基于云平臺的灌溉決策專家系統研究

何緋紅，趙 磊

（1.甘肅省特種設備檢驗檢測研究院，蘭州 730050；2.蘭州理工大學電氣工程與信息工程學院，蘭州 730050）

農業自古以來都是國家發展的重要基礎和保障，中國雖然國土遼闊、資源豐富，但是水資源匱乏卻是亟需解決的問題。中國農業用水約占用水總量的70%，但是農業水資源利用率卻只有40%［1］。因此，解決高用水、低效率的農業灌溉方式是農業發展和國家發展的重中之重，并且隨著計算機水平的不斷提高和各種技術的層出不窮，中國農業也應向現代化和信息化方向更進一步。本研究針對農業節水灌溉和信息化管理問題，將專家系統結構與集成應用服務器和數據庫服務的云平臺相結合，利用數據庫管理技術和Web應用程序開發技術實現農田灌溉決策和農業信息化管理，以期促進農業科技化、信息化，并提高農業水資源的利用效率。

1 云平臺

云計算（Cloud computing）來源于太陽電腦公司（Sun Microsystems）提出的“網絡是電腦”（The network is the computer）概念，而云平臺則是對提供云服務平臺的統稱，其發展與云計算密切相關。云平臺主要提供3種服務模式，分別為基礎設施即服務（Infrastructure as a service，IaaS）、平臺即服務（Platform as a service，PaaS）和應用即服務（Software as service，SaaS）［2］。

相較于傳統的自建服務器，云平臺對中小型企業更加友好，主要表現為：①降低了技術開發成本，使用云平臺服務比購買一般的物理硬件更加便宜；②靈活擴展IT需求，使用云平臺的企業擁有更靈活的選擇，可以按需購買相應的服務，還可以在任何時間并且花費很少的前提下停止使用現在所不需要的服務；③使企業經營更加輕松，避免企業花費大量人力、物力部署維護服務器，還可以在管理方面為企業提供更為高效的計劃；④數據訪問更加便捷，“云”帶來了更大的靈活性和移動性，使用云訪問數據可以不受時間和空間的限制；⑤更加穩定、安全，云平臺分散式的存儲結構在其中一個網站受攻擊時可以避免影響其他網頁，同時服務器出現故障時數據和文件可以自動轉移到其他機器上，避免出現數據和文件等的丟失。

2 專家系統結構

專家系統以云平臺作為服務器，以Web瀏覽器作為客戶端，其交互界面以Web頁面形式呈現。領域專家和用戶通過自己的Web瀏覽器訪問專家系統頁面，以Internet方式實現對云平臺中專家系統應用程序的請求和響應。專家系統結構如圖1所示。

圖1 專家系統結構

2.1 人機交互界面

人機交互界面是專家系統與專家系統使用者（專家、知識工程師、農戶等）進行數據交互的平臺。其功能有2點，一是向應用程序內部提交用戶輸入的問題、數據等信息，將其轉換為系統內部可處理的數據形式；二是向外將專家系統程序進行處理、計算、推理等形式得出的結果，以用戶可以理解的形式呈現給用戶。

2.2 知識獲取

知識獲取的任務是獲取專家系統所需知識，構建和擴充有效的知識庫，從而使專家系統能夠較好地幫助用戶解決領域專家才能解決的問題。目前知識獲取的方式主要有人工獲取、半自動獲取和全自動獲取3種方式。

2.3 知識庫

知識庫是用于存放專家系統推理和決策所需知識的機構，主要用來存儲領域的常規知識、專家經驗和計算模型等。知識內容來源于知識獲取機構，為推理機和解釋器提供所需知識，知識的準確性是專家系統解決問題的基礎。

2.4 綜合數據庫

綜合數據庫主要包括事實數據庫、過程數據庫和結果數據庫等，用于存儲事實信息、推理過程和結果［3］。

2.5 推理機

推理機是根據一定的推理方法和策略選擇知識庫中的知識，對用戶描述的問題進行推理的機構。推理機的性能和構造一般與知識的表示和組織方式有關，而與知識的內容無關，從而保證推理機與知識庫的相對獨立性［4］。

2.6 解釋器

解釋器是負責對系統呈現的推理結果進行解釋說明的機構，方便用戶接收和理解系統呈現的推理結果，提高系統的透明度和可信度。

3 灌溉決策系統的構建基礎

3.1 知識的表示

知識的表示是研究在計算機中如何使用最合適的形式對系統中所需要的各種知識進行組織，其與問題的性質和推理控制策略有著密切聯系［5］。目前使用較多的知識表示方法主要有謂詞邏輯表示法、產生式表示法、框架表示法、語義網絡表示法、面向對象表示法和基于本體的知識表示法等［6］。

