精細(xì)農(nóng)業(yè)管理決策支持系統(tǒng)-精確農(nóng)業(yè)-05課件

精確農(nóng)業(yè)概論

PrecisionAgricultureconspectus

第五章精細(xì)農(nóng)業(yè)管理決策支持系統(tǒng)馮美臣作物生產(chǎn)管理決策的生成專家系統(tǒng)ES決策支持系統(tǒng)DSS第五章精細(xì)農(nóng)業(yè)管理決策支持系統(tǒng)農(nóng)業(yè)的老概念與新觀點老概念新觀點客觀條件“投入—產(chǎn)出’’黑盒模型生產(chǎn)生態(tài)學(xué)系統(tǒng)科學(xué)的教育；生長機(jī)制的模擬和探索研究生產(chǎn)方程(模型公式)面向目標(biāo)的途徑生產(chǎn)技術(shù)中科技因素的提高差異性被視為不利條件差異性被視為財富利用地理信息系統(tǒng)仔細(xì)協(xié)調(diào)所測出的地塊特殊可能性

1作物生產(chǎn)管理決策支持系統(tǒng)的生成第一個老概念是“投入—產(chǎn)出”黑盒模型，即通過很多小塊田的多次重復(fù)試驗，采限制統(tǒng)計上的偏差以便獲得投入與產(chǎn)出之間的較好對應(yīng)關(guān)系。這種過時的不問生物機(jī)理的做法勢必代之以生產(chǎn)生態(tài)學(xué)的新觀點。生物過程的知識就是要把物理、生物和化學(xué)等學(xué)科通過系統(tǒng)科學(xué)的途徑貫穿融為一體。所以，這一新概念綜合了實驗、模擬以及對機(jī)理的分析與理解。而不僅僅是黑盒數(shù)學(xué)模型所要求的，投入產(chǎn)出間統(tǒng)計(回歸)的簡單關(guān)系。另一個老概念是“生產(chǎn)方程(模式公式)”它強(qiáng)調(diào)了某些單項投入和產(chǎn)出的關(guān)系，而實際農(nóng)業(yè)經(jīng)常涉及各種投入的綜合，如氮、磷和水等。這種生產(chǎn)方程的老概念可能讓位于“面向目標(biāo)的途徑”，即在某具體情況下對各種變動的外部投入加以綜合優(yōu)選以便在當(dāng)前可行條件下達(dá)到增產(chǎn)。在這個過程中農(nóng)戶要自行確定恰當(dāng)?shù)哪繕?biāo)并且要搞清楚怎樣的投入搭配才是實現(xiàn)達(dá)標(biāo)的優(yōu)化措施。RudyRabbinge指出：過去我們提倡農(nóng)民要具有“綠色手指”—掌握新的生產(chǎn)技巧，而今天我們有能力為農(nóng)民提供科學(xué)的“綠色頭腦”。為達(dá)此目的就要總結(jié)出整套的采集田間數(shù)據(jù)的程序與方法，以便及時精確地反映田間狀況的因時因地變化的情形。這種空間差異性無疑是很重要的，我們要掌握它的空間模式及其演變，這正是地理信息系統(tǒng)(GIS)的用武之地。雖然作物的數(shù)學(xué)模型對于決策的制定是很重要的，但是人們已經(jīng)察覺到，數(shù)學(xué)模型并非在所有場合下都能適用。因此，不得不深入考慮各種模型的適用性。通常解釋型模型并不能用于田塊農(nóng)作的決策?；貧w模型可用于預(yù)測，而概括的、簡化的(Summary)模型則可用于直接指導(dǎo)田間作業(yè)的決策生成。有關(guān)此模型的作物和土壤的基本信息是重要的，它促進(jìn)了精確農(nóng)業(yè)中基于科學(xué)的有益活動。找到了田間各局部狀況的主要成因，就要通過模型反求其量化了的糾正措施。到目前為止能真正指導(dǎo)實踐的模型尚不多見。這就需要不斷地修正和完善數(shù)學(xué)模型，同時要尋求建立經(jīng)驗一知識模型，使人工智能專家系統(tǒng)(ES)技術(shù)與數(shù)學(xué)模擬模型(SM)相結(jié)合起到互補(bǔ)作用，再經(jīng)過決策支持系統(tǒng)(DSS)的優(yōu)選初步提出糾正措施。上述初步?jīng)Q定的糾正措施，要通過數(shù)學(xué)—知識模型進(jìn)行仿真預(yù)測，以改進(jìn)和驗證該措施的正確性和可行性。通過經(jīng)濟(jì)、環(huán)境模型預(yù)測該管理措施的經(jīng)濟(jì)性、經(jīng)濟(jì)效益、社會效益和生態(tài)效果。最終以處方圖或指令卡的形式將決策傳送給智能農(nóng)機(jī)去執(zhí)行。2專家系統(tǒng)ES專家系統(tǒng)（ExpertSystem，簡記ES）也稱基于知識的系統(tǒng)，是目前在人工智能的應(yīng)用方面最成熟的一個領(lǐng)域。專家系統(tǒng)產(chǎn)生于60年代中期。最初，人工智能領(lǐng)域的科學(xué)家試圖通過發(fā)現(xiàn)解決各類問題的一般方法來模仿復(fù)雜的思維過程，最后發(fā)現(xiàn)開發(fā)通用的問題求解程序非常困難。一個單一的程序能夠處理的問題種類越多，那么對每一個別問題所能做的就越少。于是，這些科學(xué)家希望能在比較特別的問題上采用的通用方法或技術(shù)，這促使他們開始研究知識的表達(dá)和搜索等技術(shù)。經(jīng)過多年的科學(xué)研究，理論和技術(shù)日臻成熟，專家系統(tǒng)的應(yīng)用得到了飛速發(fā)展。至今，世界各國已在農(nóng)業(yè)、醫(yī)療診斷、化學(xué)工程、語音識別、圖像處理、金融決策、信號解釋、地質(zhì)勘探、石油、軍事等領(lǐng)域研制出大量的實用專家系統(tǒng)，其中不少系統(tǒng)在性能上已達(dá)到甚至超過了同領(lǐng)域人類專家的水平，已經(jīng)產(chǎn)生或正在產(chǎn)生巨大的經(jīng)濟(jì)效益和社會影響。專家系統(tǒng)是一個智能計算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，它能應(yīng)用人工智能技術(shù)和計算機(jī)技術(shù)，根據(jù)專家的知識和解決問題的方法進(jìn)行推理判斷，模擬人類專家在相應(yīng)領(lǐng)域的決策過程，并在很短的時間內(nèi)對問題得出高水平的解答。簡言之：“一個在某領(lǐng)域具有專家水平的解題能力的程序系統(tǒng)”。專家系統(tǒng)含義1.解釋專家系統(tǒng)

