可确定。
其基本算法如下，建立知识单元(描述框架)内的规则组名队列，该队列是算法的控制结构，取队列头元素作为被测项目；遍历队列中剩余元素，在遍历过程中，每一个元素作为检测项目，检测它的结论元素与被测项目的结论因素是否相同，若相同检测前提因素项，若出现重复、冗余，则将检测项目记录到临时队列中，完成该次遍历后，可找到与被测项目重复、冗余的所有规则组；从队列中移除头元素和临时队列中记录的元素，直至规则组名队列为空，即完成重复、冗余的检测。
回路检查，其基本算法是采用深度优先，扩展规则组中的结点因素，这是一个不断递归的过程，从而建立一棵问题域的推理树。推理树动态建立的过程中，每出现一个结点，即检测该结点所在的分枝是否含有重复项，若有，则出现回路。
4.3.2规则组内的一致性检查规则体内一致性检查时对知识规则间的逻辑子式、权值与结论中的结论值表达式、结论文本、音频数据、视频数据和图像数据标识符进行检测，其基本算法与规则组间一致性检测中的重复、冗余雷同。
本发明的积极有益效果采用描述框架、规则组、系统变量和模型字典的组合形式描述知识，将问题域内的因素与求解的问题集中反映在“描述框架”中，“规则组”用来对问题域内求解问题进行描述，这种知识表示有以下优点(1)知识的层次表达，这种先结构，后细结的陈述方式，提供一个自然、易于表达的知识获取方式；(2)知识库的结构性描述框架在知识库中形成一个独立的知识单元，规则组在描述框架内建立具有相关性的知识子单元。这样在知识的一致性检查时可形成层次性，提高检查效率。在推理过程中，可以先找出可用的描述框架与规则组，然后调用相应规则体中的具体规则。用描述框架与规则组做索引，可提高匹配速度；(3)系统变量的引入较好的解决了作物生长模拟模型这类非过程性知识的应用，使农业专家系统具有动态的科学决策能力。
四
图1为基于作物生长模型的农业专家系统开发工具结构，图2为模型字典，图3为知识库的结构，图4为知识管理子系统结构。
五.
具体实施例方式实施例1以小麦越冬期决策说明知识表示形式。
小麦越冬期决策描述框架的知识表示FRAME越冬期描述框架因素集合因素1因素名TRFL
描述土壤肥力数据来源自定义数据类型字符模型名NULL模型方法NULL库表操作NULL前提项NULL单位NULL数据长度20属性显示范围 显示标识下拉选择初始值高(有机质＞1.2％)，中高(有机质1.0～1.2％)，中(有机质0.8～1.0％)用户提示选择土壤肥力情况启用YES约束空值YES缺省值NULL上限值NULL下限值NULL可信度0.8因素2因素名WinterCulmNumber描述越冬期茎蘖数数据来源模拟模型数据类型数值模型名Wheat.Simulate
模型方法pCulm库表操作NULL前提项SysPlace；SysVariety；SysYear；SysStarth；SysBaseSeedling/*注释前提项的含义如下，品种，年份置，播种日，基本苗，它们是模型方法pCulm的前提数据项。*/单位NULL数据长度20属性显示隐藏标识NULL初始值NULL用户提示NULL启用YES约束空值YES缺省值NULL上限值80下限值60可信度0.5因素3因素名JIWEN描述播种后至越冬期的积温数据来源数据库数据类型数值模型名NULL模型方法NULL库表操作Select Count(PJWD)AS JIWEN From Weather Where Zone Name＝”&SysPlace&”And Years＝”&SysYears&”And PJWD＞0 And Number≥”&SysStarth&”And Number≤”&Winterth&”前提项SysPlace；SysYears；SysStarth；Winterth/*注释前提项Winterth越冬期日序，是描述框架中定义的模型因素。*/单位度数据长度6属性显示隐藏标识NULL初始值NULL用户提示NULL启用YES约束空值NO缺省值NULL上限值NULL下限值NULL可信度0.8规则组集合规则组1GZZ_YDQJC越冬期决策规则组2GZZ_YDQSFJC越冬期施肥决策越冬期决策规则组的知识表示GROUPNAME GZZ_PZJC描述框架越冬期描述框架描述越冬期决策规则组解释字符串结点性质目标结点启用是规则架
