本文關(guān)鍵詞：農(nóng)業(yè)植保預(yù)測和決策支持系統(tǒng)的若干關(guān)鍵問題研究，由筆耕文化傳播整理發(fā)布。

【摘要】：中國作為人口大國,農(nóng)業(yè)植保系統(tǒng)是決定全社會吃飯問題的關(guān)鍵系統(tǒng),在農(nóng)業(yè)生產(chǎn)中起著非常重要的作用。植保預(yù)測和決策是植保系統(tǒng)的核心,涉及到生產(chǎn)組織和管理、病蟲害防治、預(yù)報等農(nóng)業(yè)生產(chǎn)全過程。植保系統(tǒng)是一個非常復雜的系統(tǒng),其中不明確、不確定的因素非常多,導致了系統(tǒng)呈現(xiàn)灰色系統(tǒng)特性,因此在農(nóng)業(yè)生產(chǎn)中植保系統(tǒng)的一些問題把握不好,將導致農(nóng)業(yè)生產(chǎn)受到較大影響,嚴重影響社會農(nóng)業(yè)系統(tǒng)內(nèi)人員的收入,甚至影響全國的糧食供應(yīng)。 在農(nóng)業(yè)植保預(yù)測預(yù)報系統(tǒng)建設(shè)過程中, 存在很多不確定因素和技術(shù)難點,而這些問題卻又是農(nóng)業(yè)植保系統(tǒng)的關(guān)鍵問題,也是農(nóng)業(yè)生產(chǎn)精準化、可控化的關(guān)鍵問題。論文作者在項目研究過程中,參加了云南農(nóng)業(yè)大學植保學院和昆明市植保站,以及云南省內(nèi)8個縣區(qū)植保站試驗田的生產(chǎn)和種植試驗,進行了歷時數(shù)年大量的試驗數(shù)據(jù)采集和試驗調(diào)研,并與大量的農(nóng)業(yè)植保專家進行合作研究,充分聽取農(nóng)民種植戶、基層農(nóng)技人員、縣區(qū)植保技術(shù)人員、省市級植保專家、院校植保專家的建議和意見,對于植保系統(tǒng)中存在的一些難點問題進行深入仔細的分析研究,并選擇其中農(nóng)業(yè)植保預(yù)測和決策支持系統(tǒng)進行研究,以期解決一些難點問題。論文的部分成果已經(jīng)在云南8縣一市應(yīng)用,最終取得了較高的學術(shù)、社會、經(jīng)濟效益。 論文從農(nóng)業(yè)植保系統(tǒng)中一些傳統(tǒng)經(jīng)驗和方法遇到的困境出發(fā),積極利用現(xiàn)代科技的優(yōu)勢,引入管理工程、計算機、信息采集、信息處理、數(shù)據(jù)庫以及人工智能知識管理等方法和技術(shù),對傳統(tǒng)的以手工和經(jīng)驗為主的植保預(yù)測和預(yù)報進行了深入研究,對其原理和方法的科學性進行了討論和改進,充分利用管理工程和信息技術(shù)的方法和技術(shù),建立了一些應(yīng)用模型,用計算機進行開發(fā)實現(xiàn),并已經(jīng)進行了一定時間段的生產(chǎn)試驗。 論文主要解決了如下問題：1、閾期的預(yù)測是植保系統(tǒng)廣泛存在的一個難題,傳統(tǒng)以來大多以經(jīng)驗?zāi)Ｐ瓦M行閾期的預(yù)測,由此開發(fā)的預(yù)測系統(tǒng)通用性很差。論文將傳統(tǒng)的經(jīng)驗?zāi)Ｐ瓦M行科學化處理,并以除草閾期預(yù)測作為例子,提出了除草閾期模型自適應(yīng)性問題,即模型參數(shù)的動態(tài)自適應(yīng)解決方法,徹底改變了小樣本特性的經(jīng)驗?zāi)Ｐ驮诓煌魑锷L環(huán)境適應(yīng)性差的難題。2、以模糊評判等方法建立了田間雜草生長的優(yōu)勢評估以及除草劑效果評估模型,為植保決策支持系統(tǒng)中的優(yōu)勢因素確定和效果評估提供了方法。3、利用矢量合成等方法建立病害傳播模型,解決了傳統(tǒng)植保預(yù)測預(yù)報系統(tǒng)中傳播趨勢難以預(yù)測的問題,為病害傳播的多因素趨勢自動預(yù)測提供了方法。4、將植保系統(tǒng)中極其重要的農(nóng)業(yè)專家的評價進行了量化處理,傳統(tǒng)方法在系統(tǒng)里專家的支持度一般都是固定不變的,論文提出了動態(tài)支持度概念,建立了支持度動態(tài)調(diào)整模型,為專家參與植保決策支持系統(tǒng)的自動運行,以及客觀描述專家在系統(tǒng)中的重要性提供了一套方法。5、精準化農(nóng)業(yè)的關(guān)鍵是數(shù)據(jù)采集的密度和精確度問題,也是預(yù)測決策的關(guān)鍵,通常采集密度越高預(yù)測越準確,而采集密度越高采集成本就越高,甚至無法實施。論文提出了2套低成本、高密度、易實施的采集系統(tǒng)方案,徹底解決大田數(shù)據(jù)采集問題,為精準農(nóng)業(yè)的實施打好了基礎(chǔ)。 上述這些理論和方法的建立,雖然是建立在傳統(tǒng)的管理工程思想和方法基礎(chǔ)上,但這些理論和方法在解決農(nóng)業(yè)預(yù)測和決策問題上有一定的創(chuàng)新性,為農(nóng)業(yè)生產(chǎn)的精確化、科學化管理提供了新的思路和方法,一定程度改變農(nóng)業(yè)生產(chǎn)以經(jīng)驗性決策為主的模式,對農(nóng)業(yè)植保領(lǐng)域的預(yù)測系統(tǒng)和決策支持系統(tǒng)建設(shè)起到了一定的示范作用。論文工作數(shù)據(jù)采集等歷時數(shù)年,工作量巨大,技術(shù)難度較高,也獲得了較多成果。
【關(guān)鍵詞】：植保預(yù)測 決策支持系統(tǒng) 模型自適應(yīng)性 動態(tài)支持度 優(yōu)勢評估 矢量合成 精準數(shù)據(jù)采集
【學位授予單位】：昆明理工大學
【學位級別】：博士
【學位授予年份】：2013
【分類號】：S481;C934
【目錄】：

