基于XML技術農(nóng)業(yè)專家系統(tǒng)知識庫的構建策略

《基于XML技術農(nóng)業(yè)專家系統(tǒng)知識庫的構建策略》由會員分享，可在線閱讀，更多相關《基于XML技術農(nóng)業(yè)專家系統(tǒng)知識庫的構建策略（3頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、基于XML技術農(nóng)業(yè)專家系統(tǒng)知識庫的構建策略 精準農(nóng)業(yè)是農(nóng)業(yè)可持續(xù)發(fā)展的方向和主要途徑【1】。精準農(nóng)業(yè)技術是精準農(nóng)業(yè)的基礎和核心，農(nóng)業(yè)智能專家決策系統(tǒng)是其重要的組成部分。技術人員可以通過農(nóng)業(yè)智能專家決策系統(tǒng)的實施，將獲取的生產(chǎn)數(shù)據(jù)通過模型庫和知識庫，經(jīng)過綜合分析、智能推理，得出符合生產(chǎn)實際的專家級生產(chǎn)決策建議，用于指導農(nóng)業(yè)生產(chǎn)，可達到替代傳統(tǒng)農(nóng)業(yè)專家的作用。 　　自20世紀70年代開始，國內(nèi)外的農(nóng)業(yè)專家就開始在農(nóng)業(yè)生產(chǎn)中開展了專家系統(tǒng)技術在農(nóng)業(yè)應用的研究，截至目前，專家系統(tǒng)在農(nóng)業(yè)應用研究取得了很大的進展。但農(nóng)業(yè)專家系統(tǒng)仍然存在許多問題。其中專家系統(tǒng)的知識庫設計不足于適應現(xiàn)有知識推理技術的發(fā)展

2、就是一個突出的問題。目前隨著人工智能技術的發(fā)展，知識推理技術也在不斷更新和發(fā)展，推理分析層次和技術呈現(xiàn)多樣化和非線性化的特點，這些可以進一步提高專家系統(tǒng)決策的準確性、穩(wěn)定性和針對性。但是由于目前農(nóng)業(yè)專家系統(tǒng)的知識庫設計嚴重滯后，無法適應知識推理技術的發(fā)展，大大影響了智能推理的準確性和穩(wěn)定性。因此農(nóng)業(yè)專家系統(tǒng)研究一個主要方向就是在知識庫架構技術的優(yōu)化方面，以便于適應目前人工智能技術和計算機信息技術的發(fā)展。 　　1 知識及知識表示方法 　　1.1 知識。知識是專家建議決策的重要基礎。專家系統(tǒng)中知識的要素有事實、規(guī)則、概念等，需要描述這些要素，從而反映知識的內(nèi)部結構關系，這樣就可以按一定的規(guī)則來

3、推理得出相應的結論，這個描述工具就是知識表示，因此專家系統(tǒng)的核心在知識表示。所謂知識表示就是通過各種信息符號以約定的方式將日常生活經(jīng)驗知識轉化成計算設備可以識別、利用和進行加工的形式。人工智能技術中研究知識的學科分支是知識工程，隨著近年知識工程研究和專家系統(tǒng)研究的深入，知識表示研究已經(jīng)成為人工智能的關鍵技術之一和研究的熱點之一。在知識工程研究中，知識表示和管理以及如何能被智能系統(tǒng)充分地利用是重要的研究課題之一。 　　根據(jù)知識在智能系統(tǒng)中的作用，可將知識分為以下幾種形式：事實、規(guī)則、控制和元知識；其中事實類型的知識主要代表了反映有關問題環(huán)境的一些事實，它屬于底層知識。例如研究對象事物的屬性、類