IF 土壤肥力 越冬期茎蘖数 播种后积温 THEN 越冬期施肥决策规则体IF 土壤肥力＝高(权值0.3) AND 越冬期茎蘖数＜60万 (权值0.3)AND播种后积温＜500 (权值0.4)THEN结论值NULL结论建议在立冬到小雪期间浇好冬水，浇后划锄松土提温。
规则可信度0.95条件阈值0.75备注因素元素越冬期施肥决策媒体元素视频信息YDQ音频信息NULL图像信息NULL实施例2以小麦品种决策说明知识表示形式。
小麦品种决策描述框架的知识表示FRAME品种决策描述框架因素集合因素1因素名CKZW数据来源自定义数据类型字符模型名NULL模型方法NULL库表操作NULL前提项NULL描述茬口早晚单位NULL数据长度8
属性显示范围显示标识下拉选择初始值早茬，中茬，晚茬用户提示选择茬口早晚情况启用YES约束空值YES缺省值NULL上限值NULL下限值NULL可信度0.8因素2因素名DLSP描述地力水平数据来源自定义数据类型字符串模型名NULL模型方法NULL库表操作NULL前提项NULL单位NULL数据长度20属性显示范围显示标识下拉选择初始值高(有机质＞1.4％)，中高(有机质1.2-1.4％)，中(有机质1.0-1.2％)，低(有机质＜1.0％)
用户提示选择地力水平情况启用YES约束空值YES缺省值NULL上限值NULL下限值NULL可信度0.5因素3因素名CLMB描述产量目标数据来源自定义数据类型字符串模型名NULL模型方法NULL库表操作NULL前提项NULL单位NULL数据长度20属性显示显示标识NULL初始值＞500kg，450～500kg，400～450kg，300-400kg用户提示NULL启用YES约束空值NO缺省值NULL
上限值NULL下限值NULL可信度0.8规则组集合规则组1GZZ_PZJC越冬期决策品种决策规则组的知识表示GROUPNAME GZZ_PZJC描述框架品种决策描述框架描述品种决策规则组解释NULL结点性质目标结点启用是规则架IF茬口早晚，地力水平，产量目标THEN NULL规则体IF茬口早晚＝早茬(权值0.3)AND地力水平＝高(有机质＞1.4％)(权值0.4)AND产量目标≥500kg(权值0.3)THEN结论值NULL结论建议选择高产品种豫麦49。本品种是目前河南省亩产达到600kg的首先品种，播期以10月3-13日为宜，亩播量4-7公斤，亩基本苗以12万左右为宜，施足底肥，追肥在两极分化后，结合苗情补施。浇好拔节、灌浆水，以确保粒多粒饱，在年前12月底和年后3月上中旬用井岗霉素和禾果利混合喷洒防治纹枯病，一喷三防在扬花初期和5月上旬分别进行。
规则可信度0.95条件阈值0.75备注NULL媒体元素视频信息NULL
音频信息NULL图像信息NULL实施例3以小麦施肥决策说明知识表示形式。
施肥决策描述框架的知识表示FRAME施肥决策描述框架因素集合因素1因素名DLSP描述地力水平数据来源自定义数据类型字符模型名NULL模型方法NULL库表操作NULL前提项NULL单位NULL数据长度8属性显示范围显示标识下拉选择初始值高(有机质＞1.4％)，中高(有机质1.2％-1.4％)，中(有机质1.0％-1.2％)④低(有机质＜1.0％)用户提示选择地力水平情况启用YES约束空值YES缺省值NULL上限值NULL
下限值NULL可信度0.8因素2因素名CLSP描述产量水平数据来源自定义数据类型字符串模型名NULL模型方法NULL库表操作NULL前提项NULL单位NULL数据长度20属性显示显示标识NULL初始值＞500kg，450～500kg，400～450kg，300～400kg用户提示选择产量水平情况启用YES约束空值NO缺省值NULL上限值NULL下限值NULL可信度0.8因素3因素名JJDSP描述碱解氮水平数据来源自定义数据类型字符串模型名NULL模型方法NULL库表操作NULL前提项NULL单位NULL数据长度20属性显示范围显示标识下拉选择初始值＞95，80-95，65-80，＜65用户提示选择碱解氮水平情况启用YES约束空值YES缺省值NULL上限值NULL下限值NULL可信度0.5因素4因素名TRSXJHL描述土壤速效钾含量数据来源自定义数据类型字符串模型名NULL模型方法NULL库表操作NULL