• 摘要4-6
• Abstract6-14
• 第一章 緒論14-37
• 1.1 論文研究的背景14-22
• 1.1.1 農(nóng)業(yè)信息化的內(nèi)涵及現(xiàn)狀14-16
• 1.1.2 農(nóng)業(yè)信息監(jiān)測與災(zāi)害預(yù)防系統(tǒng)建設(shè)16
• 1.1.3 病害流行過程和預(yù)測預(yù)報的基本方法16-21
• 1.1.3.1 病害流行過程及其系統(tǒng)分析17-18
• 1.1.3.2 病害預(yù)測預(yù)報的基本方法18-21
• 1.1.4 農(nóng)業(yè)植保預(yù)測與決策支持系統(tǒng)關(guān)系和定位21-22
• 1.2 農(nóng)業(yè)植保預(yù)測和決策支持系統(tǒng)的研究現(xiàn)狀及存在的問題22-28
• 1.2.1 國內(nèi)外農(nóng)業(yè)植保預(yù)測和決策支持系統(tǒng)的研究現(xiàn)狀23-25
• 1.2.2 植保預(yù)測和決策支持系統(tǒng)建設(shè)中普遍存在的問題25-28
• 1.3 課題研究的目的與意義28-30
• 1.4 論文研究課題來源以及項目完成情況介紹30-32
• 1.5 論文研究的主要內(nèi)容和創(chuàng)新點32-34
• 1.6 論文的組織34-35
• 1.7 本章小結(jié)35-37
• 第二章 植保預(yù)測和決策支持系統(tǒng)原理與結(jié)構(gòu)37-46
• 2.1 植保預(yù)測和決策支持系統(tǒng)的基本思路37-41
• 2.1.1 病害預(yù)測的基本方法37-39
• 2.1.2 植保預(yù)測的類別總結(jié)39-40
• 2.1.3 植保預(yù)測系統(tǒng)建設(shè)的基本思路40-41
• 2.2 植保決策支持系統(tǒng)原理41-42
• 2.3 植保決策支持系統(tǒng)基本功能模塊42-45
• 2.4 本章小結(jié)45-46
• 第三章 除草閾期預(yù)測模型的動態(tài)自適應(yīng)方法研究46-60
• 3.1 雜草防治閾期預(yù)測研究的背景46-49
• 3.1.1 預(yù)測模型的動態(tài)自適應(yīng)與小樣本問題46-47
• 3.1.2 雜草防治閾期預(yù)測的定義47-49
• 3.2 材料與方法49-56
• 3.2.1 除草閾期預(yù)測試驗方案確定49-50
• 3.2.2 除草經(jīng)濟閾期預(yù)測模型和模型參數(shù)動態(tài)計算方法50-51
• 3.2.3 作物生長曲線模型的確定51-53
• 3.2.4 模型參數(shù)的動態(tài)計算方法53
• 3.2.5 采用t校驗的方法來驗證模型參數(shù)的回歸顯著性53-54
• 3.2.6 雜草經(jīng)濟防治閾期預(yù)測模型自適應(yīng)測試系統(tǒng)設(shè)計54-56
• 3.3 結(jié)果與分析56-59
• 3.3.1 輸數(shù)據(jù)入56-57
• 3.3.2 閾期預(yù)測的結(jié)果57-58
• 3.3.3 年閾期統(tǒng)計58-59
• 3.3.4 討論59
• 3.4 本章小結(jié)59-60
• 第四章 雜草優(yōu)勢評估與除草效果分析決策支持研究60-75
• 4.1 雜草優(yōu)勢評估與除草效果分析研究背景60-61
• 4.2 材料與方法61-68
• 4.2.1 生物群落調(diào)查分析優(yōu)勢評估的方法和指標體系設(shè)計61-62
• 4.2.2 藥效模糊綜合評判方法分析與算法62-65
• 4.2.3 數(shù)據(jù)處理方案65-66
