农业病虫害远程诊断与预警技术PDF电子书下载

理论篇 3

第1章 绪论 3

1.1 概述 3

1.2 诊断理论及其应用 4

1.2.1 诊断推理概念的提出 4

1.2.2 诊断推理的方法 4

1.2.3 诊断型专家系统 5

1.3 会诊理论及其应用 5

1.3.1 群决策理论和方法 5

1.3.2 群决策支持系统 6

1.3.3 远程医疗会诊系统 7

1.4 预警理论及其应用 7

1.4.1 病虫害预测预报 7

1.4.2 病虫害预警 8

1.5 研究的创新点及其成果意义 9

1.5.1 研究的创新点 9

1.5.2 对相应研发工作的影响 9

1.5.3 对相应学科发展的影响 10

1.6 本书的研究目的和内容 10

1.6.1 研究目的 10

1.6.2 研究内容 11

参考文献 11

第2章 农业病虫害诊断理论 13

2.1 农业病虫害诊断概念模型 13

2.1.1 诊断与诊断问题的定义 13

2.1.2 农业病虫害诊断概念模型 14

2.2 农业病虫害诊断的数学定义 16

2.3 农业病虫害诊断问题的求解模型 18

2.3.1 诊断知识的预处理 18

2.3.2 层内诊断问题 19

2.3.3 层间诊断问题 19

2.4 小结 20

参考文献 20

第3章 农业病虫害预警理论 21

3.1 农业病虫害预警 21

3.1.1 病虫害预警的概念与范畴 21

3.1.2 病虫害的预警过程 21

3.1.3 病虫害预警的特点 23

3.1.4 病虫害的预警方法 23

3.2 农业病虫害预警指标体系 24

3.2.1 预警指标筛选原则 24

3.2.2 预警指标体系的内容 25

3.3 农业病虫害预警系统 26

3.3.1 农业病虫害预警系统功能 26

3.3.2 农业病虫害预警系统结构 26

3.3.3 农业病虫害预警系统的构建过程 27

3.4 小结 27

参考文献 28

第4章 基于群决策的病虫害会诊理论 29

4.1 病虫害群决策的内容和过程 29

4.1.1 群决策内容 29

4.1.2 群决策过程 30

4.1.3 群决策特点 31

4.2 群决策系统分析 31

4.2.1 群决策系统要素 31

4.2.2 群决策系统结构 32

4.2.3 群决策系统分类 33

4.2.4 多属性群决策过程 33

4.2.5 群决策规则 35

4.3 群决策问题的求解 35

4.3.1 病虫害会诊群决策的目标导向 35

4.3.2 病虫害会诊群决策方案选择 37

4.3.3 病虫害会诊群决策环境特点 38

4.3.4 非结构化的病虫害会诊决策 39

4.3.5 病虫害会诊群决策的诊断和治疗假设 40

4.4 小结 42

参考文献 43

方法篇 47

第5章 农业病虫害知识表示模型 47

5.1 知识表示概述 47

5.2 农业病虫害诊断知识的分类 48

5.2.1 知识的作用 48

5.2.2 知识的数据结构 48

5.2.3 知识的确定性 48

5.2.4 知识的表现形式 49

5.3 病虫害知识的表示 49

5.3.1 案例知识的表示 49

5.3.2 经验知识的表示 52

5.4 小结 53

参考文献 53

第6章 基于遗传算法的鱼病案例推理模型 54

6.1 基于案例推理的基本概念 54

6.1.1 基于案例推理的基本原理 54

6.1.2 基于案例推理的一般过程 55

6.2 鱼病诊断推理系统中的案例表示 57

6.2.1 案例的主要内容 57

6.2.2 案例的表示方法 57

6.2.3 鱼病诊断推理系统案例表示 58

6.3 鱼病诊断推理系统案例的检索 60

6.3.1 现有的案例检索模型 60

6.3.2 基于规则与案例结合的检索方法 62

6.4 基于遗传算法的权重优化模型 65

6.4.1 适应度函数数学模型的建立 66

6.4.2 自适应的遗传算子 66

6.4.3 基于遗传算法GA的权重优化算法 67