(expertsystemforinterpretation)任務(wù)通過對已知信息和數(shù)據(jù)的分析與解釋，確定它們的涵義。特點數(shù)據(jù)量很大，常不準(zhǔn)確、有錯誤、不完全能從不完全的信息中得出解釋，并能對數(shù)據(jù)做出某些假設(shè)推理過程可能很復(fù)雜和很長例子

語音理解、圖象分析、系統(tǒng)監(jiān)視、化學(xué)結(jié)構(gòu)分析和信號解釋等2.預(yù)測專家系統(tǒng)

(expertsystemforprediction)任務(wù)通過對過去和現(xiàn)在已知狀況的分析，推斷未來可能發(fā)生的情況特點系統(tǒng)處理的數(shù)據(jù)隨時間變化，且可能是不準(zhǔn)確和不完全系統(tǒng)需要有適應(yīng)時間變化的動態(tài)模型例子有氣象預(yù)報、軍事預(yù)測等3.診斷專家系統(tǒng)

(expertsystemfordiagnosis)任務(wù)根據(jù)觀察到的情況(數(shù)據(jù))來推斷出某個對象機(jī)能失常(即故障)的原因特點能夠了解被診斷對象或客體各組成部分的特性以及它們之間的聯(lián)系能夠區(qū)分一種現(xiàn)象及其所掩蓋的另一種現(xiàn)象能夠向用戶提出測量的數(shù)據(jù)，并從不確切信息中得出盡可能正確的診斷例子有醫(yī)療診斷等4.設(shè)計專家系統(tǒng)

(expertsystemfordesign)任務(wù)根據(jù)設(shè)計要求，求出滿足設(shè)計問題約束的目標(biāo)配置。特點從多種約束中得到符合要求的設(shè)計系統(tǒng)需要檢索較大的可能解空間能試驗性地構(gòu)造出可能設(shè)計，易于修改能夠使用已有設(shè)計來解釋當(dāng)前新的設(shè)計例子VAX計算機(jī)結(jié)構(gòu)設(shè)計專家系統(tǒng)等5.規(guī)劃專家系統(tǒng)

(expertsystemforplanning)任務(wù)尋找出某個能夠達(dá)到給定目標(biāo)的動作序列或步驟特點所要規(guī)劃的目標(biāo)可能是動態(tài)的或靜態(tài)的，需要對未來動作做出預(yù)測所涉及的問題可能很復(fù)雜例子軍事指揮調(diào)度系統(tǒng)、ROPES機(jī)器人規(guī)劃專家系統(tǒng)、汽車和火車運(yùn)行調(diào)度專家系統(tǒng)等。6.監(jiān)視專家系統(tǒng)

(expertsystemformonitoring)任務(wù)對系統(tǒng)、對象或過程的行為進(jìn)行不斷觀察，并把觀察到的行為與其應(yīng)當(dāng)具有的行為進(jìn)行比較，以發(fā)現(xiàn)異常情況，發(fā)出警報特點系統(tǒng)應(yīng)具有快速反應(yīng)能力系統(tǒng)發(fā)出的警報要有很高的準(zhǔn)確性系統(tǒng)能夠動態(tài)地處理其輸入信息例子粘蟲測報專家系統(tǒng)8.調(diào)試專家系統(tǒng)

(expertsystemfordebugging)

任務(wù)對失靈的對象給出處理意見和方法特點同時具有規(guī)劃、設(shè)計、預(yù)報和診斷等專家系統(tǒng)的功能例子在這方面的實例還比較少見9.教學(xué)專家系統(tǒng)