• 4.2.4 試驗測試系統(tǒng)設(shè)計66-68
• 4.3 結(jié)果與分析68-73
• 4.3.1 雜草優(yōu)勢評估試驗測試68-71
• 4.3.2 除草劑除草效果評價試驗測試71-73
• 4.4 本章小結(jié)73-75
• 第五章 流行趨勢預(yù)測的多因素矢量合成模型與算法75-86
• 5.1 多因素趨勢合成的概念和研究背景75-76
• 5.2 材料與方法76-81
• 5.2.1 多因素趨勢矢量合成算法模型76-79
• 5.2.2 多因素趨勢矢量合成算法的應(yīng)用79-80
• 5.2.3 多因素趨勢矢量合成模型測試設(shè)計80-81
• 5.2.3.1 測試系統(tǒng)意義與功能80-81
• 5.2.3.2 多因素趨勢合成系統(tǒng)各功能模塊的設(shè)計81
• 5.3 結(jié)果與分析81-85
• 5.3.1 多趨勢合成模型的測試示例81-84
• 5.3.2 討論分析84-85
• 5.5 本章小結(jié)85-86
• 第六章 專家群決策方法與預(yù)測結(jié)果的合成方法86-92
• 6.1 群決策方法比較與選擇86-87
• 6.2 專家支持度的概念87-89
• 6.2.1 預(yù)測預(yù)報專家系統(tǒng)專家支持度評價指標體系設(shè)計87-89
• 6.2.2 初始專家支持度的計算89
• 6.3 動態(tài)專家支持度的確定方法與算法設(shè)計89-90
• 6.4 群決策的實現(xiàn)與多專家預(yù)測結(jié)果的合成90-91
• 6.5 本章小結(jié)91-92
• 第七章 農(nóng)業(yè)植保高密度數(shù)據(jù)采集與監(jiān)測方法研究92-103
• 7.1 高密度數(shù)據(jù)采集的背景和要求92-93
• 7.2 材料與方法93-101
• 7.2.1 數(shù)據(jù)采集與監(jiān)測系統(tǒng)的組成和原理93-95
• 7.2.2 農(nóng)田植保數(shù)據(jù)采集的基本情況95
• 7.2.3 利用GPRS通信建立田間數(shù)據(jù)采集系統(tǒng)方案研究95-97
• 7.2.3.1 GPRS技術(shù)特點與其它通信方式相比的優(yōu)勢95-96
• 7.2.3.2 GPRS植保測報信息采集系統(tǒng)通信結(jié)構(gòu)方案96-97
• 7.2.3.3 設(shè)備功能模塊組成設(shè)計97
• 7.2.4 用WLAN實現(xiàn)植保測報信息采集與監(jiān)測系統(tǒng)研究97-100
• 7.2.4.1 WLAN技術(shù)特點分析98
• 7.2.4.2 以WLAN組網(wǎng)進行植保測報監(jiān)測與數(shù)據(jù)采集方案設(shè)計98-100
• 7.2.5 軟件功能設(shè)計100-101
• 7.2.5.1 前端軟件功能設(shè)計100-101
• 7.2.5.2 主機端數(shù)據(jù)庫及適配層軟件101
• 7.3 結(jié)果與分析101-102
• 7.4 本章小結(jié)102-103
• 第八章 結(jié)論與展望103-107
• 8.1 研究結(jié)論103-106
• 8.2 不足與展望106-107
• 致謝107-108
• 參考文獻108-117
• 附錄A 攻讀學位期間獲得的主要成果目錄117-123
• 一、論文、專利、軟件著作權(quán)117-120
• 論文117-119
• 專利119-120
• 軟件著作權(quán)120
• 二、著作120
• 三、科研項目120-121
• 四、獲得獎項121-123

