仇红[1]2014年在《水稻机插精确定量栽培专家系统研究与开发》文中研究指明水稻机插作为一种机械化、轻简化栽培方式,是江苏水稻栽培现代化、规模化发展的必然趋势,具有研究与应用的现实意义与必要性；同时,运用现代信息技术装备水稻机械栽插种植,是提高机插水稻产量、品质、效益的必由之路。本文运用软件工程原理与方法,采用面向对象可视化技术和模块化设计思想,综合运用ASP技术、B/S体系结构、Access数据库、Adobe Dreamweaver CC(?)Visual Basic、Javascript语言等,分别开发出适于生产应用的基于VB的水稻机插精确定量栽培决策支持系统、基于ASP和Access的水稻机插精确定量栽培在线专家系统等。其可成为水稻生产从业人员学习、职业农民培训、农机农技人员生产指导、专家在线诊断等的信息化优质辅助平台,是推广应用水稻机插精确定量栽培技术的信息服务帮手,具有较好的生产应用价值,对推进知识型稻作、信息化农业具有重要的理论意义和实用价值。本研究很好地为国家粮食丰产科技工程江苏水稻项目提供机械化信息化服务,具有研究的前瞻性和创新性。1、在明确农业专家系统基本架构的基础上,本研究重点阐述知识库、数据库、模型库的构建及知识表示方法和推理机的设计。本研究构建的知识规则集成水稻精确定量栽培新理论和新技术,具有专业性与权威性。合理的基本苗、施肥、灌溉等模型和参数是实施水稻机插精确定量栽培技术,进行精确定量决策的核心内容。本文在课题组多年科学理论研究和高产创建实践的基础上,结合水稻叶龄模式、群体质量、精确定量栽培技术体系等理论成果,通过明确模型构建基本思路、确定模型构建方法、明晰数学模型和参数来由,构建了机插水稻精确基本苗求算、合理施肥、节水灌溉、病虫防治等的模型系统。经生产实践检验和校准,参数设置合理、可靠,决策依据充分。2、本文基于水稻机插高产精确定量栽培技术等成果,采用Visual Basic、Access数据库等技术,通过集数据部件、模型部件、知识部件、人机交互部件等为一体,经系统分析、程序设计、程序实现与调试等流程,开发出了水稻机插精确定量栽培决策支持系统。该系统具有可用性、可靠性与易用性等特点,可以实现基础数据查询、辅助决策支持、关键技术指导、机械使用指南服务和专家知识获取等多种功能,较为全面地反映了水稻精确定量栽培技术在机插领域的研究成果,是农民、农技与农机人员自主学习与决策支持的优质平台。该系统已取得国家版权局计算机软件着作权,登记号为2012SR106099。3、本研究依托已在线运行10年的江苏水稻丰产科技工程网(http://www.jsrice.net),采用ASP.Access数据库等技术,通过ADO实现对Access数据库的访问,运用Adobe Dreamweaver CC设计网页框架。采用B/S叁层分布计算体系结构,使用Javascript脚本语言实现参数处理,采用CSS实现网页风格设计,并构建知识表示、推理机制等,开发出知识丰富、简便易用的基于Web的水稻机插精确定量栽培专家系统。同时,还拓展开发了机插水稻物联网诊断预警专家系统,通过分布在田间的传感器获取气象、土壤水位等数据,结合田块的地力和苗情状况进行综合分析,农业专家可以在后台实现气象、施肥、灌溉的远程诊断,取得了机插水稻信息化研究的新突破。该在线专家系统可实现水稻种植管理决策诊断,提供较为丰富的专家知识,零距离为水稻生产从业人员提供技术指导,对于拓展先进稻作技术的知识普及信息化平台、推动水稻生产中农机农艺融合与机械化信息化协同发展具有较高的研究意义与应用价值。
魏广彬, 徐海港, 丁艳锋, 王绍华[2]2011年在《水稻设计栽培系统的研制与实现》文中研究说明为了进一步促进水稻精确定量栽培新技术的信息化,使其便于推广应用,在总结和提炼水稻定量栽培理论与技术成果的基础上,运用系统学方法和面向对象设计思想,采用数据库技术,集成水稻生育进程、群体指标、栽培管理和叶色诊断等方面的知识模型,建立了具有时空适应性的水稻设计栽培系统。该系统实现了针对不同生态环境和不同种植方式的目标产量结构、生育进程、群体质量指标,以及密度、施肥、灌溉等农艺措施的设计,并具有输入简便、输出模式多样、易用性强等特点。用多年多点的数据对系统进行验证,按系统设计方案实施后的田间水稻产量和生长发育指标与设计值基本吻合。