(expertsystemforinstruction)特點同時具有診斷和調(diào)試等功能具有良好的人機(jī)界面例子MACSYMA符號積分與定理證明系統(tǒng)，計算機(jī)程序設(shè)計語言和物理智能計算機(jī)輔助教學(xué)系統(tǒng)以及聾啞人語言訓(xùn)練專家系統(tǒng)等1．能根據(jù)學(xué)生的特點、弱點和基礎(chǔ)知識，以最適當(dāng)?shù)慕贪负徒虒W(xué)方法對學(xué)生進(jìn)行教學(xué)和輔導(dǎo)的專家系統(tǒng)是：A．解釋專家系統(tǒng)B．調(diào)試專家系統(tǒng)C．監(jiān)視專家系統(tǒng)D．教學(xué)專家系統(tǒng)2．用于尋找出某個能夠達(dá)到給定目標(biāo)的動作序列或步驟的專家系統(tǒng)是：A．設(shè)計專家系統(tǒng)B．診斷專家系統(tǒng)C．預(yù)測專家系統(tǒng)D．規(guī)劃專家系統(tǒng)3．能對發(fā)生故障的對象（系統(tǒng)或設(shè)備）進(jìn)行處理，使其恢復(fù)正常工作的專家系統(tǒng)是：A．修理專家系統(tǒng)B．診斷專家系統(tǒng)C．調(diào)試專家系統(tǒng)D．規(guī)劃專家系統(tǒng)4．能通過對過去和現(xiàn)在已知狀況的分析，推斷未來可能發(fā)生的情況的專家系統(tǒng)是：A．修理專家系統(tǒng)B．預(yù)測專家系統(tǒng)C．調(diào)試專家系統(tǒng)D．規(guī)劃專家系統(tǒng)√√√√提問：專家系統(tǒng)的基本特征具有專家水平的專門知識專家系統(tǒng)建造的一個最重要的目標(biāo)是達(dá)到一個專家在解決某些任務(wù)時所體現(xiàn)出的高水平的性能。專家系統(tǒng)能夠成功地解決領(lǐng)域內(nèi)的各種問題，在解題質(zhì)量、速度和動用啟發(fā)式規(guī)則的能力方面具有本領(lǐng)域人類專家的水平，其根本原因是系統(tǒng)中存儲有專家水平的知識。具有符號處理的能力專家系統(tǒng)用符號準(zhǔn)確地表示領(lǐng)域有關(guān)的信息和知識，并對其進(jìn)行各種處理和推理。人工智能的權(quán)威人士認(rèn)為：迄今為止，人工智能和計算機(jī)科學(xué)的最基本貢獻(xiàn)是物理符號系統(tǒng)的概念，即能夠擁有并處理符號，而且在物理空間中可能實現(xiàn)各類系統(tǒng)的概念。具有一般問題的求解能力各種專家系統(tǒng)應(yīng)具備一種公共的智能行為，能夠做一般的邏輯推理、目標(biāo)搜索和常識處理等工作。而且專家系統(tǒng)往往采用試探性方式進(jìn)行處理，為了使問題求解更加符合實際情況，往往采用不精確推理。因而，專家系統(tǒng)能夠解決問題領(lǐng)域內(nèi)的各種專門問題。具有一定的復(fù)雜度和難度專家系統(tǒng)所擁有的知識是很專門的領(lǐng)域知識，涉及的面一般很窄，但必須具有相當(dāng)?shù)膹?fù)雜度和難度。如果某領(lǐng)域不夠復(fù)雜的話，不需要專家來解決，沒有什么專家知識可言，就不能真正成為專家系統(tǒng)的用武之地。具有解釋功能專家系統(tǒng)運(yùn)用知識庫中被求解過程使用過的知識和各種中間結(jié)果，回答用戶關(guān)于求解結(jié)果提問的“為什么？”，“為什么要如此做？”，“如此做有什么好處？”，“它是如何做的？”等問題，并且能夠給出求解過程的推理路徑顯示。這種機(jī)制提供了系統(tǒng)的一種透明界面，加強(qiáng)了用戶對專家系統(tǒng)的接受性。具有獲取知識的能力人類專家能夠通過學(xué)習(xí)不斷豐富自身的知識，高性能的專家系統(tǒng)也應(yīng)該具備這種不斷獲取知識的能力?；蛘咚峁┮环N手段是知識工程師和領(lǐng)域?qū)＜夷軌虿粩嗟亟o系統(tǒng)“傳授”知識，是知識庫越來越豐富，越來越完善；或者系統(tǒng)自身具有自學(xué)習(xí)能力，從系統(tǒng)的運(yùn)行過程中不斷總結(jié)經(jīng)驗，抽取新知識，更換舊知識，自動地使知識庫中的知識不斷豐富和更新。知識與推理結(jié)構(gòu)相互獨(dú)立專家系統(tǒng)一般把推理機(jī)構(gòu)與知識分開，使其獨(dú)立，使系統(tǒng)具有良好的可擴(kuò)充性和維護(hù)性。綜上所述，一個專家系統(tǒng)應(yīng)具備以下三個顯著特征：啟發(fā)性透明性靈活性知識庫存放領(lǐng)域?qū)＜姨峁┑膶ｉT知識。專家系統(tǒng)的問題求解是運(yùn)用專家提供的專門知識來模擬專家的思維方式進(jìn)行的，這樣知識庫中擁有知識的數(shù)量和質(zhì)量就成為一個專家系統(tǒng)性能和問題求解能力的關(guān)鍵因素。因此，知識庫的建立是建造專家系統(tǒng)的中心任務(wù)。專家系統(tǒng)的組成推理機(jī)構(gòu)具有各種推理或搜索等功能，它往往又可分成主控程序及完成各種任務(wù)或推理等功能的一個程序庫。用戶界面專家系統(tǒng)與用戶間的基于聲、文、圖、像的接口。一般包括輸入和輸出兩大部分。它一方面把由傳感器或鍵盤獲得的外部信息或命令通過語言、文字或圖像表達(dá)進(jìn)行識別和理解，表示成內(nèi)部形式輸入系統(tǒng)。另一方面它又把專家系統(tǒng)產(chǎn)生的結(jié)果由內(nèi)部形式轉(zhuǎn)換成人類能接受的方式，傳遞給用戶。中間數(shù)據(jù)庫(有時稱為“黑板”)

