時(shí)間：2023-04-01 10:07:37
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇智能農(nóng)業(yè)論文，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
關(guān)鍵詞：地理信息系統(tǒng)，專家系統(tǒng)，智能決策支持系統(tǒng)
圖1 馬常杰、陳守余提出的G-IDSS參考模型框架
3.結(jié)語
智能決策支持系統(tǒng)既發(fā)揮了專家系統(tǒng)以知識(shí)推理形式解決定性分析問題的特點(diǎn)，又充分利用了決策支持系統(tǒng)以模型計(jì)算為核心的解決定量分析問題的特點(diǎn)，將定性分析和定量分析有機(jī)的結(jié)合起來，使解決問題的能力得到進(jìn)一步的提高。但是它不能直觀、精確而靈活地描述組織對(duì)象的位置布置、空間分布等地理信息，也不能描述組織對(duì)象所處的自然環(huán)境和社會(huì)環(huán)境信息。精準(zhǔn)農(nóng)業(yè)實(shí)現(xiàn)的全過程均依賴于地理信息。論文參考網(wǎng)。論文參考網(wǎng)。因此，針對(duì)精準(zhǔn)農(nóng)業(yè)的特點(diǎn)，將GIS和IDSS結(jié)合起來，輔助決策分析是至關(guān)重要的。
地理信息是實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)的核心系統(tǒng)，它管理所有的農(nóng)業(yè)信息，并對(duì)空間信息進(jìn)行分析，對(duì)精準(zhǔn)農(nóng)業(yè)實(shí)施給出精準(zhǔn)的作業(yè)方案。論文參考網(wǎng)。我國基于計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)的GIS軟件在城市建設(shè)、農(nóng)田規(guī)劃和土壤養(yǎng)分管理方面已廣泛應(yīng)用。目前研究的關(guān)鍵問題是開發(fā)出具有自主產(chǎn)權(quán)的用于精準(zhǔn)農(nóng)業(yè)的基于計(jì)算機(jī)網(wǎng)絡(luò)農(nóng)田管理決策系統(tǒng)。將GIS與IDSS相結(jié)合，發(fā)揮各自優(yōu)勢(shì)，使計(jì)算機(jī)技術(shù)在農(nóng)業(yè)中的應(yīng)用更加實(shí)用化、智能化，對(duì)于提高農(nóng)業(yè)現(xiàn)代化的科學(xué)性和工作效益將有深遠(yuǎn)的意義。
【參考文獻(xiàn)】
[1]張偉.智能決策支持系統(tǒng)( IDSS) 研究綜述.現(xiàn)代商貿(mào)工業(yè),2009年第14期
[2]孔祥強(qiáng).GIS與ES的結(jié)合及在精確農(nóng)業(yè)中的應(yīng)用.信息技術(shù)與信息化,2007.1
[3]吳雨華.國內(nèi)外智能決策系統(tǒng)的發(fā)展概況及推廣應(yīng)用.農(nóng)業(yè)與技術(shù),2005年1月
[4]張衛(wèi)建,卞新民,柯建國等.基于網(wǎng)絡(luò)GIS 的區(qū)域農(nóng)業(yè)決策支持系統(tǒng)的集成思路與方法.南京農(nóng)業(yè)大學(xué)學(xué)報(bào),2000,23 (2):23～26
[5]鄭文鐘,何勇,張玉林.基于GIS的農(nóng)業(yè)機(jī)械化決策支持系統(tǒng)的研究.浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版) 31(3):329-332,2005
[6]馬常杰,陳守余.基于GIS的IDSS模型研究.計(jì)算機(jī)與現(xiàn)代化,2003年第2期
[7]周勇,田有國,任意等.基于GIS 的區(qū)域土壤資源管理決策支持系統(tǒng).系統(tǒng)工程理論與實(shí)踐,2003年3月
[8]劉書華,楊曉紅,蔣文科等.基于GIS的農(nóng)作物病蟲害防治決策支持系統(tǒng).農(nóng)業(yè)工程學(xué)報(bào),2003.7
[9]周舟,王秀,王俊,閻波杰.基于GIS的變量噴藥決策支持系統(tǒng).農(nóng)業(yè)工程學(xué)報(bào),2008年9月
[10]張梅,文靜華.基于分布式Web-GIS的農(nóng)業(yè)決策支持系統(tǒng)研究.安徽農(nóng)業(yè)科學(xué),2010,38(5):2737-2738
[11]張東彥,楊武德,馮美臣.專家系統(tǒng)在我國農(nóng)業(yè)上的應(yīng)用現(xiàn)狀、存在問題和發(fā)展趨勢(shì).農(nóng)業(yè)網(wǎng)絡(luò)信息,2007年第2期
[12]夏敏,張佳寶,趙小敏等.基于的土地適宜性評(píng)價(jià)決策支持系統(tǒng)研究與應(yīng)用.農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究,2006年11月
[13]郭銀巧,李存東,趙春江等.玉米栽培理論及智能決策系統(tǒng)的研究進(jìn)展.2005,13(1):95~98,102
[14]楊長保,吳秀媛,馬生.基于GIS的專家系統(tǒng)及其在農(nóng)業(yè)宏觀決策中的應(yīng)用研究.吉林農(nóng)業(yè)大學(xué)學(xué)報(bào),2004 ,26 (1) :111～115
[15]陳文偉.決策支持系統(tǒng)及其開發(fā).電子工業(yè)出版社,1998
[16]夏安邦.決策支持系統(tǒng)引論.同濟(jì)大學(xué)出版社,1991
摘要……………………………………………………………………………………Ⅰ
英文摘要………………………………………………………………………………Ⅱ
1“數(shù)字農(nóng)業(yè)”的內(nèi)涵…………………………………………………………1
2國外“數(shù)字農(nóng)業(yè)”關(guān)鍵技術(shù)發(fā)展與應(yīng)用……………………………………………1
2.1美國………………………………………………………………………………………1
2.2英國………………………………………………………………………………………2
2.3德國………………………………………………………………………………………2
3我國發(fā)展“數(shù)字農(nóng)業(yè)”的緊迫性…………………………………………………2
4“數(shù)字農(nóng)業(yè)”的發(fā)展趨勢(shì)………………………………………………………………3
4.1農(nóng)業(yè)生產(chǎn)全流程智能化將逐步成為現(xiàn)…………………………………………………3
4.2農(nóng)產(chǎn)品流通電商化發(fā)展將更加迅猛……………………………………………………3