產生式表示法是最常用的知識表示方法，其采用IF（P1∧P2∧…∧Pn）THEN（CF1，C1）||（CF2，C2）||…||（CFn，Cn）的規則結構，即如果前者條件Pi（i=1，2，3，…，n）的集合成立則推理出結果（CFi，Ci）（i=1，2，3，…，n），Ci表示推理結果，CFi表示對應的結果置信度。本研究利用此方法構建節水灌溉知識庫中的規則，如：

IF（作物=“玉米”）AND（生長階段=“拔節期”）AND（土壤類型=“沙壤土”）THEN（作物系數=0.864；計劃濕潤深度=0.2 m；土壤含水量下限=70%）。

IF（作物=“玉米”）AND（土壤類型=“沙壤土”）AND（地下水埋深=“150 m”）THEN（地下水補給系數=0.3）。

產生式表示法比較貼合人類的推理思維，便于專業人員對知識規則的理解構建，并且產生式規則之間不互相影響，模塊性好，便于調用，有利于新規則的添加和舊規則的刪改。

3.2 推理策略

推理策略的選擇要根據實際問題進行分析，結合領域專家和理論模型知識，通過對知識的匹配和檢索來完成問題的推理求解。常用的推理方式有正向推理和反向推理。正向推理為結果導向性，通過問題的描述和構建推理其產生結果。反向推理為原因導向性，通過確定其結果來反向推測其造成原因。

節水灌溉專家系統推理策略采用正向推理的方式，結合農田水平衡理論和灌溉預報決策模型，實現

對灌溉時間和灌溉量相關的推理決策任務，節水灌溉決策推理網絡如圖2所示。

圖2 節水灌溉決策推理網絡

3.3 灌溉預測模型

3.3.1 水平衡方程 農田的灌溉預測模型基于農田中土壤-植物-大氣組成的連續體水平衡原理，即一定時間、一定（農田）土層內的水分收支差額［7］，是對農田水分收入、支出和儲存各項的結算。在農田灌溉的實踐生產中，要保持農田作物最大根系活動層的水量收支平衡，滿足作物生長所需水分。農田中作物所需水分收入主要來自人工灌溉、自然降水和地下水補給量，農田水分支出則主要有土壤深層滲透量、地面徑流量和作物蒸騰量，二者的差值即為時段內的土壤儲水變化量。即：

式中，I為灌水量（mm），P為降水量（mm），G為地下水補給量（mm），ET為作物蒸發蒸騰量（mm），D為深層滲漏量（mm），R為地面徑流量（mm），ΔW為土壤儲水變化量（mm）。

對農田管理和灌溉方式進行改進，盡量避免土壤的深層滲漏和地面徑流，并只對相關變量的有效部分進行決策，式（1）可簡化為：

式中，In為有效灌水量（mm），Pe為有效降水量（mm），Gn為地下水有效補給量（mm），ASW為有效儲水變化量（mm）。

灌溉預測具有較強的針對性，本研究根據農田的作物特性及其所在地理位置、土壤條件、氣候特點，以及監測指標的可達性、準確性、精度等內容選擇相應的決策模型。

3.3.2 灌溉預報模型 灌溉預報模型用來確定灌溉時間間隔t，其模型由農田水平衡方程式（2）轉換而來，具體公式如下：

在時間段內無灌溉時可由式（3）得：

式中，ETC為作物需水量（mm/d），Ge為地下水補給量（mm/d）。通過灌溉預測模型指導農業灌溉，可以避免以往農戶根據自己的經驗所造成的不能及時灌溉或過量灌溉等諸多問題。

3.3.3 定量灌溉決策模型 定量灌溉決策的功能是對灌溉量m的確定，其數學模型為：

式中，n為土壤容重（g/cm3），H為土壤計劃濕潤層的深度（m），θmax為作物生長允許含水率上限（%），θmin為作物生長允許含水率下限（%）。

4 節水灌溉專家系統的實現

節水灌溉專家系統使用微軟.NET Framework框架的ASP.NET技術在云平臺服務器上進行B/S結構的應用程序開發與發布，同時使用Microsoft SQL Server 2014軟件進行數據庫管理，二者均為微軟公司的開發應用技術，可以很方便地進行對接和實現，便于本系統的開發、維護和實現。

4.1 數據庫設計

數據庫設計的目的在于實現專家系統知識庫和綜合數據庫的構建。知識庫主要包括規則庫和模型庫的構建，綜合數據庫即對基本信息和實時采集的數據進行存儲。

基本數據庫存儲相對穩定即隨時空變化不大的數據。如用戶信息表、農田信息表、作物信息表、地理信息表、土壤信息表和傳感器信息表等。實時數據庫存儲隨時空變化較大的數據，如農田實時采集信息表和氣象信息表等。規則庫存儲領域專家經驗和農業科學轉換成的計算機可識別的規則，如作物生長階段規則表、降雨系數規則表和地下水補給系數規則表等。部分數據表設計見圖3。

