知识网格环境下基于动态数据挖掘与案例推理的农作物生物灾害预决策方法

目前农作物生物灾害的预测，主要是采用专家系统法。此类方法由于技术、机制和理论方法本身缺陷，使得现有方法在拟合度、实时性和实际推广应用上都存在极大的局限。提出在知识网格环境下，利用动态数据挖掘技术、案例推理和多维数据智能分析等人工智能技术，研究农作物生物灾害领域智能预决策支持方法。从建立预测所需的知识提供服务入手，研制以农作物生物灾害预决策领域知识为主体的一体化知识获取、管理与服务系统，实现多维、动态、异质异构数据融合服务以及面向多合作伙伴的知识集成与共享。着重研究基于多维业务数据智能分析技术（OLAM），构建基于数据流挖掘和案例推理的智能预决策模型。该方法具有动态实时预测能力、拟合度高，将极大的解决传统专家系统所面临的突出问题。本课题的研究成果除具有较高的理论价值，还具有一定的普适性，将积极推动现代信息技术在生物灾害测报领域的进一步发展，并可广泛地推广与应用到具有相似应用背景的领域。