前提项NULL单位NULL数据长度20属性显示范围显示标识下拉选择初始值150，120-150，90-120，60-90用户提示选择土壤速效钾含量启用YES约束空值YES缺省值NULL上限值NULL下限值NULL可信度0.5因素5因素名TRYXLHL描述土壤有效磷含量数据来源自定义数据类型字符串模型名NULL模型方法NULL库表操作NULL前提项NULL单位NULL数据长度20属性显示范围显示标识下拉选择初始值＞50，40-50，30-40，20-30，＜20用户提示选择土壤有效磷含量启用YES约束空值YES缺省值NULL上限值NULL下限值NULL可信度0.5规则组集合规则组1GZZ_DFJC/*氮肥决策*/规则组2GZZ_JFJC/*钾肥决策*/规则组3GZZ_LFJC/*磷肥决策*/氮肥决策规则组的知识表示GROUPNAME GZZ_DFJC描述框架施肥决策描述框架描述氮肥决策规则组解释NULL结点性质目标结点启用是规则架IF地力水平，产量目标，碱解氮水平THEN NULL规则体IF地力水平＝高(有机质＞1.4％)(权值0.3)AND碱解氮≥95(权值0.4)AND产量目标≥500kg(权值0.3)THEN结论值NULL结论建议亩施纯氮16～17kg，相当于33-37kg尿素，底追比按4∶6的比例分配，底肥的2/3掩底，1/3撒垡头。追肥适当后移到拔节期或拔节中期(即约3月中下旬)施用，并于孕穗期结合浇水追尿素3-5kg/亩。
规则可信度0.95条件阈值0.75备注NULL媒体元素视频信息NULL音频信息NULL图像信息NULL钾肥决策规则组的知识表示GROUPNAME GZZ_JFJC描述框架施肥决策描述框架描述钾肥决策规则组解释NULL结点性质目标结点启用是规则架IF地力水平，产量目标，土壤速效钾含量THEN NULL规则体IF地力水平＝高(有机质＞1.4％)(权值0.3)AND土壤速效钾含量≥50(权值0.4)AND产量目标≥500kg(权值0.3)THEN结论值NULL结论建议亩施纯P2O5 7-8kg，相当于过磷酸钙58-67kg，并作为底肥一次施入。
规则可信度0.95条件阈值0.75备注NULL媒体元素
视频信息NULL音频信息NULL图像信息NULL磷肥决策规则组的知识表示GROUPNAME GZZ_LFJC描述框架施肥决策描述框架描述磷肥决策规则组解释NULL结点性质目标结点启用是规则架IF地力水平，产量目标，土壤有效磷含量THEN NULL规则体IF地力水平＝高(有机质＞1.4％)(权值0.3)AND土壤有效磷含量≥50(权值0.4)AND产量目标≥500kg(权值0.3)THEN结论值NULL结论建议亩施纯P2O57-8kg，相当于过磷酸钙58-67kg，并作为底肥一次施入。
规则可信度0.95条件阈值0.75备注NULL媒体元素视频信息NULL音频信息NULL图像信息NULL实施例4系统变量的实施例缺省设置如下系统变量区域变量SysPlace、品种变量SysVariety、决策领域变量SysDomain和年份值变量SysYears。
(1)变量名SysPlace描述区域数据类型字符型数据来源数据库库表操作select name as sysplace from Zone group by name orderby name数据长度10属性显示显示标识下拉初始值NULL用户提示请选择区域启用Yes约束缺省值NULL上限值NULL下限值NULL(2)变量名SysVariety描述品种类型数据类型字符型数据来源数据库库表操作select Name as sysvariety from variety_resource group byName order by Name数据长度50属性显示显示标识下拉初始值NULL
用户提示请品种类型启用Yes约束缺省值NULL上限值NULL下限值NULL(3)变量名SysDomain描述决策领域数据类型字符型数据来源数据库库表操作select leibie as sysdomain from domain group by leibieorder by leibie数据长度20属性显示显示标识下拉初始值NULL用户提示请选择决策领域启用Yes约束缺省值NULL上限值NULL下限值NULL(4)变量名SysYears描述年份值数据类型字符型数据来源自定义库表操作NULL
数据长度4属性显示显示标识输入初始值NULL用户提示请输入年份启用Yes约束缺省值NULL上限值NULL下限值NULL附表1模型方法字典
附表2模型属性字典
权利要求