圖3 部分數據表設計

4.2 功能設計

對節水灌溉應用程序進行模塊化設計，其功能可大致分為系統登錄、實時數據監測、歷史數據查詢與分析、數據信息管理和灌溉決策5大功能模塊，功能模塊框如圖4所示。

圖4 功能模塊框

4.2.1 系統登錄 登錄模塊是進入系統的惟一通道，為了保證系統的安全性，只有通過驗證的用戶才能訪問和使用節水灌溉專家系統應用程序，同時在系統的每個頁面都加入用戶登錄狀態驗證，若無用戶登錄則轉入登錄頁面進行登錄。

4.2.2 實時數據監測 實時數據監測模塊以表格形式顯示農田最新的采集信息和設備狀態信息，網頁頁面通過Ajax技術實現頁面定時刷新，實現數據的動態顯示。同時該模塊對數據的值和設備狀態進行報警監測，一旦參數信息超出閾值或設備狀態異常，將對用戶進行報警提醒。

4.2.3 歷史數據查詢與分析 歷史數據查詢模塊主要對農業實時采集的農田監測數據、灌溉記錄、報警記錄等進行數據查詢，用戶可通過時間范圍和農田編號等進行選擇性查詢，查詢的數據以表格形式呈現。歷史數據分析將相應數據以折線圖、柱狀圖和餅狀圖3種形式進行直觀顯示，如對灌水量進行月、季度、年的數據分析，對農田采集的土壤水分和土壤溫度進行24 h的變化分析等。

4.2.4 數據信息管理 數據是軟件實現分析和決策的原材料，數據信息管理模塊主要實現對農田基本信息、設備信息、決策規則信息以及用戶信息等的修改、添加。當田間作物或設備更換時，及時修改相關信息，當新的作物種類增加時，及時增加相關規則信息等。用戶信息即對個人資料（郵箱、電話、地址等）和登錄信息（用戶名、用戶密碼）進行修改。

4.2.5 灌溉決策 灌溉決策主要對農田的灌溉進行決策指導，通過決策模塊確定農田作物“缺不缺水”“需要灌溉多少水量”“何時進行灌溉”等問題，這些決策保障作物及時獲取所需水分，并且起到“缺多少用多少”的節水灌溉作用。通過灌溉相關模型得知，要想精確決策出灌溉量和灌溉時間，就需要通過大量相關參數（作物信息、土壤信息、氣象信息）進行對應模型計算，再反饋給用戶結果。因此，當決策頁面進行表單式設計時，需要用戶填寫相關參數或直接通過數據信息表進行查詢導入，獲得所需參數數值并計算決策，實現專家級灌溉決策的指導。

5 功能測試

5.1 訪問測試

為了測試網頁的功能，本研究在谷歌、火狐、IE等主流瀏覽器上分別進行訪問測試，結果顯示，訪問速度、功能使用、顯示均較優良。

5.2 灌溉決策測試

灌溉決策功能通過對2處玉米農田現有的信息數據進行決策，將決策結果與2位農業專家的評測進行對比，結果表明其偏差在±10%左右，可以用于作物的灌溉決策，灌溉決策對比如表1所示。

表1 灌溉決策對比

6 小結

本研究針對節水灌溉和農業信息化管理問題，介紹了以云平臺為應用服務器和數據庫服務器的專家系統結構，根據系統需求，以產生式知識表示法、正向推理策略和以水平衡理論為基礎的灌溉決策模型為專家系統理論基礎，以微軟的ASP.NET技術和SQL Server數據庫實現B/S結構的專家系統應用程序開發，使用戶能夠脫離時間和空間限制，在有網絡的地方即可實現對農業灌溉的決策設置和信息化管理，進一步推動中國農業科技化、信息化、高效化的發展。結果表明，基于云平臺的灌溉決策專家系統通過現有的主流瀏覽器對應用程序進行訪問性測試，能夠實現農田實時數據監測、歷史數據查詢與分析、短信報警、數據信息管理和灌溉決策等功能，訪問性良好且數據管理方便，通過與幾位專家評估對比發現灌溉決策量偏差在±10%左右，符合灌溉要求。

此外，本研究由于需要構建知識庫和數據庫，因此需要龐大的數據樣本作為參考，前期對數據整理和歸納需要投入較多時間，且較依賴農業專家的經驗和知識。但隨著數據量和知識庫的豐富，未來可進一步在系統中引入神經網絡模型逐步擺脫對農業專家的依賴，并進一步提高預測的精準度。