4、別，以及對象事物間的關系等均屬于事實類型知識。規(guī)則主要代表是受控對象有關的經(jīng)驗以及推理性知識等，一般使用"IF…Then…";的形式來表達?？刂剖侵R推理的核心，指能反映問題求解中控制策略的知識。元知識指的是有關知識的知識，一般指制定規(guī)則、解釋規(guī)則、校驗規(guī)則、解釋程序結構等。 　　1.2 知識表示方法。在知識工程中，常用的知識表示方法主要有：框架、Petri網(wǎng)、過程、產(chǎn)生式、語義網(wǎng)絡、面向?qū)ο?、謂詞邏輯等。其中框架、產(chǎn)生式、面向?qū)ο笫亲畛Ｓ玫娜N知識表示方法。這三種知識表示方法并不是完美的，各自有各自的優(yōu)缺點。產(chǎn)生式表示法特點分析如表1所示： 　　框架表示法特點

5、分析如表2所示： 　　從上述分析可以發(fā)現(xiàn)，二種表示方法的綜合體能夠避免一些缺點，但是目前的知識庫設計無法有效融合上面的表示。 　　2 基于XML技術農(nóng)業(yè)專家系統(tǒng)知識庫的設計 　　2.1 農(nóng)業(yè)專家系統(tǒng)知識范例。在上述三種知識表示方法中，產(chǎn)生式表示法簡單，易于實現(xiàn)，因此在農(nóng)業(yè)專家系統(tǒng)中，絕大多數(shù)都是將知識規(guī)則以產(chǎn)生式的形式存儲在文本文件中，以產(chǎn)量相關知識規(guī)則為例，在文本文件中以如下形式保存： 　　IF 同等地力其他農(nóng)戶三年平均產(chǎn)量>19500斤 THEN 其他農(nóng)戶三年平均產(chǎn)量所在產(chǎn)量水平為超高產(chǎn)水平 　　IF 15000斤<同等地力其他農(nóng)戶三年平均產(chǎn)量<=19500斤 THEN 其他農(nóng)戶

6、三年平均產(chǎn)量所在產(chǎn)量水平為高產(chǎn)水平 　　IF 10500斤<=同等地力其他農(nóng)戶三年平均產(chǎn)量<=15000斤 THEN 其他農(nóng)戶三年平均產(chǎn)量所在產(chǎn)量水平為中產(chǎn)水平 　　IF 同等地力其他農(nóng)戶三年平均產(chǎn)量<=10500斤 THEN 其他農(nóng)戶三年平均產(chǎn)量所在產(chǎn)量水平為低產(chǎn)水平 　　產(chǎn)生式表示法在表示簡單知識規(guī)則時沒有問題，但是其在表示復雜關系知識則有嚴重缺陷。因為在農(nóng)業(yè)生產(chǎn)中不同對象之間，具有一定繼承性、關聯(lián)性和層次性，產(chǎn)生式表示法無法展現(xiàn)這些特性。因此如果針對產(chǎn)生式表示法、框架和面向?qū)ο笮问竭M行整合，構建具有繼承、面向?qū)ο蟮忍匦缘闹R庫架構，這樣可充分展現(xiàn)知識結構層次結構，表示復雜的知識結構

7、，提高農(nóng)業(yè)專家系統(tǒng)知識處理水平。 　　對上述三種表示方法進行整合，需要一個實現(xiàn)的工具，這個工具能夠清晰表示出繼承、關聯(lián)和層次性，同時也易于處理，從這一方面來說，XML技術是最理想的實現(xiàn)工具。本文就是利用XML技術來實現(xiàn)農(nóng)業(yè)專家系統(tǒng)的知識庫架構，從而達到了將上述三種表示整合的目標。這種架構具備了三種表示方法優(yōu)點，同時又避免三種表示方法各自缺點，可以充分體現(xiàn)推理分析層次和技術呈現(xiàn)多樣化和非線性化的特點。 　　2.2 基于XML技術農(nóng)業(yè)專家系統(tǒng)知識庫架構及推理模塊設計。在專家系統(tǒng)中，推理過程就是人機交互的過程，使用者將所掌握的信息，通過交互平臺反饋給推理機，農(nóng)業(yè)專家系統(tǒng)推理機利用農(nóng)業(yè)生產(chǎn)決策模型