這是專家系統(tǒng)在推理過程中用以存放中間結(jié)果或論據(jù)的工作存儲器。在工作開始時，首先把專家系統(tǒng)從外界(用戶)獲得的關(guān)于欲解決的問題的事實和初始狀態(tài)、初始數(shù)據(jù)等寫入“黑板”。然后，專家系統(tǒng)對黑板和知識庫的內(nèi)容進(jìn)行各種可能和必要的搜索、匹配和推理等動作，不斷以新的中間結(jié)果修改、替代或補(bǔ)充黑板的內(nèi)容。其間，還可詢問用戶，以獲得必要的補(bǔ)充知識，參與后續(xù)的推理。專家系統(tǒng)就是如此循環(huán)往復(fù)地不斷改變著黑板的內(nèi)容，直至最終獲得問題的解答。可見，黑板的內(nèi)容動態(tài)地控制著專家系統(tǒng)的工作過程，所以，黑板也可叫做“動態(tài)知識庫”。知識獲取器(或?qū)W習(xí)模塊)

它的功能是總結(jié)系統(tǒng)運(yùn)行的經(jīng)驗自動地不斷修正和補(bǔ)充知識庫的內(nèi)容(所謂學(xué)習(xí))，或者能根據(jù)專家或書本提供的知識(以自然語言或某種形式語言表示的)，經(jīng)過理解編輯成所需的內(nèi)部形式，作為新知識加入知識庫。解釋器它是解答用戶對專家系統(tǒng)的結(jié)論詢問的一個程序模塊。專家系統(tǒng)應(yīng)能針對性地以一種用戶容易理解的形式進(jìn)行解釋，回答為什么有此結(jié)論，推理的邏輯思路是怎樣的等等。解釋模塊不但是一個對系統(tǒng)的行為進(jìn)行解釋的工具，而且也是一個發(fā)現(xiàn)系統(tǒng)謬誤對之進(jìn)行調(diào)試的工具。解釋功能的一種很簡單的實現(xiàn)方法就是，把每步推理所用的規(guī)則(或證據(jù)等)按推理先后順序連成一條鏈存放起來，一旦需要時，就把這個推理鏈一步一步地顯示給用戶看。目前很多專家系統(tǒng)的解釋器都是如此。1．小麥估產(chǎn)知識庫(1)知識的概念化與對問題的識別①系統(tǒng)目標(biāo)與界限分析我國的小麥種植以冬麥為主，主要產(chǎn)麥區(qū)分布在地勢平坦的黃淮海平原，占全國小麥種植面積的1／3以上。從典型性和戰(zhàn)略上的重要意義考慮，選擇黃淮海平原冬小麥作為小麥估產(chǎn)專家系統(tǒng)目標(biāo)問題的切入點。農(nóng)業(yè)專家系統(tǒng)實例—小麥估產(chǎn)專家系統(tǒng)②對問題的層次剖析估產(chǎn)專家系統(tǒng)是一個預(yù)測類型的專家系統(tǒng)。它是根據(jù)已知的發(fā)展來推導(dǎo)將來的趨向。它強(qiáng)調(diào)事物過程順序的變化和時間順序的排列。從目標(biāo)結(jié)構(gòu)分析，在單位面積上，小麥的產(chǎn)量由三大要素支撐：穗數(shù)、穗粒數(shù)、干粒重。小麥各生長發(fā)育階段的狀況對最終產(chǎn)量的影響反映在它們分別對這三要素形成過程中所起的作用。其中，小麥從播種—冬前分蘗以決定穗數(shù)為主，自返青—拔節(jié)的生長以決定穗粒數(shù)為主，而抽穗—籽粒成熟的發(fā)育以決定干粒重為主。這三個時期農(nóng)學(xué)家稱之為爭穗期、壯稈大穗期和增粒重期。③對知識的提煉、概念化模型的形成根據(jù)專家的分析，影響小麥成穗的最主要階段是冬前分蘗期。在這一時期出現(xiàn)的分蘗成穗率達(dá)60％。分蘗出現(xiàn)得早，成穗的可能性就大。對分蘗影響較大的環(huán)境條件是：播期、播量、溫度、土壤養(yǎng)分、墑情。對穗粒數(shù)起決定作用的是拔節(jié)期，尤其拔節(jié)期出現(xiàn)的霜凍將嚴(yán)重影響小麥的發(fā)育，在這一階段，除溫度外，水、肥也是主要影響因素。在籽粒形成過程中抽穗、揚(yáng)花、灌漿是三個重要階段。抽穗期對孕穗影響最大的條件是水、養(yǎng)分和溫度的月較差。其中對溫度的理想要求是氣溫平穩(wěn)上升，光照階段長，月較差上，農(nóng)民稱之為“春長”。在揚(yáng)花期最重要的外界條件是光照，遮光對粒重的影響很大。灌漿期是小麥籽粒干物質(zhì)積累階段。