小麦病虫害防治智能决策支持系统中的模型设计

2016-03-10上海交通大学农业与生物学院周燕华

湖北农机化 2016年2期

关键词：模型库决策支持系统小麦

上海交通大学农业与生物学院周燕华

上海农林职业技术学院农业信息工程系王兴旺

小麦病虫害防治智能决策支持系统中的模型设计

上海交通大学农业与生物学院周燕华

上海农林职业技术学院农业信息工程系王兴旺

通过对小麦病虫害防治智能决策支持系统的模型的设计和模型的运行管理进行了的研究，采用VC++6.0程序设计语言构建了回归方程,设计的模型可以增加处理复杂问题的能力，决策者可利用模型程序在计算机上运行，计算出结果从中得到辅助决策信息。

智能决策支持系统；模型；设计

0 引言

小麦是我国仅次于水稻的第二大粮食作物，全国播种面积为2800万公顷，单产（全国平均）在250千克／亩左右，冬小麦主要分布在黄淮海地区和西北地区，其次为长江中下游地区；而东北地区则以春麦为主。近年来，随着农业生产水平的提高，种植业结构的调整，耕作栽培制度的改变，小麦种植密度增加，肥水条件的改善，免耕、少耕和秸秆地膜覆盖技术的推广，小麦病虫害呈加重危害的趋势。随着地球气候变暖，连续出现暖冬年份，以及年度间降雨不平衡，南涝北旱的情况频频发生等。

上海气候温和，地势低平，最冷月平均气温1.0～7.8℃，绝对最低气温-15.4～4.1℃。年降水量1000～1800毫米，小麦生育期降水量360～830毫米，小麦生长不仅不需要灌溉，而且常有湿害发生；种植制度以一年两熟制为主。小麦品种多属弱冬性或春性，光照反应不敏感，生育期200天左右。播种期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，还有白粉病、叶锈病、条锈病、纹枯病、叶枯病等。麦田沟渠配套，降低和控制地下水以治理湿害并辅以药剂防治病害，是提高本地区小麦产量的关键措施。在小麦病害中，主要有条锈病、纹枯病、白粉病和赤霉病四种最为重要。做好小麦病虫害的防治工作，对确保我国粮食安全，提高小麦产量和品质，增加农民收入有十分重要的意义。

智能决策支持系统，是在传统的决策支持系统的基础上发展起来的一种基于知识化、智能化的决策支持系统，是将人类专家的方法系统化、数据化、模式化，并利用计算机来比较充分的通过推理来解决复杂的问题。我国的智能决策支持系统研究从20世纪80年代开始，国内已经通过测试并在推广应用的决策系统也有很多。智能决策系统在发挥专家系统特长的同时，也充分利用了决策系统以模型为核心计算解决定性分析的特点，使系统的解决问题能力得到了更大的提升。因此，本文主要解决的是在小麦病虫害防治过程中利用的决策支持系统的模型设计。目前研究较成熟、应用较广泛的是BP神经网络、RBF神经网络、以及具有反馈功能的Elman网络模型，但这些模型对小麦的病虫害预测不是很适合，本文从小麦病虫害的特点出发，着重于对小麦病虫害预测模型进行设计和实现，从而得到准确的辅助决策信息。

1 系统分析与总体设计

1.1 系统分析

小麦病虫害防治智能决策支持系统，是运用人工智能领域的专家系统技术、数据库技术，并集成了地理信息系统、信息网络、智能计算、知识发现、优化模拟、虚拟现实等多方面高新技术，汇集农业领域知识、模型和专家经验等[5]。采用合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，向农业管理提供咨询服务，指导科学育林，提高农业科技文化素质，就地培训基层农业技术人员，促进农业科技推广体制现代化，推动农业可持续发展，改变传统农业向现代化农业转变，将发挥重大作用。IDSS把模型库、数据库、知识推理、人机交互四者有机地结合起来，达到了定性的知识推理、定量的模型数值计算、数据库处理的高度集成[2]。将其应用到小麦病虫害的诊断与防治意义重大，可以有效的对小麦病虫害进行预测预报，在一定程度上减少农民损失，提高小麦产量

1.2 系统总体设计

2 模型的设计

2.1 模型设计的意义

模型是对现实世界的事物、现象、过程或系统的简化描述。使用模型可以增加处理复杂问题的能力，决策者可利用模型程序在计算机上运行，计算出结果从中得到辅助决策信息。小麦的病虫害与湿度、温度、雨量、日照时间等气象因子密切相关，根据上述因子与病虫害的关系建立模型连同设计的模型字典一起构成模型库。通过模型计算，可以对小麦的病虫害进行预测，为专家系统的推理提供依据。