4.3農(nóng)業(yè)多元化公共服務(wù)將更加完善………………………………………………………4
5 “數(shù)字農(nóng)業(yè)”的實(shí)踐策略……………………………………………………………4
5.1實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村業(yè)務(wù)數(shù)字化和可視化……………………………………………………4
5.2推動(dòng)數(shù)字農(nóng)業(yè)技術(shù)創(chuàng)新…………………………………………………………………5
5.3提高農(nóng)業(yè)農(nóng)村經(jīng)營管理數(shù)字化水平…………………………………………………5
結(jié)語…………………………………………………………………………………………6
致謝………………………………………………………………………………………7
參考文獻(xiàn)……………………………………………………………………………………8
摘 要
數(shù)字農(nóng)業(yè)是將信息作為農(nóng)業(yè)生產(chǎn)要素，用現(xiàn)代信息技術(shù)對(duì)農(nóng)業(yè)對(duì)象、環(huán)境和全過程進(jìn)行可視化表達(dá)、數(shù)字化設(shè)計(jì)、信息化管理的現(xiàn)代農(nóng)業(yè)。數(shù)字農(nóng)業(yè)使信息技術(shù)與農(nóng)業(yè)各個(gè)環(huán)節(jié)實(shí)現(xiàn)有效融合，對(duì)改造傳統(tǒng)農(nóng)業(yè)、轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式具有重要意義。本文總結(jié)了國外“數(shù)字農(nóng)業(yè)”關(guān)鍵技術(shù)發(fā)展與應(yīng)用,結(jié)合我國發(fā)展數(shù)字農(nóng)業(yè)的緊迫性與當(dāng)前數(shù)字農(nóng)業(yè)的發(fā)展趨勢(shì),對(duì)我國“數(shù)字農(nóng)業(yè)”的發(fā)展提出了幾條實(shí)踐策略。
關(guān)鍵詞：數(shù)字農(nóng)業(yè)；農(nóng)業(yè)信息化；發(fā)展策略
Abstract
Content:Digital agriculture is a kind of modern agriculture that takes information as agricultural production elements, uses modern information technology to express agricultural objects, environment and the whole process visually, digital design and information management. Digital agriculture makes the information technology and all aspects of agriculture achieve effective integration, which is of great significance to the transformation of traditional agriculture and the transformation of agricultural production mode. This paper summarizes the development and application of the key technologies of "digital agriculture" in foreign countries. Combined with the urgency of developing digital agriculture in China and the current development trend of digital agriculture, several practical strategies are put forward for the development of "digital agriculture" in China.
Key words:Digital agriculture; agricultural informatization; development strategy
淺析“數(shù)字農(nóng)業(yè)”發(fā)展趨勢(shì)與策略
1“數(shù)字農(nóng)業(yè)”的內(nèi)涵
“數(shù)字農(nóng)業(yè)”是農(nóng)業(yè)數(shù)字經(jīng)濟(jì)的重要實(shí)踐。當(dāng)前，學(xué)術(shù)界和工業(yè)界尚未能夠?qū)?shù)字農(nóng)業(yè)形成統(tǒng)一的定義。通用名稱包括信息農(nóng)業(yè)，精確農(nóng)業(yè)，“ Internet + 農(nóng)業(yè)”等等。本文中提到的數(shù)字農(nóng)業(yè)基于農(nóng)業(yè)信息化，在農(nóng)業(yè)鏈的所有環(huán)節(jié)中都強(qiáng)調(diào)了下一代信息技術(shù)的重要作用，代表了農(nóng)業(yè)產(chǎn)業(yè)的新視野。現(xiàn)代農(nóng)業(yè)與信息化的緊密結(jié)合使可以充分利用數(shù)字技術(shù)。數(shù)字技術(shù)在促進(jìn)農(nóng)業(yè)發(fā)展方面發(fā)揮著重要作用，并且不斷的提高現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)的數(shù)字化水平，支持農(nóng)村戰(zhàn)略的實(shí)施。
2國外“數(shù)字農(nóng)業(yè)”關(guān)鍵技術(shù)發(fā)展與應(yīng)用
2.1美國
