主办单位: 共青团中央   中国科协   教育部   中国社会科学院   全国学联  

承办单位: 贵州大学     

基本信息

项目名称:
基于JSP的寒地大豆生产决策系统
小类:
信息技术
简介:
黑龙江省土地辽阔,是我国主要的粮食生产基地,大豆在粮食作物中的地位举足轻重。本系统考虑到农作物的种类、耕地条件及自然气候环境等多种生产因素,利用模糊推理机、REBFDSS模型库、基于规则表示的知识库和存放多种规划算法的方法库,通过网络直接把最先进、合理的生产方案送给农民,指导农民进行生产作业,从而实现了由经验决策向科学决策的转变。
详细介绍:
论文名称:《基于JSP的寒地大豆生产决策系统》 参赛者:李晓、张鑫 指导教师:杨宇姝(东北农业大学 工程学院,黑龙江 哈尔滨150030) 该论文是分别在黑龙江省中部种植区(海伦),西部种植区(讷河),东部种植区(虎林),北部种植区(五大连池),南部种植区(宾县)等5个县市,进行的多个大田比较试验基础上,结果表明,为农户大豆生产提出科学、合理的技术方案,实现了大豆种植最大经济效益的目的。

作品专业信息

撰写目的和基本思路

黑龙江省大豆播种面积占全国四分之一,长期以来,我省农村盲目施肥现象普遍,这不仅造成农业生产成本增加,而且带来严重的环境污染,威胁农产品质量安全。 该系统是以 “生态平衡施肥(EBF)”方法为基础,在施肥系统养分循环原理 “通用施肥模型(GFM)”基础之上构造的基于网络环境的决策支持系统。主要研究内容:① 决策系统的实现;② 平衡施肥推理机制的实现;③ 生态平衡施肥技术体系的研究

科学性、先进性及独特之处

①根据生态平衡施肥原理,利用基于意向的神经网络快速推理控制策略,实现模仿农业专家的推理过 程,直观形象地提供大豆田间管理的决策服务。 ②系统设计本着业务逻辑和数据存储相分离的原则,利用软件复用、软构件和JSP技术,构建B/W/D的三层式智能化、网络化、构件化的在线决策平台。 ③将农业灌溉、施肥等专家的知识经验,利用“规则+模型”的形式高度集成,通过计算机表达出来,解决知识获取“瓶颈”问题。

应用价值和现实意义

本系统是一个“永远不走的专家”,可指导农户科学合理的实现平衡补充养分、改良培肥土壤,发挥中低产的增产潜力,降低生产成本,保护农业生态环境;可使农户根据市场做出科学决策,实现农业生产、管理和经营的科学化,实现大豆增产增收和集约经营。该成果的推广和应用,可提高我省农业作物生产的水平,推动农业信息技术的现代化,有显著的社会、生态和经济效益。它的技术体系符合中国国情和未来施肥技术的发展趋势,与国际接轨。

学术论文摘要

根据寒地大豆生长发育的特点,探讨土壤水分和养分对寒地大豆生长发育、产量的影响,建立产量与土壤、气候和水肥等因子组成的规则模型。采用VC、JSP 、VB等面向对象的技术构建大豆生产决策系统,分别在黑龙江省中部种植区(海伦),西部种植区(讷河),东部种植区(虎林),北部种植区(五大连池),南部种植区(宾县)等5个县市,进行的多个大田比较试验,结果表明,为农户大豆生产提出科学、合理的技术方案,实现了大豆种植最大经济效益的目的。 关键词:大豆;JSP; 推理机;决策系统

获奖情况

未发表

鉴定结果

未鉴定

参考文献

[1]吕新,陈彦,原俊凤.基于WebGIS的棉田土壤肥力信息管理及施肥决策系统[J].土壤通报,2005, 36(4): 427-430. [2] 薛亮,周春菊等.夏玉米交替灌溉施肥的水氮耦合效应研究[J].农业工程学报. 2008.24 (3): 91-94 [3] 冯素伟,陈利.作物栽培专家系统的应用与发展[J]. 安徽农业科学,2007, 35(10): 3120-3121. [4] 盛建东,蒋平安.基于GIS的区域土壤养分管理与作物推荐施肥信息系统研究[J].土壤,2002, (2): 77-81. [5] 季晓慧, 黄拙, 张健. 约束求解与优化技术的结合[J]. 计算机学报. 2005.28(11): 1790-1797 [6]董景荣.基于模糊推理的建模研究[J].控制理论与应用,2001,18(3):15-18 [7]候彦林.生态平衡施肥的理论基础和技术体系[J].生态学报,2000,20(4):133-139 [8]潘大丰,程季珍,李 群,等.蔬菜施肥专家系统[J].华北农学报,2000,15(3):118-121. [9]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2007. [10]耿祥义,张跃平.JS P实用教程「M}.北京:清华大学出版社,2007.

同类课题研究水平概述

对农业来说,智能决策支持系统应该包括作物模拟及其与人工智能技术的有机结合。作物建模是指建立土壤-作物-大气系统模型,用于定量描述不同土壤、大气环境下的作物阶段发育、器官发生和生长、光合产物的积累和分配、土壤水分平衡和养分平衡等过程。作物模拟最主要的作用是动态预测,其缺点是不能直接为用户进行判断决策。人工智能技术在农业领域中的应用主要表现为专家系统。专家系统能够以知识为基础,进行推理决策,但其缺点是不能预测系统的状况和走向。 从作物模拟的角度来讲,国内外有许多成功的例子。国外如美国、荷兰等国家80 年代提出作物模型都能完整描述和预测作物生长和产量形成的全过程。国内在引进吸收国外优秀的模拟模型基础上,也先后提出了小麦、玉米、水稻、棉花等模拟模型和优化栽培系统。 从专家系统的角度来讲,国内外也有许多成功的例子。国外如美国的土壤侵蚀控制专家系统、温室控制专家系统等等。国内如专项性的“砂浆黑土小麦施肥专家系统”;综合性的“冀北小麦专家系统等。 如前所述,作物模拟的主要功能是动态预测,它的缺点是不具备决策功能。专家系统虽然能够进行推理决策,但却不能预测系统的状况和走向。因此近年来综合利用作物模拟的预测功能及专家系统的决策功能,已经成为智能农业的研究热点。将二者有机结合不仅能够充分利用专家系统具有的描述性和决策性,而且还可以发挥作物模拟具有的系统性和预测性优势。利用模拟试验所预测的结果,结合专家知识体系中的系统指标特征,可选择最佳处理方案,进行动态的科学决策,从而更好地服务于作物 管理的科学化和定量化。这种结合是未来作物信息技术发展的必然趋势。但将二者有机地结合起来并成功地应用于生产实践中的例子并不多。 国内将作物模拟与专家系统成功结合的例子并不多,且多处于测试、检验阶段。国内唯一一个已经通过测试、检验并在一定区域内获得成功推广应用的智能决策支持系统就是中国农业科学院科技文献信息中心研制的“小麦-玉米连作智能决策系统”。该系统是针对我国粮食主产区小麦-玉米周年连作地区的生产特性,应用系统工程理论、计算机模拟、人工智能、网络、模拟可视化、软构件、数据库和多媒体技术,研究开发的以单作模型为内核的小麦-玉米连作智能决策系统。用于分析小麦-玉米连作地区的农业资源利用、品种合理搭配、播期选择、经济效益和水、氮管理等问题,能根据用户的选择,进行智能决策
建议反馈 返回顶部
Baidu
map