6.5 案例检索模型在鱼病诊断系统中的应用 68

6.5.1 鱼病诊断推理系统案例集合的结构特点 68

6.5.2 基于规则与基于案例推理结合的应用 68

6.6小结 70

参考文献 70

第7章 基于CBR和RBR协同推理的鱼病诊断推理模型 72

7.1 鱼病诊断的CBR与RBR协同推理机制 72

7.2 鱼病诊断的案例检索模型 73

7.2.1 鱼病症状特征辨识 74

7.2.2 鱼病案例初级匹配 75

7.2.3 鱼病案例相似性度量 77

7.2.4 鱼病案例复用 79

7.2.5 鱼病案例保存 79

7.3 实例分析 80

7.4 小结 81

参考文献 81

第8章 基于相对熵的FDT群决策偏好集结模型 82

8.1 决策偏好的表示方法 82

8.2 常见偏好信息的数学描述 83

8.3 群决策中不同形式偏好信息的一致化研究 85

8.3.1 不同偏好信息转换为判断矩阵的一致化方法 86

8.3.2 不同偏好信息转换为效用值的一致化方法 87

8.4 群决策中不同偏好信息的集结模型和方法 88

8.4.1 个体偏好序的偏好集结函数 88

8.4.2 判断矩阵的偏好集结方法 91

8.4.3 基于效用值的相对熵群决策集结最优化模型 93

8.5 不同形式偏好集结的FDT群决策流程 95

8.6 FDT实例分析 96

8.7 小结 97

参考文献 97

第9章 基于证据理论的不确定性FDT群决策方法 99

9.1 经典D-S证据理论的基本概念及性质 99

9.1.1 概率的四种解释及性质 100

9.1.2 基本定义 101

9.1.3 Dempster合成规则及其性质 102

9.2 证据理论合成规则的修正方法评述 103

9.2.1 修改组合规则 104

9.2.2 证据源修改方法 105

9.2.3 各种改进方法的比较 106

9.3 不确定性FDT的群决策流程 110

9.3.1 自然语言描述的基本可信度分配表示 110

9.3.2 FDT群决策基本过程 111

9.4 FDT实例分析 111

9.5 小结 113

参考文献 113

第10章 基于粗糙神经网络的知识获取模型 115

10.1 粗糙神经网络松耦合知识获取模型 115

10.1.1 模型基本思想 115

10.1.2 模型构造过程 115

10.2 鱼病知识获取步骤 116

10.2.1 鱼病知识约简 116

10.2.2 约简步骤和算法 117

10.2.3 约简实例 117

10.2.4 BP神经网络设计和算法 119

10.3 知识获取实例 120

10.4 小结 122

参考文献 122

第11章 基于遗传算法的知识获取模型 123

11.1 基于归纳的机器学习 123

11.1.1 机器学习的基本概念 123

11.1.2 覆盖正例排斥反例的AQ学习方法 125

11.1.3 AQ方法的应用 126

11.2 遗传算法在知识获取中的应用 131

11.2.1 概念获取模型 131

11.2.2 基于遗传算法的规则学习实例 132

11.2.3 基于遗传算法的约束规划求解 135

11.2.4 遗传算法与惩罚函数法混合的通用算法 135

11.3 小结 137

参考文献 137

第12章 基于径向基网络的梨黑星病中短期预测预警 138

12.1 人工神经网络及BP神经网络 138

12.1.1 人工神经网络及其基本功能 138

12.1.2 BP神经网络 139

12.2 径向基神经网络算法 139

12.2.1 径向基网络机理 139

12.2.2 径向基函数的学习过程 141

12.3 梨黑星病径向基预测模型设计 143

12.3.1 梨黑星病数据准备 143

12.3.2 梨黑星病发生的实测时间动态 143

12.3.3 梨黑星病径向基神经网络建模试验分析 144

12.3.4 梨黑星病果实病指径向基网络预测 146

12.3.5 梨黑星病的BP网络与径向基网络预测结果对比分析 147

