小麥病蟲害防治智能決策支持系統中的模型設計

上海交通大學農業與生物學院 周燕華

上海農林職業技術學院農業信息工程系王興旺

小麥病蟲害防治智能決策支持系統中的模型設計

上海交通大學農業與生物學院 周燕華

上海農林職業技術學院農業信息工程系王興旺

通過對小麥病蟲害防治智能決策支持系統的模型的設計和模型的運行管理進行了的研究，采用VC++6.0程序設計語言構建了回歸方程,設計的模型可以增加處理復雜問題的能力，決策者可利用模型程序在計算機上運行，計算出結果從中得到輔助決策信息。

智能決策支持系統；模型；設計

0 引言

小麥是我國僅次于水稻的第二大糧食作物，全國播種面積為2800萬公頃，單產（全國平均）在250千克／畝左右，冬小麥主要分布在黃淮海地區和西北地區，其次為長江中下游地區；而東北地區則以春麥為主。近年來，隨著農業生產水平的提高，種植業結構的調整，耕作栽培制度的改變，小麥種植密度增加，肥水條件的改善，免耕、少耕和秸稈地膜覆蓋技術的推廣，小麥病蟲害呈加重危害的趨勢。隨著地球氣候變暖，連續出現暖冬年份，以及年度間降雨不平衡，南澇北旱的情況頻頻發生等。

上海氣候溫和，地勢低平，最冷月平均氣溫1.0～7.8℃，絕對最低氣溫-15.4～4.1℃。年降水量1000～1800毫米，小麥生育期降水量360～830毫米，小麥生長不僅不需要灌溉，而且常有濕害發生；種植制度以一年兩熟制為主。小麥品種多屬弱冬性或春性，光照反應不敏感，生育期200天左右。播種期10月中下旬至11月上中旬，次年5月下旬成熟。病害除赤霉病外，還有白粉病、葉銹病、條銹病、紋枯病、葉枯病等。麥田溝渠配套，降低和控制地下水以治理濕害并輔以藥劑防治病害，是提高本地區小麥產量的關鍵措施。在小麥病害中，主要有條銹病、紋枯病、白粉病和赤霉病四種最為重要。做好小麥病蟲害的防治工作，對確保我國糧食安全，提高小麥產量和品質，增加農民收入有十分重要的意義。

智能決策支持系統，是在傳統的決策支持系統的基礎上發展起來的一種基于知識化、智能化的決策支持系統，是將人類專家的方法系統化、數據化、模式化，并利用計算機來比較充分的通過推理來解決復雜的問題。我國的智能決策支持系統研究從20世紀80年代開始，國內已經通過測試并在推廣應用的決策系統也有很多。智能決策系統在發揮專家系統特長的同時，也充分利用了決策系統以模型為核心計算解決定性分析的特點，使系統的解決問題能力得到了更大的提升。因此，本文主要解決的是在小麥病蟲害防治過程中利用的決策支持系統的模型設計。目前研究較成熟、應用較廣泛的是BP神經網絡、RBF神經網絡、以及具有反饋功能的Elman網絡模型，但這些模型對小麥的病蟲害預測不是很適合，本文從小麥病蟲害的特點出發，著重于對小麥病蟲害預測模型進行設計和實現，從而得到準確的輔助決策信息。

1 系統分析與總體設計

1.1 系統分析

小麥病蟲害防治智能決策支持系統，是運用人工智能領域的專家系統技術、數據庫技術，并集成了地理信息系統、信息網絡、智能計算、知識發現、優化模擬、虛擬現實等多方面高新技術，匯集農業領域知識、模型和專家經驗等[5]。采用合宜的知識表示技術和推理策略，運用多媒體技術并能以信息網絡為載體，向農業管理提供咨詢服務，指導科學育林，提高農業科技文化素質，就地培訓基層農業技術人員，促進農業科技推廣體制現代化，推動農業可持續發展，改變傳統農業向現代化農業轉變，將發揮重大作用。IDSS把模型庫、數據庫、知識推理、人機交互四者有機地結合起來，達到了定性的知識推理、定量的模型數值計算、數據庫處理的高度集成[2]。將其應用到小麥病蟲害的診斷與防治意義重大，可以有效的對小麥病蟲害進行預測預報，在一定程度上減少農民損失，提高小麥產量

1.2 系統總體設計

2 模型的設計

2.1 模型設計的意義

模型是對現實世界的事物、現象、過程或系統的簡化描述。使用模型可以增加處理復雜問題的能力，決策者可利用模型程序在計算機上運行，計算出結果從中得到輔助決策信息。小麥的病蟲害與濕度、溫度、雨量、日照時間等氣象因子密切相關，根據上述因子與病蟲害的關系建立模型連同設計的模型字典一起構成模型庫。通過模型計算，可以對小麥的病蟲害進行預測，為專家系統的推理提供依據。

在本系統中用到的模型主要是關于病害推理模型、病蟲害預測模型、病蟲害防治模型、數據分析模型。

(1)病害推理模型的設計，主要是關于推理機的設計。在這里針對病蟲害的預測模型、病蟲害的防治模型的設計過程加以闡述。

(2)病蟲害的預測模型設計：在預測過程中，根據地理條件和氣象因子及歷史數據利用線性回歸分析模型進行全面性的預測。

(3)病蟲害的防治模型設計：在防治過程中，根據病蟲害的推理得出的結果以及用戶提供的具體信息（包括病蟲危害程度、種植面積、樹的大小等信息）利用回歸分析方法進行相應的藥物配方。