這一時期，水、肥、大氣溫度是極為重要的條件，干熱風(fēng)將導(dǎo)致大氣濕度過低造成籽粒干癟，是主要災(zāi)害之一。產(chǎn)量水平（高、中、低）穗數(shù)拔節(jié)期溫度穗粒數(shù)播種期播種日期出苗莖數(shù)分蘗千粒重春季溫度月較差孕穗期土壤含水量揚(yáng)花期光照氮肥施用量灌漿期大氣濕度小麥估產(chǎn)概念模式(2)知識的形式化與知識庫的組成小麥估產(chǎn)結(jié)論的導(dǎo)出要根據(jù)它一生中對產(chǎn)量發(fā)生明顯影響的發(fā)育階段中的若干自身指標(biāo)(如出苗數(shù)、分蘗個數(shù)等)和環(huán)境指標(biāo)(溫度、土壤含水量等)與理論值進(jìn)行對比，從而對未來的年景做出好、中、差的判斷。它的知識大部分是數(shù)值型的邏輯判斷，其知識結(jié)構(gòu)整體是一個樹狀體，同時中間結(jié)論和最終結(jié)論具有模糊子集的性質(zhì)。因此，非確定性知識的表示方法以計算邏輯公式和模糊邏輯公式為主。在小麥估產(chǎn)知識庫中，就知識的自身特性而言，基本上可以分為事實類和規(guī)則類。第一類是事實類知識，它所表達(dá)的是對靜態(tài)事實或事物間關(guān)系的陳述。它的主要表示形式是數(shù)值、符號和邏輯表達(dá)式，在庫中每一條知識對應(yīng)著唯一的標(biāo)識，用以實現(xiàn)對知識的搜索。屬于這一類的知識有：小麥生長監(jiān)測記錄，氣象觀測數(shù)據(jù)，農(nóng)業(yè)投入等等。這一類知識按照性質(zhì)的不同又分為現(xiàn)實事實與理論事實。例如：現(xiàn)實事實：1994年商丘縣。小麥拔節(jié)期最低溫度BLC＝-2.3℃。孕穗期土壤含水量YSW＝16.3％。施氮肥總量：NZ＝70kg／hm2……全部現(xiàn)實事實型知識來源于實際觀測記錄、統(tǒng)計資料或科學(xué)分析與計算的結(jié)論。理論事實：分盛期(11月)適宜溫度13℃＜GC＜18℃。灌漿期適宜溫度60％＜GH＜80％。全年總需水量GW＞16.67m3／hm2……這些理論事實型知識來源于書本、科學(xué)實驗結(jié)果和專家的經(jīng)驗。第二類知識是規(guī)則類知識。規(guī)則的普遍形式是“IF—THEN—ELSE”條件語句?，F(xiàn)以小麥播種日期、播種量對冬前分蘗狀況的影響為例，說明規(guī)則與事實之間的關(guān)聯(lián)以及規(guī)則之間的相互關(guān)系。根據(jù)小麥栽培學(xué)原理，冬前分蘗個數(shù)的多少是影響畝成穗數(shù)的主要因素，由于理想的分蘗需要足夠的積溫，播種日期偏晚或過晚將導(dǎo)致冬至前積溫不足而影響分蘗的數(shù)量和質(zhì)量。如果已經(jīng)造成播期晚的現(xiàn)實，通常的補(bǔ)救措施是加大播種量，以增加出苗密度來彌補(bǔ)單莖分蘗的不足。規(guī)則1：如果播種日期晚于理論日期20天，BZQ＝3為播種過晚；晚lO天，BZQ＝2為播期偏晚；BZQ＝l為適時播種。規(guī)則2：如果播種適時并且每畝總莖數(shù)≧13300，則成穗狀況為“好”；播期適時每畝總莖數(shù)＜13300，則成穗狀況為“中”。規(guī)則3：在播期偏晚情況下，依次對播種和出苗總數(shù)進(jìn)行掃描考察，并根據(jù)與理論值的比較得出對成穗狀況“好”、或“中”、或“差”的判斷結(jié)論。規(guī)則4：在播期過晚條件下，依次對事實知識中的播量、總莖數(shù)進(jìn)行搜索掃描，并將其與理論值進(jìn)行對比分析從而得出結(jié)論。2．小麥估產(chǎn)推理機(jī)小麥估產(chǎn)問題的推理控制采用樹狀結(jié)構(gòu)是因為，小麥生長過程規(guī)則知識的序列是以樹形結(jié)構(gòu)為主。推理過程的控制主要依靠對規(guī)則的順序搜索。常用的規(guī)則搜索技術(shù)有兩種方式，深度優(yōu)先方式和寬度優(yōu)先方式。小麥估產(chǎn)的推理采用了正向深度優(yōu)先搜索來實現(xiàn)過程控制。