12.4 径向基神经网络泛化能力分析 148

12.5 小结 149

参考文献 149

第13章 基于神经网络和遗传算法的牙鲆疾病预警模型 150

13.1 牙鲆疾病预警指标体系 150

13.1.1 牙鲆疾病预警指标的确定 150

13.1.2 牙鲆疾病预警指标重要程度排序 150

13.1.3 牙鲆疾病预警指标警限确定 153

13.2 牙鲆疾病的环境预警模型 153

13.2.1 牙鲆疾病水环境状态预警 154

13.2.2 牙鲆疾病水环境趋势预警 155

13.3 基于症状的牙鲆疾病预警 160

13.3.1 基于案例检索的牙鲆疾病诊断 160

13.3.2 症状预警警级确定 162

13.3.3 实例分析 163

13.4 小结 164

参考文献 164

应用篇 167

第14章 基于J2EE的鱼病诊断系统 167

14.1 鱼病诊断系统框架 167

14.1.1 J2EE概述 167

14.1.2 J2EE的优势 167

14.1.3 J2EE的应用程序结构 168

14.1.4 鱼病诊断推理系统的结构 168

14.2 鱼病诊断流程设计 169

14.3 数据模型设计 171

14.3.1 规则库和案例库的设计 171

14.3.2 本体模块的设计 173

14.4 系统功能及界面设计 177

14.4.1 功能设计 177

14.4.2 用户输入界面 178

14.4.3 诊断推理 179

14.4.4 知识获取 179

14.5 小结 180

参考文献 180

第15章 基于案例推理的鱼病诊断专家系统 181

15.1 系统体系结构设计 181

15.2 系统诊断流程设计 182

15.3 系统功能模块设计 183

15.4 知识库设计 183

15.4.1 系统知识库 183

15.4.2 数据库概念结构设计 184

15.4.3 数据库逻辑结构设计 184

15.4.4 数据表之间的依赖关系 184

15.5 系统实现 186

15.6 小结 187

参考文献 187

第16章 基于呼叫中心的鱼病智能诊断系统 188

16.1 系统结构设计 188

16.2 功能模块设计 189

16.2.1 鱼病诊断模块 189

16.2.2 鱼病知识浏览模块 190

16.2.3 鱼病案例查询模块 190

16.2.4 系统维护模块 190

16.3 工作流程设计 190

16.4 知识库设计 191

16.5 系统实现 192

16.5.1 系统开发环境和开发技术 192

16.5.2 呼叫中心系统的环境配置 192

16.5.3 系统运行界面 193

16.6 小结 194

参考文献 194

第17章 移动式鱼病诊断专家系统 195

17.1 移动式鱼病诊断系统需求分析 195

17.1.1 需求特点 195

17.1.2 系统逻辑结构 195

17.1.3 技术难点与实现策略 196

17.2 系统整体结构设计 196

17.2.1 系统物理架构 196

17.2.2 系统服务模式设计 197

17.2.3 系统诊断流程设计 199

17.3 知识获取与推理系统设计 199

17.3.1 鱼病系统基础数据 200

17.3.2 知识获取 201

17.3.3 推理机制 203

17.4 系统开发实现举例 203

17.5 小结 205

参考文献 206

第18章 奶牛疾病诊断专家系统的设计与实现 207

18.1 系统体系结构设计 207

18.2 系统功能模块设计 207

18.3 系统工作流程设计 209

18.4 系统知识库设计 210

18.4.1 字典数据库 210

18.4.2 规则库 211

18.5 奶牛疾病诊断对象的推理机设计 211

18.6 系统界面 212

18.7 小结 213

参考文献 214

第19章 基于Web的果树病害诊断系统 215

19.1 基于Web的果树病害诊断系统需求分析 215

