基于人工神经网络的葡萄病害诊断专家系统

论文摘要

本文在针对分析葡萄病害领域知识,建立了基于BP网络诊断模型,开发了基于人工神经网络的葡萄病害智能诊断系统。该系统基本能实现对葡萄病害的准确诊断,为有效控制葡萄病害的发生率,促进葡萄生产稳定发展和增加农民收入具有较好的指导作用。主要研究内容和结论如下:(1)对诊断问题进行分析,与领域专家讨论葡萄病害诊断过程,并模拟专家的思维模式,研究了引发病害的原因、病害的分类方式和症状特征,在领域专家的帮助下,确定诊断参数,并结合实际做出详细分析。(2)依据葡萄病害知识的内容或表现形式,将其分为描述型知识、事实型知识和判断型知识三类,研究了相应的知识表示方法和存储方式。依据关系数据库的基本理论设计了葡萄病害诊断知识库的概念结构和逻辑结构。(3)通过分析葡萄病害的领域知识,采用附加动量法和自适应学习速率改进标准的BP算法,构建基于BP网络的诊断模型,以诊断参数作为输入,所引发的病害作为输出,从诊断信息中抽取的规则作为训练样本对网络进行训练。实验结果表明,该模型的平均诊断准确率可达86.80%。针对诊断参数均为事实型知识的特点,提出了一种动态编码方法,实现将事实型知识向数字信息的转换。对基于BP网络的诊断模型进行了测试,结果表明,平均诊断准确率较高,诊断效果良好。(4)在分析领域知识和确定诊断模型的基础上,开发了葡萄病害诊断系统,实现了葡萄病害诊断知识的维护和浏览;使用户能够查阅葡萄病害的详细资料,并对葡萄病害进行智能诊断,进而确定病原,采取有效防治措施。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 研究目标和研究内容
• 1.4 研究方法
• 第二章 人工神经网络的基本概念原理及主要模型
• 2.1 人工神经网络的基本理论
• 2.1.1 人工神经网络的基本概念
• 2.2 人工神经网络的应用及用于病害诊断的研究现状与发展
• 2.2.1 人工神经网络的应用
• 2.2.2 人工神经网络用于病害诊断的研究现状与发展
• 2.3 人工神经网络的几个典型特征
• 2.3.1 并行分布处理
• 2.3.2 非线性映射
• 2.3.3 通过训练进行学习
• 2.3.4 自适应与信息融合
• 2.3.5 分类与识别
• 2.4 误差反传学习规则（BP 算法）
• 2.4.1 BP 神经网络模型介绍及BP 算法学习规则
• 2.4.2 BP 网络的几种能力
• 2.4.3 BP 算法的不足
• 2.4.4 BP 算法的改进
• 2.5 小结
• 第三章 基于BP 网络的葡萄病害诊断模型
• 3.1 领域知识分析
• 3.1.1 病害因子分析
• 3.1.2 病害分类
• 3.1.3 病害症状
• 3.1.4 诊断参数
• 3.2 领域知识表示与存储
• 3.2.1 领域知识表示
• 3.2.2 领域知识存储
• 3.3 基于BP 网络的葡萄病害诊断模型
• 3.3.1 网络结构设计
• 3.3.2 输入层设计
• 3.3.3 输出层设计
• 3.3.4 选取训练样本
• 3.3.5 隐含层设计
• 3.3.6 设置训练参数
• 3.4 仿真
• 3.4.1 隐含层神经元个数对网络精度的影响
• 3.4.2 实验结果分析
• 3.5 小结
• 第四章 系统设计与实现
• 4.1 系统架构分析与设计
• 4.2 系统开发关键技术及实现
• 4.2.1 数据库的连接
• 4.2.2 JSP 技术
• 4.2.3 JavaBean 组件技术
• 4.3 系统主要功能
• 4.3.1 功能模块设计
• 4.3.2 主要功界面
• 4.4 系统测试与评价
• 4.5 小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 附录I 葡萄病害诊断参数和病害编码表
• 附录II 葡萄病害诊断规则表
• 致谢
• 作者简介