邓胜[3]2010年在《基于Multi-Agent的水稻栽培知识管理研究》文中研究说明现阶段我国的水稻栽培仍采用传统型的耕作方式,基于Multi-Agent的水稻栽培知识管理系统是基于农业专家知识,在水稻栽培领域引入Agent技术和知识管理概念来实现对水稻栽培知识进行有效管理的目的,促进生产者和管理者决策者的交流和互动,为隐性知识的传播转化和水稻栽培的知识管理提供一个网络平台;试图为当前在水稻栽培中出现的问题找到比较合适的解决办法。基于Multi-Agent的水稻栽培知识管理系统是将水稻专家的知识集成,并且模仿水稻专家进行推理决策,把多项水稻技术和知识进行高度集成。更突出水稻知识的检索、发现、存储的作用,尽量接近人类水稻专家的推理能力；此外,它比起人类水稻农业专家更注重全面的综合性知识和高速的知识处理本领,可以不受水稻栽培时间、空间的限制和人类情感的影响,能够起到多方面、高层次水稻专家在水稻栽培的各个阶段进行具体指导的作用。该系统具有智能性、继承性、集成性、复制性、便捷性等特点。通过应用Multi-Agent、模型技术、java、分布式人工智能的理论和技术,研究基于multi-Agent的农业的水稻栽培知识管理系统,提出一种水稻栽培隐性知识的获取方法,为科研人员提供一种开发水稻的知识管理系统的方法,同时为水稻管理者、生产者提供更方便、有价值、准确的信息。
徐启荣[4]2004年在《水稻生产智能决策支持系统的研究》文中研究说明本系统的研究是国家 863 项目 “智能化农业信息处理系统开发平台及应用研究”及合肥市重大科技专项“智能化农业信息网络技术研究与应用”的一部分。本系统以安徽省单季中稻生产为对象，以实现水稻生产的高产、优质、高效为目标，综合了水稻栽培、植保、土肥、农业生态等各个领域专家的知识经验，采用多学科交叉与有机结合，信息专家与农学领域专家相结合，从宏观到微观、从定性到定量综合集成的方法而建立的。本系统将专家系统的定性分析与基于模型的决策支持系统的定量分析相结合，克服了各自的局限性，发挥了各自的优势，具有逻辑推理判断与决策能力，并有较高的精确性和可靠性。本系统的研制是基于面向对象的构件技术和雄风专家系统开发工具的集成环境来完成的。系统包括播前决策（品种选择、肥料准备等）、播种育秧管理、生长发育阶段管理、病虫草诊断与防治、营养诊断等子系统。知识库的编写是采用人工智能的专家系统的产生式规则的表示方法，同时在一些规则中加入了模型，或者单独调用模型，使以定性分析进行辅助决策的专家系统和以模型库系统为主体的定量分析进行辅助决策的决策支持系统有机结合，形成智能决策支持系统，增强了专家系统进行适应性分析和决策的能力，能为水稻生产的品种选择、栽培管理等一系列技术环节的正确决策提供依据。本系统具有以下特色：1.知识库内容丰富，声、图、文并茂。库中知识直接来自农业领域专家，并经反复论证、筛选和整合，使库中知识丰富全面，真实可信，并通过专业知识工程师进行录入，结构化程度高，利用率高。知识库集定性推理、定量计算为一体，并集成图片、动画、录像以及多种超媒体知识，知识表现形式灵活多样，生动形象。2.将农业专家系统、决策支持系统与多媒体技术等综合集成，系统直观、形象、人机交互界面友好，且使用与操作简捷方便，易学易懂。3.智能决策系统与网络技术集成实现远程决策。开发工具雄风 7.2 是基于构件体系结构的新一代专家系统开发平台，这种结构使得工具系统可以按照用户的实际需要进行合理、灵活的配置，极大地方便了工具系统的功能扩充和系统的维护升级。可以<WP=6>通过网络向多个用户提供决策咨询服务，满足网络形式的农业技术服务需求。