美國完善的農(nóng)業(yè)產(chǎn)業(yè)基礎(chǔ)和數(shù)字技術(shù)體系促進(jìn)農(nóng)業(yè)發(fā)展。美國數(shù)字農(nóng)業(yè)發(fā)展建立在農(nóng)業(yè)生產(chǎn)高度專業(yè)化、規(guī)?；?、企業(yè)化的基礎(chǔ)上，已經(jīng)建成了完善的現(xiàn)代農(nóng)業(yè)技術(shù)應(yīng)用與管理系統(tǒng)。自20世紀(jì)90年代起，美國已開始應(yīng)用數(shù)字農(nóng)業(yè)技術(shù)，包括應(yīng)用遙感技術(shù)對(duì)作物生長過程進(jìn)行檢測(cè)和預(yù)報(bào)、在大型農(nóng)機(jī)上安裝GPS設(shè)備、應(yīng)用GIS處理和分析農(nóng)業(yè)數(shù)據(jù)等，對(duì)大田作物進(jìn)行生產(chǎn)前、中、后期的全面監(jiān)測(cè)與管理。在21世紀(jì)初已經(jīng)實(shí)現(xiàn)“3S”技術(shù)、智能機(jī)械系統(tǒng)和計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)在大農(nóng)場(chǎng)中的綜合應(yīng)用，智能機(jī)械已經(jīng)進(jìn)入商品化階段。如JohnDeere公司的“綠色之星”精準(zhǔn)農(nóng)業(yè)系統(tǒng)，基于物聯(lián)網(wǎng)技術(shù)與“3S”技術(shù)搭建的新型精準(zhǔn)農(nóng)業(yè)管理系統(tǒng)，用以進(jìn)行精細(xì)農(nóng)作、農(nóng)機(jī)管理、農(nóng)藝管理和計(jì)劃管理，可繪制農(nóng)場(chǎng)產(chǎn)量的“數(shù)字地圖”，在機(jī)械化生產(chǎn)大農(nóng)場(chǎng)中的市場(chǎng)占有率達(dá)到了65％以上。在大數(shù)據(jù)、物聯(lián)網(wǎng)等數(shù)字技術(shù)飛速發(fā)展的助推下，美國數(shù)字農(nóng)業(yè)技術(shù)已與農(nóng)業(yè)生產(chǎn)的產(chǎn)前、產(chǎn)中、產(chǎn)后形成緊密銜接，應(yīng)用范疇覆蓋從作物生長的微觀監(jiān)測(cè)到宏觀農(nóng)業(yè)經(jīng)濟(jì)分析。此外，美國也已形成完善的技術(shù)服務(wù)組織網(wǎng)絡(luò)，美國服務(wù)類企業(yè)與公益機(jī)構(gòu)可為經(jīng)營主體提供較為完善的技術(shù)服務(wù)，例如美國農(nóng)業(yè)技術(shù)服務(wù)組織（FSA）為農(nóng)民提供豐富的信息。
2.2英國
英國信息化技術(shù)應(yīng)用助推精準(zhǔn)農(nóng)業(yè)。信息化技術(shù)推動(dòng)英國農(nóng)業(yè)向數(shù)字化、智能化、精準(zhǔn)化的方向發(fā)展。英國農(nóng)村地區(qū)信息化基礎(chǔ)設(shè)施完備，互聯(lián)網(wǎng)、4G信號(hào)已實(shí)現(xiàn)基本覆蓋。在此基礎(chǔ)上，精準(zhǔn)農(nóng)業(yè)技術(shù)得以實(shí)現(xiàn)在農(nóng)業(yè)的全方位應(yīng)用，如借助遙感技術(shù)進(jìn)行作物生產(chǎn)監(jiān)測(cè)與產(chǎn)量預(yù)報(bào)、農(nóng)業(yè)資源調(diào)查、農(nóng)業(yè)生態(tài)環(huán)境評(píng)價(jià)和災(zāi)害監(jiān)測(cè)等；英國Massey Ferguson公司研發(fā)的“農(nóng)田之星”信息管理系統(tǒng)，借助傳感識(shí)別技術(shù)和GPS技術(shù)能夠更為精準(zhǔn)地進(jìn)行種植和養(yǎng)殖作業(yè)、數(shù)據(jù)記錄分析和制定解決方案；智能機(jī)械已基本裝備衛(wèi)星定位系統(tǒng)、電腦控制和軟件應(yīng)用系統(tǒng)，能夠根據(jù)不同位置、不同質(zhì)量的地塊情形實(shí)現(xiàn)自動(dòng)化、精準(zhǔn)化、變量化作業(yè)，同時(shí)可以采集作物信息用以制作電子地圖和調(diào)整生產(chǎn)策略。2013年英國啟動(dòng)《農(nóng)業(yè)技術(shù)戰(zhàn)略》，提出了應(yīng)用大數(shù)據(jù)、物聯(lián)網(wǎng)技術(shù)和智能技術(shù)進(jìn)一步發(fā)展精準(zhǔn)農(nóng)業(yè)，從而提升農(nóng)業(yè)生產(chǎn)效率，如借助GateKeeper專家系統(tǒng)提供輔助決策和農(nóng)場(chǎng)管理、LELY擠奶機(jī)器人等智能化設(shè)備在養(yǎng)殖場(chǎng)中的應(yīng)用、自動(dòng)感知技術(shù)在施肥施藥機(jī)械上的應(yīng)用、二維碼技術(shù)在農(nóng)產(chǎn)品產(chǎn)銷環(huán)節(jié)的廣泛應(yīng)用等。
2.3德國
德國關(guān)鍵技術(shù)與設(shè)備的積極研發(fā)與推廣。在歐盟農(nóng)業(yè)共同政策對(duì)數(shù)字農(nóng)業(yè)的支持下，德國積極發(fā)展高水平數(shù)字農(nóng)業(yè)，在農(nóng)業(yè)生產(chǎn)高度機(jī)械化的基礎(chǔ)上，建立完善的計(jì)算機(jī)支持和輔助決策系統(tǒng)，提供數(shù)字農(nóng)業(yè)綜合解決方案。德國投入大量資金與人力支持?jǐn)?shù)字農(nóng)業(yè)核心技術(shù)與智能設(shè)備研發(fā)，并由大型企業(yè)牽頭，如德國拜耳公司投資2 億歐元支持?jǐn)?shù)字農(nóng)業(yè)布局，已在60多個(gè)國家提供數(shù)字化解決方案，并旗下Xarvio品牌推廣數(shù)字農(nóng)業(yè)，通過XarvioScouring識(shí)別系統(tǒng)高效識(shí)別和分析作物生長和病蟲害信息，幫助農(nóng)民優(yōu)化田塊單獨(dú)管理和農(nóng)田統(tǒng)籌優(yōu)化。擁有百年歷史的德國農(nóng)業(yè)機(jī)械制造商CLAAS集團(tuán)結(jié)合第四代移動(dòng)通信技術(shù)和傳感器技術(shù)，實(shí)現(xiàn)收割過程的全面自動(dòng)化。
3我國發(fā)展“數(shù)字農(nóng)業(yè)”的緊迫性
今年雖然受到疫情影響，但我國大部分農(nóng)產(chǎn)品仍然是一個(gè)“大年”，怎樣解決需求下降、部分市場(chǎng)關(guān)閉、物流受阻等難題，把農(nóng)貨順利賣出去，讓農(nóng)民實(shí)現(xiàn)豐產(chǎn)又豐收？加速數(shù)字農(nóng)業(yè)發(fā)展是不二法門。
農(nóng)業(yè)長期保持著傳統(tǒng)形態(tài)，技術(shù)進(jìn)步一直較慢，特別是進(jìn)入信息化時(shí)代后，農(nóng)業(yè)技術(shù)滯后帶來的產(chǎn)業(yè)發(fā)展差距愈發(fā)顯著。隨著數(shù)字經(jīng)濟(jì)的興起，越來越多的領(lǐng)域引入互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)，實(shí)現(xiàn)了智能化、數(shù)字化重塑，生產(chǎn)率大幅度提高。2019 年，我國服務(wù)業(yè)、工業(yè)數(shù)字經(jīng)濟(jì)滲透率分別為 37.8%、19.5%，但農(nóng)業(yè)只有 8.2%，數(shù)字化改造的空間很大，需盡快趕上信息社會(huì)的發(fā)展步伐。
