基于XML技术农业专家系统知识库探究.docVIP

基于XML技术农业专家系统知识库探究 　　摘 要：本文针对农业专家系统的知识库，利用XML技术对其进行了架构设计。这一研究整合了产生式表示法、框架等三种知识表示方法，综合三者优点，能够体现继承、关联和层次的农业知识特点，可以充分体现出推理分析层次和技术呈现多样化和非线性化的特点。本文研究可以优化农业专家系统的知识库设计，适应目前人工智能技术的发展，可提高农业专家系统推理的准确性和稳定性，具有一定创新性，对农业专家系统研究具有一定研究价值。 关键词：农业专家系统；XML；知识表示；人工智能 中图分类号：TP311.52 精准农业是农业可持续发展的方向和主要途径[1]。精准农业技术是精准农业的基础和核心，农业智能专家决策系统是其重要的组成部分。技术人员可以通过农业智能专家决策系统的实施，将获取的生产数据通过模型库和知识库，经过综合分析、智能推理，得出符合生产实际的专家级生产决策建议，用于指导农业生产，可达到替代传统农业专家的作用[2-3]。 自20世纪70年代开始，国内外的农业专家就开始在农业生产中开展了专家系统技术在农业应用的研究，截至目前，专家系统在农业应用研究取得了很大的进展。但农业专家系统仍然存在许多问题。其中专家系统的知识库设计不足于适应现有知识推理技术的发展就是一个突出的问题。目前随着人工智能技术的发展，知识推理技术也在不断更新和发展，推理分析层次和技术呈现多样化和非线性化的特点，这些可以进一步提高专家系统决策的准确性、稳定性和针对性。但是由于目前农业专家系统的知识库设计严重滞后，无法适应知识推理技术的发展，大大影响了智能推理的准确性和稳定性。因此农业专家系统研究一个主要方向就是在知识库架构技术的优化方面，以便于适应目前人工智能技术和计算机信息技术的发展。 1 知识及知识表示方法 1.1 知识。知识是专家建议决策的重要基础。专家系统中知识的要素有事实、规则、概念等，需要描述这些要素，从而反映知识的内部结构关系，这样就可以按一定的规则来推理得出相应的结论，这个描述工具就是知识表示，因此专家系统的核心在知识表示。所谓知识表示就是通过各种信息符号以约定的方式将日常生活经验知识转化成计算设备可以识别、利用和进行加工的形式。人工智能技术中研究知识的学科分支是知识工程，随着近年知识工程研究和专家系统研究的深入，知识表示研究已经成为人工智能的关键技术之一和研究的热点之一。在知识工程研究中，知识表示和管理以及如何能被智能系统充分地利用是重要的研究课题之一。 根据知识在智能系统中的作用，可将知识分为以下几种形式：事实、规则、控制和元知识；其中事实类型的知识主要代表了反映有关问题环境的一些事实，它属于底层知识。例如研究对象事物的属性、类别，以及对象事物间的关系等均属于事实类型知识。规则主要代表是受控对象有关的经验以及推理性知识等，一般使用“IF…Then…”的形式来表达。控制是知识推理的核心，指能反映问题求解中控制策略的知识。元知识指的是有关知识的知识，一般指制定规则、解释规则、校验规则、解释程序结构等。 1.2 知识表示方法。在知识工程中，常用的知识表示方法主要有：框架、Petri网、过程、产生式、语义网络、面向对象、谓词逻辑等。其中框架、产生式、面向对象是最常用的三种知识表示方法。这三种知识表示方法并不是完美的，各自有各自的优缺点。产生式表示法特点分析如表1所示： 框架表示法特点分析如表2所示： 从上述分析可以发现，二种表示方法的综合体能够避免一些缺点，但是目前的知识库设计无法有效融合上面的表示。 2 基于XML技术农业专家系统知识库的设计 2.1 农业专家系统知识范例。在上述三种知识表示方法中，产生式表示法简单，易于实现，因此在农业专家系统中，绝大多数都是将知识规则以产生式的形式存储在文本文件中，以产量相关知识规则为例，在文本文件中以如下形式保存： IF 同等地力其他农户三年平均产量19500斤 THEN 其他农户三年平均产量所在产量水平为超高产水平 IF 15000斤 　　3 结论 本文以XML技术针对农业生产知识进行了表示，整合了框架、产生式规则、面向对象是三种常用的知识表示方法，集中了三者的优点，避免了其不足之处。并以此为基础构建农业专家系统的知识库。这种新的知识库架构设计，可以充分体现出农业生产知识的继承、关联和层次的特点，可以充分表示出知识的复杂关系。同时由于XML技术解析、处理目前有很多程序设计语言都可以实现，因此利用XML技术来构建农业专家系统的知识库比目前文本形式的知识库更易于体现推理分析层次和技术呈现多样化和非线性化的特点，适应目前人工智能技术的新发展，提高农业专家系统准确性和稳定性，有利于农业专家系统的应用普及。本文的研