在本系统中用到的模型主要是关于病害推理模型、病虫害预测模型、病虫害防治模型、数据分析模型。

(1)病害推理模型的设计，主要是关于推理机的设计。在这里针对病虫害的预测模型、病虫害的防治模型的设计过程加以阐述。

(2)病虫害的预测模型设计：在预测过程中，根据地理条件和气象因子及历史数据利用线性回归分析模型进行全面性的预测。

(3)病虫害的防治模型设计：在防治过程中，根据病虫害的推理得出的结果以及用户提供的具体信息（包括病虫危害程度、种植面积、树的大小等信息）利用回归分析方法进行相应的药物配方。

(4)数据分析模型设计：在病情分析的过程中，依据用户对于病害的咨询情况，统计用户咨询信息,然后将该信息存入数据库。从而根据这些信息利用一元回归分析地方法进行数据推理分析。

2.2 模型字典

模型字典用来存放有关模型的描述限制、约束、参数模型等）和模型的数据抽象。所谓模型的数据抽象是模型关于数据存取的说明。这部分模型管理系统对数据库自动存取数据的需要。此外，模型字典中有关模型模块详细说明可作为用户和系统人员查询模型库内容之用。

模型字典可包括以下一些内容：

(1)模型内容；(2)模型的功能和模型的编码；(3)模型在模型库中存放的位置；(4)模型来源、出处；(5)模型的变量数和维数；(6)模型使用的算法程序及其在方法库中的位置；(7)模型使用的数据名称、单位、精度及存放位置；(8)用户文件、使用说明；(9)模型框图、文字说明；(10)建立模型的作者、时间；(11)修改模型的作者、时间；(12)审核模型的作者、时间；(13)模型入库时间。

此外，模型字典中还可以存放主要用来辅助用户学习使用模型的信息，如模型结构、模型性能、模型应用的场合、模型求解技术、模型输入输出的含义以及模型的可靠性等。

2.3 模型设计

为保证用OLS法得到最优估计量，该回归模型应满足如下假定条件：

(1)假定1：随机误差项向量是非自然相关的，同方差的，其中每一项都满足均值为零，方差相同（设为2）且为有限值，即

模型的参数估计应用最小二乘法,最小二乘法的原理是通过求残差（误差项的估计值）平方和最小来确定回归参数估计值，这是求极值问题．用表示残差平方和，求其最小值条件下的回归参数的估计值。

从而得到下列方程组

求参数估计值的实质就是求一个K+1元方程组。

3 模型管理系统的设计

为了对模型库进行集中控制和管理，我们建立了一个模型库管理系统来进行以下各项管理。

3.1 构模管理

为了便于用户建立模型，系统应具备一个能够构造或产生模型的灵活机构，主要是能够提供一种模型定义语言（model definition language），用户可利用它完成以下功能：

模型生成——如用户可在文本编辑状态下建立一个模型，又如利用矩阵生成器，只要给出一些数据，系统自动生成线性规划模型；

模型的连接-----进行子模型的连接；

模型的重构-----当模型的基本结构变化后，能够对模型重定义或重建。

在构模过程中，构模者可利用模型描述语言和模型操纵语言（都属于模型定义语言）来完成新模型的建立、子模型的连接以及模型与数据的连接等。

3.2 模型的存取管理

模型的存取管理一般数据库的数据存取管理功能，负责模型的装入、维护、修改、删除、更新、查询等功能。在模型库管理系统的支持下，用户可以根据模型名称、建模方法或模型经济功能等多种分类路径，存取所需的模型。其中模型的更新指在不改变结构的条件下修改参数，如模型的约束条件或系数的改变等。模型的查询指用户可以查询模型文件，了解模型特性。通常可使用模型查询语言（也属于模型定义语言）选择和调出已有的模型。

3.3 模型的运行管理

模型运行管理的内容包括：

(1)运行前的条件准备。主要是检验模型所需要的方法子程序和数据是否具备，否则提醒用户创造条件。

(2)与方法连接。通过接口，从方法库中取出方法与模型连接。

(3)与数据连接。一是模型与内部数据库的连接，存取运算结果和初始数据；二是通过接口启动数据析取系统和数据库管理系统，实现与外部数据库之间的连接。

(4)模型的运行控制。为了实现模型的运行控制，MBMS不仅要集中和控制各种图表显示或其他输出装置，而且应向用户提供执行的状态信息，藉以跟踪模型的运行。在运行过程中，可设置检验点，用户可要求中断模型的执行过程，观察状态信息和间结果，以便及时发现错误。