李卫国[5]2005年在《水稻生长模拟与决策支持系统的研究》文中研究说明水稻生长模拟模型与稻作管理决策支持系统的研究开发有助于实现水稻生长系统的动态预测及生产系统的管理决策，对于稻作系统的信息化和数字化具有重要的理论意义和应用前景。本研究旨在运用系统学方法和动态模拟技术，创建基于水稻—环境关系的籽粒品质指标预测模型，以及基于生理生态过程的籽粒品质形成模拟模型；采用面向对象的程序设计和软构件技术，构建符合COM标准的生长模型组件及基于模型组件集成的综合性水稻生长模拟系统；进一步应用决策支持技术和网络技术，研制基于生长模型和Web应用的稻作管理决策支持系统，分别实现单机和网络环境下水稻生长系统的动态预测和管理决策功能。研究成果将为不同条件下水稻生长与产品形成的预测预报及稻作管理决策的定量化和数字化奠定基础。 在中国、日本、泰国不同生态环境下进行多品种籼型和粳型水稻(Oryzo sativa)的区域种植试验，通过分析水稻籽粒蛋白质含量、直链淀粉含量以及稻米垩白度与纬度、海拔、抽穗后温度和太阳辐射等气候生态因子的相互关系，确立了影响这些籽粒品质指标的主要气候生态因子函数，并使用权重系数来进一步修订各气候生态因子对籽粒品质指标的作用，构建出基于生态效应(主要气候生态因子函数)的籽粒品质指标预测模型。利用不同年份、不同生态点、不同品种类型的试验资料对所建模型进行了检验，籽粒蛋白质含量、直链淀粉含量以及稻米垩白度的预测误差RMSE平均分别为0.25％、0.45％和0.98％，表明模型总体上具有较好的预测性和实用性。 通过不同品种与不同氮肥水平的试验研究，结合已有水稻生长模拟模型，在解析和综合籽粒淀粉和蛋白质形成过程的基本规律及其与环境因子关系的基础上，采用生理发育时间作为定量生育进程的尺度，构建了花前植株非结构性碳水化合物成的模拟模型、氮吸收模拟模型以及基于碳氮流动态的水稻籽粒淀粉和蛋白质形成模拟模型；进一步依据淀粉和蛋白质含量在枝梗间分配的不均衡性，提出了枝梗穗淀粉和蛋白质的空间分布模型。利用不同生态区域、不同品种类型、不同肥水管理条件下的试验资料对籽粒品质形成模拟模型进行了检验，结果表明籽粒淀粉和蛋白质含量的模拟值与观测值之间具有较好的拟合度，均方差根分别为1.51％~-2.75％和0.22％~-0.26％，显示本模型具有较好的预测性和适用性。 以气候：土壤：品种—技术—生长的动态关系为主线，采用面向对象的程序设计
黄攀攀[6]2016年在《基于物联网的水稻高产栽培专家系统研究》文中指出近些年随着农业信息化的不断推进,越来越多的信息技术被引入到农业生产中去。如何实现水稻高产、稳产的目标,成为现代农业研究方向的一个重要课题。近几年物联网技术得到快速发展,农业信息采集设备、网络传输设备、信息存储设备和数据的分析处理能力都发展迅速。监控系统的构建趋向于成熟,“远程化”、“智能化”和“自动化”程度都有所提高。物联网监测设备的覆盖面积逐年扩大,使得通过传感器获取必要的基础数据以支持专家系统达到智能化决策成为可能。本研究通过运用计算机模拟模型技术和数学建模方法结合多年水稻高产栽培实验数据和管理经验,构建基于物联网的水稻高产栽培专家系统。期望通过环境数据模拟水稻的生长发育过程,结合专家系统知识库,给出关键时期的决策意见,辅助水稻生产。本论文主要进行了五个方面进行研究,主要包括分析田间实验数据,得到环境数据和水稻生长发育数据之间的定量化关系,构建水稻生长发育模拟模型;利用物联网设备采集田间环境数据;整理水稻高产栽培专家系统知识库;模型偏差纠正及相关算法研究;高产栽培专家系统的构建。通过构建基于物联网的水稻高产栽培专家系统,在系统构建方面,使用框架技术,解决了因物联网数据量大及系统实时模拟需求的问题,为以后构建其他类型的专家系统提供了参考,经过近一年的使用,专家系统各方面运行均良好,能够准确地模拟水稻生长发育过程并给出决策方案,为实际生产提供指导意见。