農(nóng)業(yè)數(shù)字化轉(zhuǎn)型是農(nóng)業(yè)現(xiàn)代化的必然選擇，也是破解目前農(nóng)業(yè)難題的一劑良方，瞄準(zhǔn)這個(gè)主攻方向，無疑將為農(nóng)業(yè)高質(zhì)量發(fā)展提供新動(dòng)能，給予農(nóng)民更多獲得感。對(duì)廣大農(nóng)民來講，農(nóng)產(chǎn)品銷售難的問題最頭疼，常常遭遇“多收了三五斗”的尷尬。可以說，農(nóng)業(yè)數(shù)字化水平滯后，農(nóng)產(chǎn)品質(zhì)量不穩(wěn)定、難以標(biāo)準(zhǔn)化、產(chǎn)銷信息不對(duì)稱等是導(dǎo)致農(nóng)產(chǎn)品銷售難的主因。顯然，加快技術(shù)與傳統(tǒng)農(nóng)業(yè)的融合，打造數(shù)字農(nóng)業(yè)，對(duì)產(chǎn)業(yè)鏈進(jìn)行全方位的數(shù)字化改造，使得傳統(tǒng)農(nóng)業(yè)脫胎換骨，插上科技的翅膀騰飛，已成為農(nóng)業(yè)發(fā)展新趨勢(shì)。
4“數(shù)字農(nóng)業(yè)”的發(fā)展趨勢(shì)
4.1農(nóng)業(yè)生產(chǎn)全流程智能化將逐步成為現(xiàn)實(shí)
物聯(lián)網(wǎng)技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)設(shè)施和設(shè)備領(lǐng)域中的應(yīng)用極大地提高了現(xiàn)代農(nóng)業(yè)生產(chǎn)設(shè)施和設(shè)備的數(shù)字和智能水平，實(shí)現(xiàn)了整個(gè)農(nóng)業(yè)生產(chǎn)過程的數(shù)字化控制，實(shí)現(xiàn)了農(nóng)業(yè)智能化生產(chǎn)和管理。它可以解決由托管服務(wù)流程引起的一系列問題。在種植業(yè)中，重點(diǎn)是如何精確控制生產(chǎn)環(huán)節(jié)，例如育苗，播種，施肥，灌溉和病蟲害防治。當(dāng)前，荷蘭，日本，以色列和其他國家正在使用大數(shù)據(jù)，人工智能和信息技術(shù)來促進(jìn)數(shù)字化，精確化和智能化作物種植的發(fā)展。
4.2農(nóng)產(chǎn)品流通電商化發(fā)展將更加迅猛
電子商務(wù)的飛速發(fā)展為農(nóng)產(chǎn)品流通提供了新的平臺(tái)和基礎(chǔ)。例如，美國著名的新鮮食品電子商務(wù)公司LocalHarvest是一個(gè)平臺(tái)，該平臺(tái)整合了有機(jī)農(nóng)業(yè)的上下游，并連接了中小型農(nóng)場(chǎng)和消費(fèi)者。LocalHarvest平臺(tái)基于從相關(guān)農(nóng)場(chǎng)收集的基本信息來支持地圖搜索系統(tǒng)，使消費(fèi)者能夠搜索本地社區(qū)周圍的農(nóng)場(chǎng)并購買難以保存的新鮮農(nóng)產(chǎn)品，例如蔬菜和禽蛋。農(nóng)產(chǎn)品在快速物流系統(tǒng)下，可以快速送到消費(fèi)者家中，從而大大提高農(nóng)產(chǎn)品物流的效率和質(zhì)量。
值得欣喜的是，近年來，全國各地與各大電商平臺(tái)紛紛投入大量資源，重構(gòu)產(chǎn)業(yè)鏈，培植人才，發(fā)力促進(jìn)農(nóng)產(chǎn)品上行。以河北省為例，近年來積極引入農(nóng)業(yè)電商龍頭企業(yè)，與阿里巴巴、京東、拼多多等電商平臺(tái)開展合作，持續(xù)在直播助農(nóng)、農(nóng)產(chǎn)品品牌孵化、新農(nóng)商人才培養(yǎng)等領(lǐng)域，合力打造河北數(shù)字農(nóng)業(yè)“新基建”。可以看到，利用大數(shù)據(jù)和分布式人工智能技術(shù)匹配優(yōu)化資源，將需求傳導(dǎo)給供給端，有效緩解了供需信息不對(duì)稱造成的產(chǎn)銷脫節(jié)。在互聯(lián)網(wǎng)科技力量的加持下，傳統(tǒng)農(nóng)業(yè)的“痛點(diǎn)”也得到有效解決，進(jìn)一步打開了農(nóng)產(chǎn)品從田間到餐桌的通路。
隨著電商農(nóng)產(chǎn)品銷量的快速增長，廣大農(nóng)民亦受益匪淺，農(nóng)業(yè)生產(chǎn)模式發(fā)生重大變化，以需求引導(dǎo)生產(chǎn)、訂單式農(nóng)業(yè)逐漸成為主流，精準(zhǔn)種植、數(shù)字營銷提升了農(nóng)民收入水平，促進(jìn)更多農(nóng)民融入數(shù)字農(nóng)業(yè)的場(chǎng)景里。以往很多滯銷農(nóng)產(chǎn)品位于貧困地區(qū)，數(shù)字農(nóng)業(yè)重塑產(chǎn)業(yè)鏈，幫助貧困戶掌握技術(shù)、融入市場(chǎng)，實(shí)現(xiàn)了造血扶貧。實(shí)踐證明，此種創(chuàng)新扶貧模式具有很強(qiáng)的活力。比如，拼多多的“農(nóng)地云拼”模式得到國務(wù)院扶貧辦的肯定，榮獲了今年的“全國脫貧攻堅(jiān)組織創(chuàng)新獎(jiǎng)”。截至 2019 年底，拼多多平臺(tái)直連的農(nóng)業(yè)生產(chǎn)者超過 1200 萬人，累計(jì)帶貧人數(shù)超百萬。
4.3農(nóng)業(yè)多元化公共服務(wù)將更加完善
通過將移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)等頂尖技術(shù)運(yùn)用在農(nóng)業(yè)公共服務(wù)，農(nóng)業(yè)服務(wù)也更加便利和靈活。這也是數(shù)字農(nóng)業(yè)發(fā)展的重要趨勢(shì)。一些國家為了促進(jìn)數(shù)字農(nóng)業(yè)的發(fā)展，在農(nóng)業(yè)信息化和農(nóng)業(yè)公共服務(wù)方面做出了很多努力。
5 “數(shù)字農(nóng)業(yè)”的實(shí)踐策略
5.1實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村業(yè)務(wù)數(shù)字化和可視化