8、、知識庫、綜合數(shù)據(jù)庫，在專家知識和經(jīng)驗的基礎上，利用推理算法來進行知識推理，找到用戶所需結果，并形成專家建議，反饋給用戶。 　　農(nóng)業(yè)專家系統(tǒng)推理模塊結構由四部分組成：人機交互界面、知識庫、知識處理模塊和推理機模塊。其中人機交互界面的主要功能是把用戶所輸入的信息或外來數(shù)據(jù)轉換成系統(tǒng)的內(nèi)部表示形式，并交給農(nóng)業(yè)專家系統(tǒng)推理機處理，農(nóng)業(yè)專家系統(tǒng)推理機輸出的推理結果也可以由人機交互界面轉換成用戶易于理解的結果展示方式。農(nóng)業(yè)專家系統(tǒng)知識管理模塊是指對系統(tǒng)知識庫中的知識進行管理、設置和控制的功能模塊，它的主要作用是輔助推理機完成對知識庫的各種操作，并向咨詢用戶提供知識檢索和查詢手段，其中XML處理技術就在

9、這一模塊實現(xiàn)；其功能包括知識更新、知識獲取、知識校驗、知識求精、知識查詢等。農(nóng)業(yè)專家系統(tǒng)推理模塊主要包括推理機和解釋機制，農(nóng)業(yè)專家系統(tǒng)推理機主要是依據(jù)推理模型和算法，解析知識，得出結論；解釋機制主要是負責引導用戶輸入掌握信息和將結論以用戶接受的方式解釋。 　3 結論 　　本文以XML技術針對農(nóng)業(yè)生產(chǎn)知識進行了表示，整合了框架、產(chǎn)生式規(guī)則、面向?qū)ο笫侨N常用的知識表示方法，集中了三者的優(yōu)點，避免了其不足之處。并以此為基礎構建農(nóng)業(yè)專家系統(tǒng)的知識庫。這種新的知識庫架構設計，可以充分體現(xiàn)出農(nóng)業(yè)生產(chǎn)知識的繼承、關聯(lián)和層次的特點，可以充分表示出知識的復雜關系。同時由于XML技術解析、處理目前有很多程序

10、設計語言都可以實現(xiàn)，因此利用XML技術來構建農(nóng)業(yè)專家系統(tǒng)的知識庫比目前文本形式的知識庫更易于體現(xiàn)推理分析層次和技術呈現(xiàn)多樣化和非線性化的特點，適應目前人工智能技術的新發(fā)展，提高農(nóng)業(yè)專家系統(tǒng)準確性和穩(wěn)定性，有利于農(nóng)業(yè)專家系統(tǒng)的應用普及。本文的研究在農(nóng)業(yè)專家系統(tǒng)研究具有一定創(chuàng)新性，也可以將其推廣到農(nóng)業(yè)專家系統(tǒng)模型庫的架構設計中，具有一定應用價值。 　　參考文獻： 　　【1】于合龍，陳桂芬，畢春光.玉米精準施肥數(shù)據(jù)庫建模研究.玉米科學，2008，16（4）：184-188. 　　【2】趙月玲，陳桂芬，王越，陳航.吉林省玉米推薦施肥專家系統(tǒng)研究與設計.玉米科學，2006，14（3）：170-17

11、2. 　　【3】熊范綸.農(nóng)業(yè)專家系統(tǒng)及開發(fā)工具.北京：清華大學出版，1999. 　　【4】Lemmon H.Comax： an expert system for cotton crop management.Science，1986，233：29-33. 　　【5】Plant R E. An integrated expert decision support system for agri-cultural management.Agriculture Systems，1989，29：49-66. 　　【6】Vandendriessche H， Geypens M， Bries J

12、. N- index： an expert system for nitrogen fertilizer of arable crops.Gembloux，Belgium：COST Workshop Gembloux，1992：55-57. 　　【7】Kruger G A，Karamanos R E. Fertility analysis and recommendations manager.Commun Soil Sci Plant Anal，1994，25（7/18）：955-965. 　　高美玲，欒非時，寇勝利.作物專家系統(tǒng)發(fā)展概況與趨勢.東北農(nóng)業(yè)大學學報，2003，34（1）：105-108. 　　 　　作者單位：長春工程學院 圖書館，長春 130012；長春工程學院 計算機技術與工程學院，長春 130012