严定春[7]2004年在《水稻管理知识模型及决策支持系统的研究》文中认为本研究着重运用系统分析方法和数学建模技术来研究水稻栽培管理的知识表达体系，在广泛收集和充分理解水稻栽培管理专家知识、经验和资料的基础上，利用水稻栽培理论与技术方面的现有研究成果，并结合必要的试验支持，通过解析、提炼和综合水稻生育及管理指标与品种类型、生态环境及生产水平之间的定量化关系，构建了具有时空适应性的水稻栽培管理动态知识模型；并进一步结合水稻栽培管理知识库表达系统，设计和实现了综合性、智能化和构件化的基于知识模型的水稻管理决策支持系统(KMDSSRM)，为精确农作和数字农作的发展奠定了基础。 水稻栽培管理动态知识模型主要包括栽培技术方案设计和适宜动态指标预测2个子模块。其中栽培技术方案设计模块包括产量目标确定，品种选择，播期确定，基本苗确定，氮、磷、钾肥料运筹和水分管理等6个子模型；适宜动态指标预测模块包括群体主茎和分蘖动态，叶面积指数动态，干物质积累动态和地上部植株氮、磷、钾养分动态等4个子模型。 产量目标知识模型基于增产系数的动态量化，综合考虑了决策点历史最高产量、前3年平均产量、养分供应水平、水分管理水平和生产技术水平(包括优良品种的选用、栽培措施的实施和病虫草害的防治)等多种因子的影响。品种选择知识模型基于品种特性与生态环境之间的定量化关系，根据决策点常年气候条件，在确保决策点能种植水稻的基础上，根据不同的稻作季别，以播种后能安全出苗、壮秧移栽、安全抽穗、茬口适宜、优质高产和抗逆性强等为依据，用相对权重法计算了生育期长短、产量和品质、抗盐碱能力、抗病性和光周期等指标的综合影响。适宜播期设计的知识模型以安全出苗、壮秧移栽、安全抽穗和茬口适宜等为依据，通过年≥10℃积温、叶热间距、品种秧田期能容纳的最大叶龄数、品种主茎叶片数、品种主茎伸长节间数、生育期长短、品种抽穗到成熟所需积温和育秧方式等定量描述了一季、双季和叁季水稻不同品种类型与生态环境之间的动态关系。基本苗设计知识模型根据成熟时单位面积群体成穗数与单株有效穗数来定量计算，通过水稻分蘖发生与主茎叶片伸出间的同伸关系，定量计算了不同环境条件下的单株理论主茎与分蘖数，通过品种分蘖力、大田平整度、移栽和播种深度、土壤水分养分及分蘖期间的温度等条件量化了主茎与分蘖实际成穗率。肥料运筹动态知识模型基于平衡施肥原理，综合量化了土壤耕层理化特性、目标产量、种植方式、收获指数、水分管理水平和肥料施用方式等多种因子的影响，通过引入水稻籽粒及秸杆中氮磷钾素含量、氮磷钾素当季吸收效率等品种参数来定量描述不同品种类型在氮磷钾需求量及吸收量方面的遗传差异，并根据土壤理化特性及基拙养分含量等计算土壤氮磷钾的当季供应量，确立了氮磷钾肥的合理用量、有机氮与无机氮的配比以及基肥与追肥的适宜比例等。此外基于水分平衡原理建立了水分管理模型。 通过定量描述水稻群体主茎与分集数、叶面积指数、干物质积累和植株养分动态与品种类型、生态环境因子和栽培措施之间的动态关系，根据生理发育时间(PDT)恒定的原理，以PDT为生育期预测器，通过动态计算到达各主要生育时期所需的积温(GDD)，建立了以动态GDD为主线的水稻适宜生长指标动态知识模型，可为不同条件下水稻栽培过程中的生长调控与苗情诊断提供定量化的动态指标体系.利用分桑消长、分集成穗的动态变化规律，建立了适宜群体主茎和分集动态变化曲线;根据“抽穗前后40d内实现最大光合产物积累”的基本原理，计算了抽穗期叶面积指数，并根据各主要生育期的叶面积指数与抽穗期叶面积指数的比值，利用线性内插建立了适宜叶面积指数动态曲线;根据Logistic曲线增长规律，考虑到逐日气象的变化，建立了干物质积累动态曲线，并利用收获指数和产量水平来分别定量不同品种和产量条件下抽穗后干物质积累量对产量贡献的大小;通过动态计算到达各主要生育时期群体养分积累量及其各阶段干物质积累，建立了以动态PDT为主线的水稻适宜地上部植株养分指标动态知识模型. 在构建水稻栽培管理动态知识模型的基J出上，进一步结合水稻栽培管理知识库表达系统，充分利用软构件的语言无关性、可重用性、简便快捷的系统维护机制等特点，在Plll 866 CPU、256M内存计算机、中文Windows 2000操作平台上，采用VisualC料6.0构建了综合性、智能化和构件化的基于知识模型的水稻管理决策支持系统(KMD sSRM)，该系统将水稻栽培管理知识模型和水稻智能管理知识库系统等按照一定的原理进行有机的藕合与集成，系统由数据库、知识模型、知识库、推理机和人机接口等部分组成，实现了栽培方案设计、适宜指标预测、动态管理调控、专家知识咨询和系统维护管理等主要功能。