如果用小寫字母g，m，b，分別表示原因的好、中、差三種狀態(tài)；而用大寫字母G，M，B表示結(jié)果的好、中、差三種狀態(tài)，則這27種規(guī)則的謂詞邏輯式是：rulel：g，g，g→Grule10，g，b，g→Mrule19：b，g，g→Mrule2：g，m，g→Grule12：g，b，m→Mrule20：b，m，m→Mrule3：g，m，m→Grule12：m，g，b→Mrule21：g，b，b→Brule4：m，g，g→Grule13：m，m，m→Mrule22：m，b，b→Brule5：m，g，m→Grule14：m，m，b→Mrule23：b，g，b→Brule6：m，m，g→Grule15：m，b，g→Mrule24：b，m，b→Brule7：g，g，m→Grule16：m，b，m→Mrule25：b，b，g→Brule8：g，g，b→Mrule17：b，g，g→Mrule26：b，b，m→Brule9：g，m，b→Mrule18：b，g，m→Mrule27：b，b，b→B這個專家系統(tǒng)并不直接估計小麥單產(chǎn)的絕對值，而是根據(jù)專家系統(tǒng)中所包括的影響因素，利用專家知識的推理，得出該預(yù)測年小麥單產(chǎn)的高、中、低三個單產(chǎn)水平的可能性，然后與三個單產(chǎn)模型的預(yù)測結(jié)果相結(jié)合，得出小麥單產(chǎn)的預(yù)測值。3決策支持系統(tǒng)DSS及其應(yīng)用什么是決策支持系統(tǒng)決策支持系統(tǒng)（DSS）是能對計劃、管理、調(diào)度、作戰(zhàn)指揮和方案尋優(yōu)等應(yīng)用問題進(jìn)行輔助決策的計算機(jī)程序系統(tǒng)。決策支持系統(tǒng)的任務(wù)在于對各種具體決策問題的輔助決策。BemarlC.Reimann等人認(rèn)為，“決策支持系統(tǒng)不同于管理信息系統(tǒng)（MIS），它允許管理者以求助方式選擇和控制信息，做出更好和更有見識的決策，決策支持系統(tǒng)的一個最重要的特征是它有一種交互的特別分析能力，它使管理者能夠盡量完全和精確地對他們的問題進(jìn)行仿真和模型化，允許管理者試驗不同的假設(shè)與方案的影響。也就是說，在現(xiàn)實世界中試驗各種方案之前，就能夠在較安全的計算機(jī)中作預(yù)先試驗”。這個定義把決策支持系統(tǒng)與建模仿真等概念建立了很密切的聯(lián)系。Keen和Scott一Morton認(rèn)為決策支持系統(tǒng)“著眼于管理者的決策行為和需要，同時開拓他們的能力”。“決策支持系統(tǒng)要用計算機(jī)①在半結(jié)構(gòu)化的任務(wù)的決策過程中輔助管理者；②支持而不是代替管理者作判斷；③改善決策的效益而不是效率”。ChristerCarison則更具體地把決策支持系統(tǒng)定義為供非計算機(jī)專業(yè)人員作用的一個“交互式軟硬件系統(tǒng)”，它能在下面幾個方面幫助和支持決策者：（1）從計算機(jī)的數(shù)據(jù)庫中提取有用信息；（2）根據(jù)數(shù)據(jù)進(jìn)行判斷；（3）按各種不同的和變化的時間層次來形成決策問題和計劃任務(wù)；（4）解決問題和執(zhí)行計劃任務(wù)；（5）制訂和加強(qiáng)計劃及行動步驟。一般決策過程（或決策問題的求解過程）由五個階段組成：1．

問題識別識別決策問題的含義，使其概念化，從而形成一個非常明確的問題，包括明確問題的含義、限制條件和判定滿意的解時所用的評判標(biāo)準(zhǔn)C等。2．

建立模型包括建立形成候選解S的模型和評價候選解優(yōu)劣的模型，即建立評價泛函E1(s)，E2(s)，…，En(s)，可以采用單指標(biāo)評價（簡單問題）或多指標(biāo)評價（復(fù)雜問題）。決策過程3．

執(zhí)行模型用各種候選解代入評價模型執(zhí)行以獲得評判指標(biāo)，即計算評價泛函E1(s)，E2(s)，…，En(s)。4．

評判決策根據(jù)上階段獲得的評判指標(biāo)進(jìn)行綜合評判與分析，審查所得的解是否已經(jīng)滿足要求。若已滿足，就輸出它作為問題的解；若尚不滿足要求，則轉(zhuǎn)下一步去修改模型。上述評判的過程，可認(rèn)為是從評判指標(biāo)E1(s)，E2(s)，…，En(s)求“評判函數(shù)”J（E1,E2…,En）“值”，檢查所得的“值”是否滿足評判標(biāo)準(zhǔn)C。這里我們把評判函數(shù)和值兩個詞都用雙引號括了起來，表示應(yīng)該廣義地理解，不要簡單地僅僅理解為實函數(shù)與實數(shù)值。5．