19.2 基于Web的果树病害诊断系统设计 216

19.2.1 系统结构设计 216

19.2.2 功能模块设计 216

19.2.3 工作流程设计 217

19.3 知识获取 219

19.3.1 知识来源 219

19.3.2 知识模型 219

19.3.3 知识规则形式化 219

19.4 系统实现 220

19.4.1 系统开发平台 220

19.4.2 系统运行界面 221

19.5 系统测试 227

19.5.1 专家评审 227

19.5.2 平台测试 227

19.5.3 模拟测试 227

19.6 小结 228

参考文献 228

第20章 重大动物疫情疫病咨询系统 229

20.1 概述 229

20.2 系统分析与设计 229

20.2.1 系统分析 229

20.2.2 系统设计 230

20.2.3 预警预案设计 231

20.2.4 数据库设计 233

20.3 系统实现 234

20.3.1 系统开发环境和相关实现技术 234

20.3.2 系统运行界面 234

20.4 小结&. 236

参考文献 236

附录 236

第21章 基于Web的牙鲆疾病预警系统 239

21.1 系统分析 239

21.1.1 用户需求分析 239

21.1.2 功能需求分析 239

21.2 系统设计 239

21.2.1 系统结构设计 239

21.2.2 功能模块设计 240

21.2.3 系统流程设计 241

21.2.4 数据库设计 241

21.3 系统实现 243

21.3.1 系统开发软件环境和软件技术 243

21.3.2 系统运行界面 244

21.4 小结 246

参考文献 246

第22章 农业病虫害远程诊治与预警平台的设计与实现 247

22.1 农业病虫害远程诊治与预警平台概述 247

22.1.1 研究背景与意义 247

22.1.2 系统实现目标 247

22.2 系统平台总体设计 248

22.2.1 系统平台的设计思想 248

22.2.2 系统平台的开发路线 248

22.2.3 系统平台的体系结构 248

22.3 农业病虫害诊治系统二次开发平台 250

22.3.1 开发目的 250

22.3.2 平台功能 250

22.3.3 开发架构和模式 250

22.3.4 系统实现 251

22.4 农业病虫害诊治系统的通用维护平台 252

22.4.1 开发目的 252

22.4.2 平台功能 253

22.5 基于机器到机器通信的农业病虫害诊治系统实现 254

22.5.1 机器到机器通信技术介绍 254

22.5.2 系统功能 254

22.6 基于短信的农业病虫害诊治平台 255

22.6.1 系统结构设计 255

22.6.2 体系结构设计 256

22.6.3 系统实现 256

22.7 小结 257

参考文献 258

示范篇 261

第23章 农业病虫害远程诊断技术研究与示范 261

23.1 项目的研究示范内容 261

23.1.1 研究示范的总体目标和水平 261

23.1.2 项目研究示范的主要内容 261

23.2 项目的完成情况 264

23.2.1 农业病虫害基础数据库 264

23.2.2 基于B/S模型的农业病虫害诊断平台研究 265

23.2.3 农业病虫害远程会诊平台研究 267

23.2.4 农业病虫害远程呼叫与咨询系统研究 267

23.2.5 移动式农业病虫害诊断决策系统研究 268

23.2.6 基于GIS的农业病虫害广域分析 270

23.2.7 虫害远程自动识别与诊断平台 271

23.3 项目采取的技术路线和关键技术 272

23.3.1 研究方法与技术路线 272

23.3.2 关键技术研究和突破 273

23.4 项目推广和示范的社会效益 275

23.4.1 项目的示范基地建设与企业合作 275

23.4.2 其他经济、社会效益分析与评述 277

23.5 项目实施的启示 277