1.一种基于作物生长模型的农业专家系统中知识表示技术的方法，其特征是该方法采用描述框架、规则组、系统变量和模型字典的组合形式描述知识，其中描述框架反映的是一个问题域，它描述问题域内所涉及的因素集合，在结构上类似传统的框架形式，含有因素集合与规则组集合两类槽，其知识表示形式如下描述框架名 FRAME因素集合集合内有1～n个因素，n为自然数，因素1数据来源自定义，或模拟模型，或数据库，或系统变量因素名字符串数据类型字符，或数值，或日期模型名字符串 条件数据来源＝模拟模型模型方法字符串 条件数据来源＝模拟模型库表操作SQL语句 条件数据来源＝数据库前提项字符串 条件数据来源＝模拟模型OR数据来源＝数据库描述字符串单位字符串数据长度数值属性显示显示，或隐藏标识输入，或下拉选择 条件显示＝显示初始值字符串用户提示字符串 条件显示＝显示启用是，或否约束空值是，或否缺省值字符串上限值数值下限值数值可信度cf1数值范围0-1因素2选项名称及定义同因素1因素n选项名称及定义同因素1规则组集合集合内有1～n个规则组，n为自然数。
2.根据权利要求1所述的知识表示技术的方法，其特征是所述的规则组是由规则架和规则体组成的两级结构，规则架描述问题域推理网络中结点之间的层次关系，规则体用以描述结点的具体求值方法，一个规则架和它的规则体共同构成一个规则组，规则组的知识定义形式如下规则组名 GROUPNAME描述框架字符串描述字符串解释字符串结点性质中间结点或目标结点启用是，或否规则架字符串规则体体规则。
3.根据权利要求2所述的知识表示技术的方法，其特征是所述的规则架的一般形式为IF E1，E2，…，EnTHEN HE1，E2，…，En是前提因素，Ei来源于描述框架，i＝1，2，…，n，用因素名或规则组名表示，每个因素是一个变量，H表示结论因素集合，可为空值，也可由描述框架内的因素名或规则组名组成。
4.根据权利要求2所述的知识表示技术的方法，其特征是所述的规则体中一个规则体对应一个规则架，规则体内可以有一条或多条相同结构的推理规则。
5.根据权利要求4所述的知识表示技术的方法，其特征是所述的推理规则的表示形式如下IF C1(ω1)，C2(ω2)，…，Cn(ωn)THEN H(CF(H，E)，λ)Ci为知识的前提条件，由规则架中定义的前提因素Ei形成的逻辑子式构成，Ci之间是“与”关系，ωi是前提条件Ci的权值，在
上取值，且应满足如下条件∑ωi＝1H由结论值、结论和备注三部分组成，结论H具有可信度CF(H，E)，i＝1，2，…，n，CF(H，E)及λ分别是知识的静态强度及条件阈值，其值由领域专家给出。
6.根据权利要求1所述的知识表示技术的方法，其特征是所述的系统变量是系统内的全局变量，在系统内唯一命名，它提供了使用系统数据的接口，模型字典提供了系统内模型元数据，是模拟模型动态调用、控制以及模型管理的核心，系统变量定义形式如下变量名字符串描述字符串数据类型字符，或日期，或数值数据来源自定义，或数据库库表操作SQL语句，条件数据来源＝数据库数据长度数值属性显示显示，或隐藏标识输入，或下拉初始值字符串用户提示字符串启用是，或否约束缺省值字符串上限值字符串下限值字符串。
7.根据权利要求1所述的知识表示技术的方法，其特征是所述的模型字典库包括模型信息字典、模型属性字典和模型方法字典三个部分，模型方法由模型方法字典提供。
全文摘要
本发明公开了一种基于作物生长模型的农业专家系统中知识表示技术的方法，该方法采用描述框架、规则组、系统变量和模型字典的组合形式描述知识，其中描述框架反映的是一个问题域，它描述问题域内所涉及的因素集合，在结构上类似传统的框架形式，含有因素集合与规则组集合两类槽。该方法是基于作物生长模型的农业专家系统中知识表示技术的创新，使农业专家系统更加接近农业领域知识的本质和特点，能更好地应用于生产实际；在知识的一致性检查时可形成层次性，能够明显提高效率；在推理过程中，用描述框架与规则组做索引，提高匹配速度；系统变量的引入较好的解决了作物生长模拟模型这类非过程性知识的应用，使农业专家系统具有动态的科学决策能力。
文档编号G06F17/30GK1877612SQ20061001798
公开日2006年12月13日 申请日期2006年6月20日 优先权日2006年6月20日
发明者马新明, 席磊, 余华, 熊淑萍, 任艳娜, 刘合兵, 张 浩, 车银超 申请人:河南农业大学