加快建立涵蓋農(nóng)業(yè)資源，農(nóng)村產(chǎn)業(yè)，生產(chǎn)管理，產(chǎn)品質(zhì)量，農(nóng)業(yè)機(jī)械設(shè)備和農(nóng)村治理的數(shù)據(jù)庫。利用地理空間信息技術(shù)和遙感技術(shù)整合空間數(shù)據(jù)，獲取耕地資源，漁業(yè)水資源，糧食生產(chǎn)功能區(qū)，現(xiàn)代化農(nóng)業(yè)園區(qū)，特色農(nóng)產(chǎn)品優(yōu)勢(shì)區(qū)，特色鮮明的農(nóng)業(yè)村莊，生產(chǎn)經(jīng)營實(shí)體，村莊分布等數(shù)據(jù)。地圖存儲(chǔ)在數(shù)據(jù)庫中，使農(nóng)業(yè)和農(nóng)村資源數(shù)據(jù)立體化。通過集成的農(nóng)業(yè)調(diào)度系統(tǒng)，現(xiàn)場(chǎng)定點(diǎn)監(jiān)控系統(tǒng)，集成的遙感信息，無人機(jī)觀測(cè)和地面?zhèn)鞲衅骶W(wǎng)絡(luò)，可以建立農(nóng)作物的空間分布。通過農(nóng)作物的空間分布，重大自然災(zāi)害和其他動(dòng)態(tài)空間圖，形成了一個(gè)一體化的全域地理信息圖，為農(nóng)業(yè)生產(chǎn)和管理的科學(xué)指導(dǎo)奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。
5.2推動(dòng)數(shù)字農(nóng)業(yè)技術(shù)創(chuàng)新
創(chuàng)新，始終是鄉(xiāng)村振興的內(nèi)生動(dòng)力。要實(shí)現(xiàn)鄉(xiāng)村振興，離不開“數(shù)字農(nóng)業(yè)”助力。手機(jī)變成新農(nóng)具、直播成了新農(nóng)活、數(shù)據(jù)成為新農(nóng)資，隨著農(nóng)業(yè)新業(yè)態(tài)新模式競(jìng)相涌現(xiàn)，數(shù)字經(jīng)濟(jì)發(fā)展紅利惠及三農(nóng)必將更加給力，而農(nóng)業(yè)信息技術(shù)已然成為數(shù)字農(nóng)業(yè)發(fā)展的關(guān)鍵支持。未來依靠農(nóng)業(yè)科學(xué)院和大學(xué)等農(nóng)業(yè)科學(xué)研究和技術(shù)開發(fā)機(jī)構(gòu)來充分發(fā)揮農(nóng)業(yè)科技企業(yè)作為創(chuàng)新主題的作用，促進(jìn)數(shù)字農(nóng)業(yè)領(lǐng)域的“產(chǎn)學(xué)研”合作，并著重于先進(jìn)技術(shù)和核心技術(shù)。為了提高對(duì)關(guān)鍵技術(shù)的了解和研發(fā)，精確操作和智能決策的數(shù)字化管理，智能設(shè)備的變量修改和應(yīng)用，農(nóng)產(chǎn)品的靈活處理，區(qū)塊鏈等技術(shù)，3S 加速，智能識(shí)別，模型仿真，智能控制和其他軟件和硬件產(chǎn)品數(shù)字農(nóng)業(yè)的綜合應(yīng)用，了解數(shù)字農(nóng)業(yè)技術(shù)標(biāo)準(zhǔn)和規(guī)范體系的建立，數(shù)字農(nóng)業(yè)技術(shù)創(chuàng)新以及應(yīng)用服務(wù)系統(tǒng)的持續(xù)改進(jìn)。
5.3 提高農(nóng)業(yè)農(nóng)村經(jīng)營管理數(shù)字化水平
當(dāng)前，就中國電子政務(wù)項(xiàng)目的發(fā)展而言，農(nóng)業(yè)部門中的電子政務(wù)服務(wù)水平不能完全滿足領(lǐng)導(dǎo)決策應(yīng)用程序和公共商務(wù)應(yīng)用程序的功能要求。農(nóng)業(yè)信息服務(wù)的總體水平有待進(jìn)一步提高。同時(shí)，這意味著中國農(nóng)業(yè)信息服務(wù)具有巨大的發(fā)展和利用空間。因此，有必要進(jìn)一步擴(kuò)大移動(dòng)互聯(lián)網(wǎng)技術(shù)，云計(jì)算，大數(shù)據(jù)等先進(jìn)技術(shù)在農(nóng)業(yè)信息服務(wù)領(lǐng)域的應(yīng)用，并通過建立靈活，便捷，高效，透明的農(nóng)業(yè)生產(chǎn)經(jīng)營管理體系，為農(nóng)民提供更多便捷和信息服務(wù)。在信息公開，政府公共關(guān)系，信息服務(wù)，辦公室工作等方面，充分利用農(nóng)民信箱和便攜式農(nóng)業(yè)和農(nóng)村地區(qū)的服務(wù)功能，提高了園藝，畜牧，水產(chǎn)品，田間管理和智能化管理水平。著眼于整個(gè)農(nóng)業(yè)產(chǎn)業(yè)鏈的要求，以提高勞動(dòng)生產(chǎn)率，研究和推廣適用于不同地形和環(huán)境的農(nóng)業(yè)機(jī)械，并進(jìn)一步促進(jìn)農(nóng)業(yè)“機(jī)器換人”。
結(jié) 語
數(shù)字農(nóng)業(yè)的發(fā)展實(shí)現(xiàn)了對(duì)農(nóng)業(yè)生產(chǎn)的自動(dòng)，精確控制，智能和科學(xué)管理，提高了農(nóng)業(yè)的可控性，降低了生產(chǎn)成本，并減少了環(huán)境污染，使農(nóng)業(yè)向精準(zhǔn)，環(huán)保和可持續(xù)的方向發(fā)展。此外，農(nóng)村電子商務(wù)的發(fā)展可以有效克服農(nóng)業(yè)產(chǎn)業(yè)化經(jīng)營的不利因素，可以簡(jiǎn)化交易聯(lián)系，提高交易效率，降低成本，消除農(nóng)民對(duì)庫存余額的擔(dān)憂，并縮短生產(chǎn)周期。努力為農(nóng)民提供更多的商機(jī)。由于時(shí)間和空間的限制，內(nèi)容的選擇空間也越來越廣，這對(duì)于提高農(nóng)業(yè)生產(chǎn)經(jīng)營管理人員的科學(xué)文化素養(yǎng)具有重要意義。
致 謝
在這篇論文的撰寫過程中，我遇到了很多的困難和障礙，但都在老師、領(lǐng)導(dǎo)、同事、同學(xué)和朋友的幫助下順利解決了。尤其要強(qiáng)烈感謝周波老師在千里之外給我們線上授課進(jìn)行指導(dǎo)和幫助，不厭其煩地為我們解答疑問、傳授知識(shí)，讓我非常感動(dòng)，在此向幫助和指導(dǎo)過我的各位老師表示最衷心的感謝!
同時(shí)也要感謝這篇論文所涉及到的各位學(xué)者，本文引用了數(shù)位學(xué)者的研究文獻(xiàn)，如果沒有各位學(xué)者的研究成果的幫助和啟發(fā)，我將很難完成本篇論文的寫作。
同時(shí)也要感謝我的領(lǐng)導(dǎo)、同事、同學(xué)和朋友，在我寫論文的過程中給予我很多素材，還在論文的撰寫和排版過程中提供給我很大的幫助。由于我的學(xué)術(shù)水平有限，所寫論文難免有不足之處，懇請(qǐng)各位老師和學(xué)友不吝批評(píng)與指教。
參考文獻(xiàn)
[1] 周清波 , 吳文斌 , 宋茜 . 數(shù)字農(nóng)業(yè)研究現(xiàn)狀和發(fā)展趨勢(shì)分析 [J].中國農(nóng)業(yè)信息 ,2019,30(01), 第 5-13 頁 .