修改模型對于形成答案的模型和評價答案的模型，若對它們不滿意都可進(jìn)行修改。這里的關(guān)鍵在于如何根據(jù)評判的結(jié)果，提出該修改什么以及如何修改。這一步一般是需要決策者人工參與的，或甚至完全由決策者自己來完成。一旦修改完成之后就再轉(zhuǎn)到第3步去執(zhí)行經(jīng)修改后的模型，以開始下一輪的評判與選擇。仔細(xì)分析人腦的決策過程可以發(fā)現(xiàn)，在做決策時人們經(jīng)常要使用很多已經(jīng)裝在腦中的各種數(shù)據(jù)、解題方法、計算方法或建模方法，以及過去已經(jīng)建立的種種模型等，還要用到各經(jīng)驗與知識，用以識別問題，形成候選方案，并根據(jù)問題要求建立評判模型，乃至不斷指導(dǎo)評判、分析與修正直至找到滿意的解答為止。決策機(jī)制該系統(tǒng)是北京市農(nóng)林科學(xué)院作物研究所主持研究成功的。1．?dāng)?shù)據(jù)庫（1）氣象數(shù)據(jù)的分析與整理以京郊地區(qū)10個氣象站為對象，收集整理了自1915年來有關(guān)的氣象資料數(shù)據(jù)達(dá)640萬個。這些氣象資料包括緯度（度／分），海拔（m），日照百分率（%），日平均溫度（C），最高、最低溫度（C），空氣相對濕度（％），風(fēng)速（m/s），降雨（mm），降水量（mm），實際水汽壓（hPa），入射短波輻射（cal/cm2·日），將以上數(shù)據(jù)輸入計算機(jī)，建立了氣象數(shù)據(jù)庫。小麥生產(chǎn)管理決策支持系統(tǒng)（2）土壤資料數(shù)據(jù)庫的建立搜集、整理北京近、遠(yuǎn)郊13個區(qū)縣，200多個鄉(xiāng)鎮(zhèn)的土壤資料，主要包括有地貌、土壤質(zhì)地、土壤養(yǎng)分?jǐn)?shù)據(jù)達(dá)150萬個。土壤養(yǎng)分以1990年土壤普查數(shù)據(jù)為主，借鑒l980年土壤普查的部分資料，確定出200多個鄉(xiāng)鎮(zhèn)的土壤有機(jī)質(zhì)、全氮、堿解氮、速效磷、速效鉀及部分微量元素的含量。將土壤養(yǎng)分劃分為“高、較高、中等、較低、低”五個等級，對應(yīng)作物的需要分別為“豐富、較豐富、基本滿足、缺乏、非常缺乏”。土壤按質(zhì)地分為三大類：潮土、褐土、砂姜潮土，對每一大類又分為沙一輕壤，輕壤，輕--中壤四類，共為12類土壤質(zhì)地，對全市200多個鄉(xiāng)鎮(zhèn)都按照這12類確定出土壤質(zhì)地。（3）作物品種數(shù)據(jù)庫建立小麥高產(chǎn)品種主要性狀目標(biāo)數(shù)據(jù)庫、權(quán)重系數(shù)庫、品種數(shù)據(jù)庫、良種推薦數(shù)據(jù)庫和評價結(jié)果數(shù)據(jù)庫。作物高產(chǎn)品種主要性狀目標(biāo)數(shù)據(jù)庫存放不同地區(qū)、類型、產(chǎn)量水平的高產(chǎn)品種主要性狀目標(biāo)值（庫中存有北京地區(qū)高肥水平中間類型，多穗品種，中高肥水平多穗型品種三套標(biāo)準(zhǔn)）；高產(chǎn)品種主要性狀權(quán)重系數(shù)庫存放著對應(yīng)于上述各套性狀目標(biāo)值的權(quán)重系數(shù)；高產(chǎn)品種數(shù)據(jù)庫主要存放1989-1997年參與北京地區(qū)高肥品種區(qū)域試驗產(chǎn)量位次前4名的品種，還存有一些早熟、矮稈的特色品種和歷史上的35個主栽品種；高產(chǎn)良種推薦數(shù)據(jù)庫存放達(dá)到用戶要求的高產(chǎn)良種主要特性，栽培要點及品種圖；評價結(jié)果數(shù)據(jù)庫存放入選品種綜合評分，產(chǎn)量潛力、抗病、抗倒、適應(yīng)、早熟、品種特性的評估結(jié)果及綜合評價，可從中優(yōu)選所需品種。（4）農(nóng)業(yè)生產(chǎn)數(shù)據(jù)庫的建立建立了各區(qū)縣基本農(nóng)業(yè)生產(chǎn)條件。農(nóng)機(jī)、化肥、灌溉、勞力等，管理水平，各主要糧食作物的產(chǎn)量水平，投入產(chǎn)出水平等數(shù)據(jù)庫。（5）試驗資料及高產(chǎn)地塊檔案數(shù)據(jù)庫的建立系統(tǒng)分析總結(jié)了栽培學(xué)、生物學(xué)、生理學(xué)、形態(tài)學(xué)等有關(guān)學(xué)科的20多項聯(lián)合試驗資料；不同地區(qū)、不同條件的多年、多點的栽培措施和高產(chǎn)技術(shù)200多項次的聯(lián)合試驗資料；連續(xù)多年和系統(tǒng)觀察、解剖分析所得到的小麥從種到收每一個器官的逐日生長發(fā)育過程和各器官之間的相互關(guān)系數(shù)據(jù)資料；2000多塊不同類型麥田的技術(shù)檔案資料；1986年以來連續(xù)11年的京郊100多個定位系統(tǒng)觀測點不同條件、不同情況下的生育特點及其苗情、水分和養(yǎng)分變化動態(tài)數(shù)據(jù)，累計超過500萬個。