(4)數據分析模型設計：在病情分析的過程中，依據用戶對于病害的咨詢情況，統計用戶咨詢信息,然后將該信息存入數據庫。從而根據這些信息利用一元回歸分析地方法進行數據推理分析。

2.2 模型字典

模型字典用來存放有關模型的描述限制、約束、參數模型等）和模型的數據抽象。所謂模型的數據抽象是模型關于數據存取的說明。這部分模型管理系統對數據庫自動存取數據的需要。此外，模型字典中有關模型模塊詳細說明可作為用戶和系統人員查詢模型庫內容之用。

模型字典可包括以下一些內容：

(1)模型內容；(2)模型的功能和模型的編碼；(3)模型在模型庫中存放的位置；(4)模型來源、出處；(5)模型的變量數和維數；(6)模型使用的算法程序及其在方法庫中的位置；(7)模型使用的數據名稱、單位、精度及存放位置；(8)用戶文件、使用說明；(9)模型框圖、文字說明；(10)建立模型的作者、時間；(11)修改模型的作者、時間；(12)審核模型的作者、時間；(13)模型入庫時間。

此外，模型字典中還可以存放主要用來輔助用戶學習使用模型的信息，如模型結構、模型性能、模型應用的場合、模型求解技術、模型輸入輸出的含義以及模型的可靠性等。

2.3 模型設計

為保證用OLS法得到最優估計量，該回歸模型應滿足如下假定條件：

(1)假定1：隨機誤差項向量是非自然相關的，同方差的，其中每一項都滿足均值為零，方差相同（設為2）且為有限值，即

模型的參數估計應用最小二乘法,最小二乘法的原理是通過求殘差（誤差項的估計值）平方和最小來確定回歸參數估計值，這是求極值問題．用表示殘差平方和，求其最小值條件下的回歸參數的估計值。

從而得到下列方程組

求參數估計值的實質就是求一個K+1元方程組。

3 模型管理系統的設計

為了對模型庫進行集中控制和管理，我們建立了一個模型庫管理系統來進行以下各項管理。

3.1 構模管理

為了便于用戶建立模型，系統應具備一個能夠構造或產生模型的靈活機構，主要是能夠提供一種模型定義語言（model definition language），用戶可利用它完成以下功能：

模型生成——如用戶可在文本編輯狀態下建立一個模型，又如利用矩陣生成器，只要給出一些數據，系統自動生成線性規劃模型；

模型的連接-----進行子模型的連接；

模型的重構-----當模型的基本結構變化后，能夠對模型重定義或重建。

在構模過程中，構模者可利用模型描述語言和模型操縱語言（都屬于模型定義語言）來完成新模型的建立、子模型的連接以及模型與數據的連接等。

3.2 模型的存取管理

模型的存取管理一般數據庫的數據存取管理功能，負責模型的裝入、維護、修改、刪除、更新、查詢等功能。在模型庫管理系統的支持下，用戶可以根據模型名稱、建模方法或模型經濟功能等多種分類路徑，存取所需的模型。其中模型的更新指在不改變結構的條件下修改參數，如模型的約束條件或系數的改變等。模型的查詢指用戶可以查詢模型文件，了解模型特性。通常可使用模型查詢語言（也屬于模型定義語言）選擇和調出已有的模型。

3.3 模型的運行管理

模型運行管理的內容包括：

(1)運行前的條件準備。主要是檢驗模型所需要的方法子程序和數據是否具備，否則提醒用戶創造條件。

(2)與方法連接。通過接口，從方法庫中取出方法與模型連接。

(3)與數據連接。一是模型與內部數據庫的連接，存取運算結果和初始數據；二是通過接口啟動數據析取系統和數據庫管理系統，實現與外部數據庫之間的連接。

(4)模型的運行控制。為了實現模型的運行控制，MBMS不僅要集中和控制各種圖表顯示或其他輸出裝置，而且應向用戶提供執行的狀態信息，藉以跟蹤模型的運行。在運行過程中，可設置檢驗點，用戶可要求中斷模型的執行過程，觀察狀態信息和間結果，以便及時發現錯誤。

4 結束語

本文通過對小麥病蟲害防治智能決策支持系統中的模型研究,結合上海小麥種植病蟲害特點,設計了多元回歸預測模型,通過模型計算，可以對小麥的病蟲害進行準確預測，為專家系統的推理提供依據。經過反復測試小麥病蟲害防治智能決策支持系統運行良好,可以及時準確的對小麥的病蟲害進行預測、診斷并防治。

[1]景偉娜，何燚．一種無線智能數據采集與處理系統設計[J]．微計算機信息，2008，12-1：91-92

[2]黃梯云.智能決策支持系統.[M]北京：電子工業出版社,1996,22-68

[3]程慧霞.用C++建造專家系統.[M]北京：電子工業出版社.2001,20-150.

[4]張偉峰.智能決策系統.[M]北京：電子工業出版社.1999,112-150

[5]林堯瑞.專家系統原理與實踐.[M]北京：清華大學出版社，1988,20-150

[6]陳文偉.智能決策技術.[M]北京：電子工業出版社，1998，5-50

[7]Hayes Roth F.et al.Building Export Systems [J],Addsion Wesley,1983,25-27

[8]Tello E.R.Object Oriented Programming for Artificial Intelligence[C],Addison Wesley,1989,12-17

2016-03-30）