[2] 施威 , 曹成銘 .“互聯(lián)網(wǎng) + 農(nóng)業(yè)產(chǎn)業(yè)鏈”創(chuàng)新機(jī)制與路徑研究 [J].理論探討 ,2019(06), 第 110-114 頁 .
關(guān)鍵詞：網(wǎng)絡(luò)，農(nóng)業(yè)信息，獲取
人類社會(huì)邁入新的世紀(jì)，全球展開了信息技術(shù)革命，并且正以前所未有的方式對(duì)社會(huì)變革的方向起著決定作用。隨著信息化的深入，信息的數(shù)量以驚人的速度急劇地爆炸性增加。論文參考網(wǎng)。除了廣播、電視、書籍、報(bào)紙等各種傳統(tǒng)的信息傳播媒介之外,又出現(xiàn)了國際互聯(lián)網(wǎng)、無線上網(wǎng)、手機(jī)上網(wǎng)等新的信息傳遞手段,使信息獲取變得更加多樣復(fù)雜，同樣使農(nóng)業(yè)信息獲取的渠道增多。面對(duì)“信息爆炸”的時(shí)代，如何快速高效的進(jìn)行網(wǎng)絡(luò)中的農(nóng)業(yè)信息獲取成了農(nóng)業(yè)信息工作的首要任務(wù)。
在新的環(huán)境下，作為農(nóng)業(yè)信息從業(yè)人員，應(yīng)掌握更多的從當(dāng)前網(wǎng)絡(luò)中獲取農(nóng)業(yè)信息的手段，下面從六個(gè)方面說明如何在當(dāng)前網(wǎng)絡(luò)中進(jìn)行農(nóng)業(yè)信息獲取。
1、使用專業(yè)的農(nóng)業(yè)信息搜索引擎，是農(nóng)業(yè)信息化發(fā)展的方向。
要在海量信息中找到所需農(nóng)業(yè)信息，就必須用到專業(yè)級(jí)的搜索引擎。我國目前現(xiàn)狀，農(nóng)業(yè)信息的獲取還很困難，特別是急需農(nóng)業(yè)科技信息和市場(chǎng)信息的企業(yè)、部門、農(nóng)戶，他們通過綜合搜索引擎，并不能迅速找到自己想要的信息。據(jù)不完全統(tǒng)計(jì)，在農(nóng)業(yè)領(lǐng)域現(xiàn)有各種網(wǎng)站近十萬多個(gè)，涉及農(nóng)、林、牧、漁、水利、氣象、農(nóng)墾、鄉(xiāng)鎮(zhèn)企業(yè)及其它農(nóng)業(yè)部門。在這些海量的信息中，如何搜索一個(gè)準(zhǔn)確的農(nóng)業(yè)信息是農(nóng)業(yè)人員非常關(guān)注的問題。因此，針對(duì)于中文農(nóng)業(yè)網(wǎng)絡(luò)資源研發(fā)專業(yè)化的搜索引擎，實(shí)現(xiàn)農(nóng)業(yè)信息的精確搜索是農(nóng)業(yè)信息搜索引擎發(fā)展方向。
在專業(yè)農(nóng)業(yè)搜索引擎方面，有些網(wǎng)站已經(jīng)走在前列:
世界范圍：(1)農(nóng)業(yè)沖浪(agrisurf.com)。世界上最大的農(nóng)業(yè)專業(yè)搜索引擎，提供分類檢索和關(guān)鍵詞檢索,提供大約20 000多個(gè)農(nóng)業(yè)相關(guān)網(wǎng)站和95個(gè)國家與地區(qū)的有效鏈接。
(2) Ceres Online
ceresgroup.com/col/
專門提供農(nóng)業(yè)信息。其搜索功能連接到了農(nóng)業(yè)產(chǎn)業(yè)的其它專業(yè)人員。日歷數(shù)據(jù)庫列出了幾百個(gè)即將到來的農(nóng)業(yè)活動(dòng)，氣象圖提供了世界各地天氣情況以及熱點(diǎn)信息。論文參考網(wǎng)。
（3）AgEconSearch
agecon.lib.umn.edu/
AgEcon搜索收集，索引包括諸如農(nóng)業(yè)，食品供應(yīng)，自然資源經(jīng)濟(jì)學(xué)，環(huán)境經(jīng)濟(jì)學(xué)，農(nóng)產(chǎn)品貿(mào)易及廣義的農(nóng)業(yè)經(jīng)濟(jì)領(lǐng)域的學(xué)術(shù)研究全文。
國內(nèi)相關(guān)搜索引擎：
(1)農(nóng)搜sdd.net.cn/
農(nóng)搜農(nóng)業(yè)專業(yè)搜索引擎的研發(fā)得到了中國農(nóng)業(yè)科學(xué)院“杰出人才工程”經(jīng)費(fèi)的資助。
(2)搜農(nóng)sounong.net/
中國搜農(nóng)是在國家科技支撐計(jì)劃項(xiàng)目和現(xiàn)代農(nóng)村信息化關(guān)鍵技術(shù)研究與示范項(xiàng)目資助下取得的一項(xiàng)重大創(chuàng)新成果，也是第一個(gè)面向我國農(nóng)業(yè)企業(yè)、農(nóng)民大戶、農(nóng)業(yè)專業(yè)技術(shù)協(xié)會(huì)以及廣大農(nóng)業(yè)科技人員提供農(nóng)業(yè)通用搜索與農(nóng)產(chǎn)品供求、農(nóng)業(yè)實(shí)用技術(shù)、政策新聞等專題的搜索服務(wù)。
(3)so.ag365.com/365農(nóng)業(yè)搜索
(4)chinanong.com/華農(nóng)在線-中國農(nóng)業(yè)信息搜索引擎
(5)086ny.com/soso/超農(nóng)網(wǎng)農(nóng)業(yè)搜索
(6)3nss.com/Portal/Default.aspx三農(nóng)搜索網(wǎng)
2、除了農(nóng)業(yè)搜索引擎外，網(wǎng)絡(luò)中農(nóng)業(yè)信息獲取還要有相應(yīng)的專業(yè)智能瀏覽器。
使用專門開發(fā)的面向農(nóng)業(yè)信息獲取方面的智能瀏覽器，可以借助智能瀏覽器的功能，方便快捷地進(jìn)行快速搜索、精確搜索，過濾無關(guān)信息，提取農(nóng)業(yè)信息，為廣大農(nóng)民用戶方便快捷地獲取農(nóng)業(yè)信息提供服務(wù)。