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 崔華威;楊艷麗;黎敬濤;羅文富;苗愛敏;胡振興;韓小女;;一種基于Photoshop的葉片相對病斑面積快速測定方法[J];安徽農(nóng)業(yè)科學;2009年22期

2 畢守東,鄒運鼎,陳高潮,孟慶雷,王公明;各種天敵對麥長管蚜和麥二叉蚜種群數(shù)量影響程度的研究[J];安徽農(nóng)業(yè)大學學報;2000年02期

3 薛冬娟,張冬冬,張彥峰,常淑惠;農(nóng)業(yè)專家系統(tǒng)中分類產(chǎn)生式規(guī)則的知識表示方法[J];河北農(nóng)業(yè)大學學報;2004年03期

4 張長利;孫紅敏;沈維政;魏曉莉;;以農(nóng)業(yè)信息化推進黑龍江省社會主義新農(nóng)村建設(shè)[J];東北農(nóng)業(yè)大學學報(社會科學版);2006年03期

5 顧琳;黎敬濤;張興濤;;對Apriori算法的一種改進——基于0-1矩陣處理算法[J];電腦知識與技術(shù)(學術(shù)交流);2007年21期

6 韓冰,李芬華;GPRS技術(shù)在數(shù)據(jù)采集與監(jiān)控系統(tǒng)中的應(yīng)用[J];電子技術(shù);2003年08期

7 劉雙印;徐龍琴;謝仕義;涂超;;基于案例與規(guī)則集成推理的公共衛(wèi)生疫情預(yù)警系統(tǒng)的應(yīng)用研究[J];電子技術(shù)應(yīng)用;2007年07期

8 宋遠方;混合因素群體AHP方法及其通用軟件[J];系統(tǒng)工程;1989年01期

9 周賢林,周斌;基于層次分析法的群體決策[J];系統(tǒng)工程;1994年06期

10 史永;我國農(nóng)業(yè)信息化建設(shè)的現(xiàn)狀及應(yīng)對策略[J];甘肅農(nóng)業(yè);2004年09期

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 馬麗麗;番茄生長模型及日光溫室小氣候建模的研究[D];沈陽農(nóng)業(yè)大學;2009年

2 張谷豐;基于WebGis的農(nóng)作物病蟲預(yù)警診斷平臺[D];南京農(nóng)業(yè)大學;2009年

  本文關(guān)鍵詞：農(nóng)業(yè)植保預(yù)測和決策支持系統(tǒng)的若干關(guān)鍵問題研究，，由筆耕文化傳播整理發(fā)布。

本文編號：253546