Комплекс программ формирования и обработки баз данных и знаний в агрономии

• Автор: Петрушин, Алексей Федорович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Санкт-Петербург
• Количество страниц: 163 с. : ил.

Содержание
Введение.

Глава 1. Информационные системы в земледелии. Состояние, проблемы и задачи развития.

1.1. Этапы развития информационных систем в земледелии

1.1.1. Первые шаги по компьютеризации сельского хозяйства.

1.1.2. Информационносправочные системы.

1.1.3. Системы поддержки технологических решений

1.2. Новые информационные технологии

1.2.1. Экспертные системы.

1.2.2. Геоинформационные технологии.

1.2.3. Распределенные информационные системы

1.3. Информационноуправляющие системы
1.4. Постановка задачи исследования.
Глава 2. Содержание и принципы построения базы данных.
2.1. Концепция баз данных.
2.1.1. Данные и ЭВМ.
2.1.2. Уровни абстракции
2.1.3. Основные модели данных и их характеристики.
2.1.4. Структура и функции системы управления базами данных
2.2. Содержание базы данных.
2.2.1. Штатная информация.
2.2.2. Специальные и нормативные данные.
2.2.3. Техникоэкономические данные.
2.3. Критерии выбора системы управления базой данных
Глава 3. Программноматематическое обеспечение ведения базы данных .
3.1. Обоснование выбора средств разработки специализированной системы управления базой данных
3.2. Структура специализированной СУБД и методология наполнения и манипулирования данными
3.2.1. Структура СУБД
3.2.2. Обеспечение функций ввода, хранения и обработки данных
3.3 Модуль сбора и обработки пространственноатрибутивных данных
3.3.1 Режим формирования пространственноатрибутивной БД.
3.3.2 Режим навигации по заданным точкам.
3.3.3 Режим управления внешними устройствами.
Глава 4. Структура и методология системной организации базы агротехнологических знаний.
4.1. Декларативные и процедурные знания
4.2. Представление агротехнологических знаний для компьютерной обработки
4.2.1 Концепция представления знаний.
4.2.2 Система представления знаний
4.2.3. Специфические требования по представлению знаний.
Глава 5. Программно математическое обеспечение обработки агротехнологических знаний
5.1.Механизм управления процессом обработки знаний в ЭВМ
5.2. Интеллектуальный редактор режим Эксперт базы знаний.
5.3. Интеллектуальный редактор режим Пользователь базы знаний
5.3.1. Блок выработки решений.
Заключение
Литература


Эта теория предполагает два основных подхода к задаче выбора оптимальных стратегий - минимаксный (игровой) и байесовский. При этом показана специфика этих подходов на примере двух основных классов математических моделей - дискретных (матричных) и непрерывных. В классе дискретных моделей главное внимание уделяется анализу альтернативных ситуаций, когда для принятия решений у пользователя имеются в соответствии с числом альтернативных прогнозов столько же хозяйственных стратегий поведения. Установленные численные соотношения позволяют обосновать требования к успешности альтернативного прогноза, исходя из заданных экономических показателей. Второй класс математических моделей предназначен для исследования проблемы принятия решений в условиях, когда влияние погоды на производственную деятельность сводится к воздействию некоторого непрерывного метеорологического фактора, а в распоряжении пользователя имеются прогнозы поведения этого фактора. Анализ результатов, получаемый с помощью рассматриваемых моделей, указывает, на что пользователю следует ориентироваться при том или ином прогнозе влияющего метеофактора на принимаемое хозяйственное решение. При нарастающем антропогенном давлении специалисту довольно трудно учесть последствия всех факторов на характер продукционного процесса. К первому уровню относятся задачи устройства севооборотов, мелиорации земель, выбора системы земледелия. На этом этапе возможен прогноз последствий принимаемых серьёзных решений, какими являются задачи первого уровня. Именно в это время чрезвычайно важно просчитать на основе имеющихся практических результатов как скажется на плодородии почв новая система земледелия или мелиорация участка. Планирование технологических операций на текущий сезон относится ко второму уровню. На этом этапе планируются уровень урожайности, система внесения удобрений и применение средств защиты растений, а также необходимый набор сельскохозяйственной техники. Оперативное управление агротсхнологическими операциями в текущем сезоне осуществляется на третьем уровне. Следует заметить, что именно возможность прогноза и объективной оценки состояния агроценоза в период вегетации при складывающейся метеообстановке делают модели наиболее привлекательными для пользователя. Содержание доступной влаги в почве, обеспеченность растений элементами питания, угроза распространения того или иного заболевания или вредителей, нарастание биомассы - все эти процессы напрямую зависят от погоды. В идеале при введении в модель метеоданных, например, раз в неделю, можно получить достоверную картину о состоянии посевов и почвы на любом участке без проведения специальных анализов. Конечно, никакая модель специалиста, принимающего решения, пока заменить не может, но с её помощью он может присчитать и оценить ситуацию. Сейчас в связи с развитием во всём мире точного земледелия ширится использование баз декларативных и процедурных знаний в земледелии с использованием иерархии математических моделей различного направления и степеней детализации [8,2,3,5,9,1]. Существующие заделы создали условия для разработки и широкого внедрения информационных систем поддержки процесса управления производством растениеводческой продукции. Дело в том, что для их разработки и реализации необходимо учесть и систематизировать огромное количество разнородных данных и сведений, как правило, описательного (декларативного) характера их разных областей сельскохозяйственной науки и производственного опыта. Трудность задачи компьютеризированной выработки агротехнологических решений усложняется ещё и тем, что в земледелии достаточно распространена ситуация, когда отсутствует однозначное решение по той или иной проблеме даже при сходных условиях, а тут ещё вмешивается ежедневно меняющаяся метеообстановка. Таким образом, речь идёт о такой предметной области знаний, где нет чётко установившейся детерминированной теории, а данные, используемые для принятия технологических решений, могут быть недостаточными (или избыточными), а иногда и противоречивыми.