3、使用在線農(nóng)業(yè)專家系統(tǒng)。
農(nóng)業(yè)專家系統(tǒng)是運(yùn)用人工智能的專家系統(tǒng)技術(shù)，匯集農(nóng)業(yè)領(lǐng)域知識(shí)、模型和專家經(jīng)驗(yàn)等，采用合宜的知識(shí)表示技術(shù)和推理策略，以信息網(wǎng)絡(luò)為載體,為農(nóng)業(yè)生產(chǎn)管理者提供咨詢服務(wù)。傳統(tǒng)的農(nóng)業(yè)專家系統(tǒng)在現(xiàn)今的網(wǎng)絡(luò)條件下變的不適用。現(xiàn)在農(nóng)業(yè)專家系統(tǒng)的發(fā)展方向?yàn)?在線農(nóng)業(yè)專家系統(tǒng)及實(shí)時(shí)智能專家系統(tǒng)。
目前國內(nèi)許多專家系統(tǒng)已經(jīng)上線并且在使用過程中起到了良好效果。
（1）esa.org.cn/index.asp
廣西智能農(nóng)業(yè)信息網(wǎng)，提供作物類、瓜果類、蔬菜類、畜牧類、獸醫(yī)類和水產(chǎn)類等六類十九種在線專家系統(tǒng)。
（2）nbnky.gov.cn:4000
寧波農(nóng)經(jīng)網(wǎng)農(nóng)業(yè)專家系統(tǒng)，提供了蔬菜病蟲害專家系統(tǒng)、河蟹養(yǎng)殖專家系統(tǒng)、家兔養(yǎng)殖專家系統(tǒng)、海水養(yǎng)殖系列專家系統(tǒng)、網(wǎng)箱養(yǎng)魚專家系統(tǒng)等二十八種在線專家系統(tǒng)。
（3）hebaic.com.cn/index.do?templet=er_zjxt
河北農(nóng)業(yè)技術(shù)推廣網(wǎng)、河北農(nóng)業(yè)智能信息網(wǎng)專家系統(tǒng)，提供金絲小棗栽培專家系統(tǒng)、養(yǎng)牛管理專家系統(tǒng)、無公害番茄專家系統(tǒng)等三十余種在線專家系統(tǒng)。
（4）zjxt.hzagro.com/
農(nóng)業(yè)專家系統(tǒng).net，杭州市科技局、杭州市農(nóng)辦主辦提供了水果干果、蔬菜種植、花卉苗木、中藥材、水產(chǎn)養(yǎng)殖、畜禽養(yǎng)殖等類七十余種在線農(nóng)業(yè)專家系統(tǒng)。
（5）202.107.249.147/
麗水市農(nóng)業(yè)專家知識(shí)系統(tǒng)，提供了花卉苗木、食用菌、筍竹、蔬菜、水產(chǎn)、中藥材、其它等十類八十五種在線農(nóng)業(yè)專家系統(tǒng)。
4、進(jìn)行農(nóng)業(yè)信息智能分析。
農(nóng)業(yè)信息智能分析是應(yīng)用智能化技術(shù)代替?zhèn)鹘y(tǒng)方法進(jìn)行農(nóng)業(yè)信息分析的新的研究領(lǐng)域。它主要是圍繞農(nóng)業(yè)生產(chǎn)、農(nóng)產(chǎn)品市場(chǎng)、農(nóng)業(yè)經(jīng)營管理、農(nóng)業(yè)科技中的分析對(duì)象, 進(jìn)行智能化地信息自動(dòng)采集、存儲(chǔ)、管理、計(jì)算、判別等的過程,可模仿、代替專家,解決農(nóng)業(yè)中波動(dòng)分析、風(fēng)險(xiǎn)識(shí)別、早期預(yù)測(cè)、效果評(píng)價(jià)等諸多問題。目前農(nóng)業(yè)智能分析技術(shù)在我國已投入實(shí)際使用。
（1）農(nóng)業(yè)部的“農(nóng)作物遙感監(jiān)測(cè)系統(tǒng)”,通過采用遙感和地理信息系統(tǒng)手段,及時(shí)動(dòng)態(tài)地監(jiān)測(cè)農(nóng)作物生長狀況,解決了依賴實(shí)地調(diào)查、手工記錄、數(shù)據(jù)上報(bào)等傳統(tǒng)信息獲取方式的不足。針對(duì)數(shù)據(jù)和信息源不足、渠道不暢等問題,農(nóng)業(yè)系統(tǒng)開展了“農(nóng)產(chǎn)品市場(chǎng)監(jiān)測(cè)預(yù)警系統(tǒng)”的開發(fā)與應(yīng)用,定期對(duì)糧、油、果、菜、畜產(chǎn)品等主要農(nóng)產(chǎn)品的生產(chǎn)、需求、進(jìn)出口、市場(chǎng)行情,進(jìn)行動(dòng)態(tài)監(jiān)測(cè)、分析,為政府部門、生產(chǎn)者和經(jīng)營者提供了決策參考。
（2）中國農(nóng)科院智能化農(nóng)業(yè)預(yù)警技術(shù)與系統(tǒng)重點(diǎn)開放實(shí)驗(yàn)室,構(gòu)建了全國農(nóng)產(chǎn)品供求平衡分析預(yù)測(cè)模型體系框架,開展了12種主要農(nóng)產(chǎn)品的市場(chǎng)供求分析預(yù)測(cè)。利用網(wǎng)絡(luò)抓取技術(shù)、數(shù)據(jù)挖掘技術(shù),已經(jīng)能從海量的信息中獲取市場(chǎng)波動(dòng)的隱性信息。論文參考網(wǎng)。并建立了主要農(nóng)產(chǎn)品供求信息庫,能對(duì)12種主要農(nóng)產(chǎn)品的市場(chǎng)行情進(jìn)行趨勢(shì)分析與展望。
5、使用專業(yè)農(nóng)業(yè)網(wǎng)站、專業(yè)農(nóng)業(yè)論壇、專業(yè)農(nóng)業(yè)交流圈。
傳統(tǒng)的專業(yè)農(nóng)業(yè)網(wǎng)站及專業(yè)農(nóng)業(yè)論壇仍然是廣大農(nóng)民互聯(lián)網(wǎng)上獲取農(nóng)業(yè)信息的主要渠道。另外基于新興的WEB2.0技術(shù)組建的專業(yè)農(nóng)業(yè)交流圈能大大增強(qiáng)訪問者之間的互動(dòng)也迅速發(fā)展，大有前途。
國內(nèi)專業(yè)農(nóng)業(yè)網(wǎng)站及農(nóng)業(yè)論壇：