在栽培方案设计时，系统首先根据决策点的常年气象、土壤、品种等资料，通过运行知识模型，给用户提出适宜的产量目标，并产生一套相应的栽培技术方案(包括适宜品种、播期、基本苗、肥料运筹和水分管理等);在适宜指标预测时，系统根据水稻适宜动态指标知识模型，为用户设计出适宜的叶面积指数动态、群体主茎和分集动态、干物质积累动态和植
许开维, 孙成明, 罗婷婷[8]2008年在《基于PAID 4.0的水稻栽培专家系统研究》文中指出以PAID 4.0专家系统开发平台为基础,构建了水稻栽培专家系统,分析了该农业用户沟通交流系统的结构设计方法与功能,并探讨了该专家系统研究的方向。
史敏[9]2003年在《水稻栽培专家系统》文中进行了进一步梳理水稻栽培专家系统是基于PAID平台进行开发的。针对农业专家系统特有的模糊性，PAID平台提出了加权模糊逻辑知识表示方法并利用叁层结构、ASP、ADO、RDS、数据绑定等网络技术进行实现。 根据平台的特性，水稻栽培专家系统的核心工作是基础数据库、模型库和知识库的建立。本文的主要工作就是搜集、整理水稻栽培所需要的基础数据，设计模型和知识规则。 首先，根据搜集、整理后的资料，提出了基于日期的水稻栽培专家系统的框架模型，然后根据该框架进行模块的设计，同时还实现了水稻产量预测等模型，根据模型和知识规则的需要设计了地理概况、农业现代化水平、农业自然灾害、土壤资源、土壤肥力、地貌形态、生物品种资源数据、农作物品种资源、水稻生物特性、农作物病害、农作物虫害、农业气象等基础数据库，并搜集了大量的数据。 据此研制而成的水稻栽培专家系统具有运行稳定，用户界面友好等特点。
熊玉唐[10]2006年在《贵州水稻栽培专家系统的开发与应用》文中研究表明贵州水稻栽培专家系统于1999年开始研制,系统决策推理部分利用雄风6.1开发工具实现,专家咨询与知识部分用网页设计实现,系统包括栽培决策与咨询、生产管理宏观决策、基础知识、适用技术规范、常用资料、多媒体技术培训等模块。系统2001~2003年累计推广面积8 422.6hm2,其中示范1 880.1 hm2,辐射面积6 542.8 hm2,平均增产757.65kg/hm2,共增产稻谷638.1万kg,系统与实际的吻合度达90%以上。通过示范表明贵州水稻栽培专家系统的推广应用,将成为未来贵州水稻生产发展的热点,为贵州水稻生产作出更大的贡献。参3。
参考文献：
[1]. 水稻机插精确定量栽培专家系统研究与开发[D]. 仇红. 扬州大学. 2014
[2]. 水稻设计栽培系统的研制与实现[J]. 魏广彬, 徐海港, 丁艳锋, 王绍华. 南京农业大学学报. 2011
[3]. 基于Multi-Agent的水稻栽培知识管理研究[D]. 邓胜. 湖南农业大学. 2010
[4]. 水稻生产智能决策支持系统的研究[D]. 徐启荣. 安徽农业大学. 2004
[5]. 水稻生长模拟与决策支持系统的研究[D]. 李卫国. 南京农业大学. 2005
[6]. 基于物联网的水稻高产栽培专家系统研究[D]. 黄攀攀. 上海海洋大学. 2016
[7]. 水稻管理知识模型及决策支持系统的研究[D]. 严定春. 南京农业大学. 2004
[8]. 基于PAID 4.0的水稻栽培专家系统研究[J]. 许开维, 孙成明, 罗婷婷. 安徽农业科学. 2008
[9]. 水稻栽培专家系统[D]. 史敏. 湖南农业大学. 2003
[10]. 贵州水稻栽培专家系统的开发与应用[J]. 熊玉唐. 农业系统科学与综合研究. 2006
标签：农业基础科学论文; 计算机软件及计算机应用论文; 专家系统论文; 水稻论文; 水稻品种论文; 农业论文; 农业发展论文;