人工神經網絡在蜜桃專家系統中的應用

李迎　高志華　白華

深州蜜桃具有兩千多年的栽培歷史。據《深州縣志》記載：漢時“深州土產曰桃，往時有桃貢，北國之桃，深州最佳，謂之蜜桃”。“深州之桃，饒陽之繡，安平之絹，皆一境之獨勝也。”并列為進獻皇宮的貢品，是壽桃的原型。從明代開始蜜桃大量栽培，到清朝的道光年間桃樹已經發展到10多萬株，分布于20多個村莊。王光英題詞：“深州蜜桃果中王”。現在深州蜜桃產地范圍為河北省深州市穆村鄉、雙井開發區、唐奉鎮、深州鎮、兵曹鄉、辰時鎮、東安莊鄉共7個鄉鎮現轄行政區域。

最近幾年，隨著科技的進步專家系統的研究已經滲透到農業生產領域，并發揮出了巨大的作用。然而，傳統專家系統表現出一定的局限性：基于規范的推理難以真正模仿人類專家的推理過程，還存在知識獲取和表達力上的薄弱、學習能力較差、容錯性差等問題，嚴重影響了專家系統的開發應用。人工神經網絡是模擬人腦思考過程的人工智能技術之一。它不需要任何先驗公式，就能從已有數據中自動地歸納總結出規律。它具有很強的非線性映射能力，特別適合于因果關系復雜的非確定性識別、判斷和分類等問題。根據這兩種系統的特點，本文提出一種基于人工神經網絡的蜜桃生產專家統，即將人工神經網絡作為專家系統的輸入，專家系統用來為神經網絡分析結果 。

全國蜜桃病蟲害的原因大致相同，可以在同一個系統里應用。全國蜜桃病害發生的原因一般可分為兩大類，一是由生物因素引起的傳染性病害病原物主要有細菌、真菌、病毒和線蟲等，都具有傳染性；二是非生物因素所引起的病害，如營養和水分的多少、溫度的高低、日照的長短強弱、空氣污染等環境因素，這類病害不互相傳染，稱之為非傳染性病害。由于這兩種病害的表面特征具有很多相似性，所以將兩種病蟲害合并在一起研究，以蜜桃炭疽病、白腐病、霜霉病等傳染性病害和蜜桃水罐子、日燒病、缺氮癥等 10種非傳染性病害為研究對象進行知識樣本化處理。

首先是專家知識數據庫的建立。這部分知識構成專家系統主要的知識來源。用戶輸入輸出接口及知識轉換模塊負責與用戶的交互，將用戶輸入的癥狀數據轉換為可供推理機推理的診斷格式，同時診斷出的結果通過人機接口返回給用戶。推理機和人工神經網絡及知識庫是專家系統的核心部分，包括基本推理、人工神經網絡推理、知識庫的存儲查詢和維護。

專家系統運行過程如下，首先專家系統進行專家知識規范的初始化。由蜜桃病害診斷專家經過大量實踐和科學分析論證的結果作為專家系統的主要知識來源，手動輸入專家系統。對輸入專家知識進行規范化，把形成知識規范的內容存入到知識庫中。同時對專家知識規范進行樣本化處理，形成人工神經網絡所需的學習樣本，然后再將樣本輸入到人工神經網絡進行訓練。至此專家系統初始化完畢可以進行使用。然后，當用戶通過客戶端輸入需要診斷的癥狀，它將對輸入的病蟲害信息進行數據轉換，才能變成推理機可以快速處理的數據。最后，推理機先要查詢知識庫中已經存在的專家知識數據庫，如果專家知識庫中存在相匹配的診斷規范那就可以直接給出診斷結果。如沒有符合要求的信息則利用人工神經網絡進行推理，這樣才能得出可靠的診斷結果。它將得出的診斷結果輸出給用戶，同時給出防治措施。

人工神經網絡的學習過程與知識庫的建立是同時進行的，對樣本的訓練對整個系統的成敗起著至關重要的作用。首先應該選取一部分樣本進行學習，由這部分訓練得出網絡權重值，然后再以全部作為學習樣本。以前面得出的人工神經網絡權重值作為初始權重值重新訓練人工神經網絡，這樣才能得到最終可靠的權重值。對于推斷錯誤或訓練結果誤差大的樣本，系統利用參數修正學習算法得到新的網絡參數及權重值，再將其用于人工神經網絡前向計算模塊中，直至滿足誤差為止。

在選取學習樣本時，既要注意蜜桃典型癥狀的使用又要注意實際生產中癥狀表現的使用。典型癥狀是突出蜜桃病害的特點，這樣可以使網絡較快地對所有研究的對象形成概念并抽取特征；而實際生產中癥狀則更能反映具體果樹的個性特征。只有使用時結合這兩類癥狀的優點，才能提高本系統診斷精度和速度。

本系統的知識表述分為兩種：一種是將果樹專家的經驗知識形式化成規范，并存儲在知識庫中，作為推理的原始前提；另一種是通過現場歷史數據對神經網絡進行訓練，將難以形式化的專家經驗以非線性映射的形式存儲于神經網絡的節點上。推理機則在一定的規范指導下，針對不同情況用規范和神經網絡對蜜桃缺素、病蟲害進行診斷，得出可能的診斷結果，并對診斷結果進行評價和提出防治措施。

在本系統中，人工神經網絡系統在完成一個診斷實例后，可以記憶診斷過程和結果，保存到診斷規范表中。從而歸納出新的診斷規范，不斷擴充知識庫的內容，使知識庫具有自己學習功能，這是本系統與傳統專家系統的重要區別。在推理過程中，針對用戶輸入蜜桃病蟲害的癥狀表現的嚴重程度，系統自動會調整規范中各個節點的權重值，使每一個診斷可靠性得到提高，為下次正確診斷奠定了基礎。

本系統的主要優點表現在： ①由于采用人工神經網絡技術，系統很自然地實現了邏輯推理的功能，具有較強的診斷能力。②系統具有知識自己學習、便于系統擴充和容錯性強等優點。 ③人工神經網絡嵌入到傳統專家系統中，既繼承了傳統專家系統的模塊化思想，同時也延用以往的開發成果，又融進人工神經網絡的優良特性，提高了整個專家系統的智能水平。隨著計算機技術在農業領域的不斷滲透，人工神經網絡硬件和軟件的不斷發展，運用網絡模型的各種算法的不斷出現，人工神經網絡也會不斷地與專家系統進行結合，比較完善地解決基于符號的專家診斷系統所不能解決的一系列問題，有著極其廣泛的應用前景。但是人工神經網絡專家系統的集成技術還處于探索階段，其中仍有許多問題需要進一步的深入，都是需要探討的問題 。

參考文獻

[1]徐麗娜.神經網絡控制北京：電子工業出版社，2003，5-6.

[2]高雋.人工神經網絡原理及仿真實例北京：機械工業出版社，2007，10-13.

[3]李紅超 . 關于人工神經網絡的應用研究 [J]. 電腦知識術 ，2014（6）.