2．知識庫（1）品種選擇知識庫主要考慮品種的生態(tài)適應(yīng)性（氣候、土壤、肥水條件適應(yīng)性情況，成穗率、結(jié)實率、成熟期和對溫度的要求）。選擇綜合農(nóng)藝性狀（穗容量，產(chǎn)量結(jié)構(gòu)，灌漿特點，成熟早晚）；品種的生長發(fā)育特點（分孽特點、株型結(jié)構(gòu)，抗倒伏能力，需肥水特性）；品種的抗病蟲性（玉米的抗大小斑病、病毒病、青枯病，小麥抗白粉病、條銹病、抗蚜蟲，相對雜草有較強(qiáng)的生長勢）；抗逆性強(qiáng)（耐溫、耐旱、耐澇、耐鹽堿）；優(yōu)質(zhì)（營養(yǎng)含量）。（2）確定密度知識庫小麥不同播種時期和土壤肥力以及品種生長發(fā)育特性與密度的關(guān)系。玉米不同品種類型（平展、半緊湊型、緊湊型）與密度的關(guān)系。（3）確定播期知識庫播期與積溫的關(guān)系及其對冬前生育進(jìn)程和葉齡、分蘗的影響，品種的冬春性與適宜播期。（4）施肥與作物營養(yǎng)知識庫目標(biāo)產(chǎn)量、土壤肥力、肥料利用率、群體大小、長勢、長相，作物不同生育時期的營養(yǎng)狀況與施肥量、施肥期、元素配比的關(guān)系。（5）水分管理知識庫作物不同生育階段田間耗水量、不同土壤深度與地下供水、水分的蒸發(fā)蒸散、降雨量和不同時期土壤的臨界含水量、含水率與灌溉的關(guān)系。（6）生長發(fā)育知識庫植株生長速度、生育進(jìn)程與積溫的關(guān)系，不同條件下葉片長勢長相與各部分器官發(fā)育和分蘗消長的關(guān)系、不同時期群體數(shù)量與個體發(fā)育、分蘗成穗和穗部性狀的關(guān)系。（7）化學(xué)控制知識庫作物群體發(fā)展、植株形態(tài)與化控物質(zhì)施用劑量與方法的關(guān)系。（8）小麥一玉米配置模式庫使全年生產(chǎn)高產(chǎn)、穩(wěn)產(chǎn)的小麥一玉米最佳配置模式知識庫（小麥早熟種一玉米中熟種、小麥中熟種一玉米中早熟種、小麥晚熟種一玉米早熟種，早播小麥一中熟玉米、適期播種小麥一中早熟玉米、晚播小麥一中熟玉米）。（9）病蟲草害與防治知識庫不同病害、蟲害、草害的識別、防治的對策和藥劑使用。3．模型庫主要內(nèi)容：作物生長全過程各生育階段及生育期劃分：各部分器官生長發(fā)育及其相互關(guān)系；群體結(jié)構(gòu)動態(tài)，個體植株長相，產(chǎn)量構(gòu)成因素、環(huán)境變化對苗情影響的預(yù)測等。建立的小麥、玉米生長發(fā)育模型主要有：作物階段發(fā)育模型；營養(yǎng)器官發(fā)生（根、莖、葉）發(fā)展模型；光截獲模型：光合作用模型；呼吸作用模型；水分利用吸收模型；干物質(zhì)積累、分配動態(tài)模型；劣勢器官轉(zhuǎn)優(yōu)模型；營養(yǎng)器官（根、莖、葉、穗）和生殖器官（小花、籽粒）建成模型；器官衰老模型；環(huán)境脅迫（氮、水、光）作物產(chǎn)量結(jié)構(gòu)和產(chǎn)量預(yù)測模型；作物營養(yǎng)指數(shù)模型；氮、磷、鉀施肥模型等。4．專家系統(tǒng)與模型系統(tǒng)的連接通過以下方式實現(xiàn)：作為專家系統(tǒng)推理開始的起點；作為推理的中間節(jié)點或者作為推理過程的結(jié)果。調(diào)用和使用模型庫由系統(tǒng)中元知識（Meta一Knowledgeorientedsystem）來進(jìn)行管理，專家系統(tǒng)與模型間的通訊由存儲有關(guān)參數(shù)和信息的文件來實現(xiàn)。專家系統(tǒng)中的模型運(yùn)行結(jié)果，預(yù)測下一個生育階段作物生長發(fā)育的狀態(tài)和走向，在此基礎(chǔ)上由專家系統(tǒng)根據(jù)預(yù)測結(jié)果制定調(diào)控措施方案。5．知識獲取專家系統(tǒng)的核心是知識，知識是決定專家系統(tǒng)性能的主要因素，知識獲取是建造專家系統(tǒng)的重要環(huán)節(jié)，在智能應(yīng)用系統(tǒng)的開發(fā)過程中，知識獲取占了總工作量的1／2左右。在使用中通過不斷地擴(kuò)充和完善知識使知識庫不斷豐富。知識獲取貫穿著系統(tǒng)開發(fā)和維護(hù)整個過程。（1）知識源的確定以小麥、玉米生長發(fā)育、器官建成、分蘗消長、小花分化、籽粒灌漿、物質(zhì)積累、產(chǎn)量形成，自然環(huán)境因素的制約，不同條件、不同環(huán)