（1）202.127.45.50/
中華人民共和國農(nóng)業(yè)部，中國農(nóng)業(yè)信息網(wǎng)。
（2）zgny.com.cn/
中國農(nóng)業(yè)網(wǎng)，農(nóng)業(yè)企業(yè)的商務(wù)信息平臺(tái)。
（3）chinabreed.com/
中國養(yǎng)殖網(wǎng)，最大畜牧行業(yè)門戶網(wǎng)站，提供養(yǎng)殖、飼料、養(yǎng)豬、養(yǎng)雞、養(yǎng)牛、 養(yǎng)羊、家禽、獸藥、特種養(yǎng)殖及畜牧機(jī)械相關(guān)信息。
（4）aweb.com.cn/
農(nóng)博網(wǎng)，國家農(nóng)村信息服務(wù)示范項(xiàng)目，以“服務(wù)農(nóng)業(yè),E化農(nóng)業(yè)”的宗旨，為涉農(nóng)人群提供農(nóng)業(yè)資訊、農(nóng)產(chǎn)品電子商務(wù)、農(nóng)業(yè)論壇以及農(nóng)業(yè)人才服務(wù)。
（5）12582.com/
農(nóng)信通農(nóng)村信息網(wǎng)，涉農(nóng)生活服務(wù)移動(dòng)互聯(lián)網(wǎng)平臺(tái),提供最新農(nóng)業(yè)信息，化肥、飼料、農(nóng)機(jī)等價(jià)格行情，農(nóng)民工招聘、就業(yè)信息；食品、水果、蔬菜等農(nóng)產(chǎn)品交易信息，是城鄉(xiāng)互動(dòng)、鄉(xiāng)村旅游、農(nóng)家樂的綜合展示窗口。
（6）feedtrade.com.cn/
中國飼料行業(yè)信息網(wǎng)，為飼料生產(chǎn)加工、飼料原料貿(mào)易、飼料添加劑及畜牧養(yǎng)殖企業(yè)提供全面的新聞、行情、價(jià)格和分析預(yù)測(cè)等信息資訊服務(wù)。
（7）yuanlin.com/
中國園林網(wǎng),提供園林綠化苗木資訊,園林綠化景觀,園林綠化苗木工程,園林綠化設(shè)計(jì) ,等方面信息,為相關(guān)園林綠化苗圃企業(yè)提供商鋪,是園林綠化,苗木園藝的專業(yè)園林綠化門戶。
（8）bbs.aweb.com.cn/
中國三農(nóng)論壇，博覽天下農(nóng)事，關(guān)注農(nóng)村、關(guān)心農(nóng)業(yè)、關(guān)愛農(nóng)民。
6、除了以上信息資源外,專題討論組、電子論壇等也可以方便地為相同科學(xué)領(lǐng)域的農(nóng)業(yè)專家提供交流空間,這也是當(dāng)前網(wǎng)絡(luò)獲取農(nóng)業(yè)信息資源的重要方式之一。
參考文獻(xiàn)：
[1]《不同搜索引擎在農(nóng)業(yè)領(lǐng)域的應(yīng)用效果對(duì)比》，劉艷華、徐勇?！掇r(nóng)業(yè)網(wǎng)絡(luò)信息》2009年08期.
[2]《互聯(lián)網(wǎng)上農(nóng)業(yè)信息資源的整合、利用與管理研究》，嚴(yán)方?！度A中農(nóng)業(yè)大學(xué)》，碩士論文.
[3]《淺談國內(nèi)網(wǎng)上農(nóng)業(yè)信息資源》，陳林官，《農(nóng)業(yè)圖書情報(bào)學(xué)刊》2001年02期.
【關(guān)鍵詞】自動(dòng)控制技術(shù)；農(nóng)業(yè)機(jī)械；應(yīng)用
現(xiàn)代化農(nóng)業(yè)發(fā)展中，農(nóng)業(yè)機(jī)械自動(dòng)化是重要標(biāo)志。機(jī)械自動(dòng)化技術(shù)使得傳統(tǒng)農(nóng)業(yè)生產(chǎn)模式發(fā)生了變化，對(duì)中國的農(nóng)業(yè)產(chǎn)生非常大的影響，不僅農(nóng)業(yè)生產(chǎn)質(zhì)量提高了，農(nóng)業(yè)生產(chǎn)效率也明顯提高。當(dāng)前過存在耕地資源短缺的問題，眾多的中國人民對(duì)農(nóng)業(yè)有很強(qiáng)的依賴性，。農(nóng)業(yè)走現(xiàn)代化發(fā)展道路是一種必然。農(nóng)業(yè)機(jī)械設(shè)備應(yīng)用自動(dòng)化技術(shù)，使得農(nóng)業(yè)生產(chǎn)更加便利，對(duì)于農(nóng)業(yè)發(fā)展也可以起到一定的促進(jìn)作用。
1農(nóng)業(yè)機(jī)械中應(yīng)用自動(dòng)控制技術(shù)的設(shè)計(jì)方案
將提高農(nóng)業(yè)生產(chǎn)效率理念融入到農(nóng)業(yè)機(jī)械自動(dòng)化設(shè)計(jì)中在農(nóng)業(yè)機(jī)械自動(dòng)化領(lǐng)域中發(fā)揮提高農(nóng)業(yè)生產(chǎn)效率的作用，要在設(shè)計(jì)意圖中樹立農(nóng)業(yè)生產(chǎn)效率的理念，在設(shè)計(jì)思想中強(qiáng)調(diào)提高農(nóng)業(yè)生產(chǎn)效率的重要性，指導(dǎo)機(jī)械自動(dòng)化設(shè)計(jì)向著正確的方向發(fā)展[1]。
1.1明確設(shè)計(jì)意圖
在農(nóng)業(yè)機(jī)械自動(dòng)化設(shè)計(jì)中，需要明確設(shè)計(jì)意圖，捋順設(shè)計(jì)思路，指導(dǎo)工作的有序展開。進(jìn)入到機(jī)械設(shè)計(jì)的初期階段，就需要將提高農(nóng)業(yè)生產(chǎn)效率理念融入到具體的工作中，使得整個(gè)的機(jī)械設(shè)計(jì)和機(jī)械制造過程都是伴隨著提高農(nóng)業(yè)生產(chǎn)效率展開的，提高農(nóng)業(yè)生產(chǎn)效率不僅是一種意識(shí)，而且是一種習(xí)慣。對(duì)機(jī)械自動(dòng)化技術(shù)的應(yīng)用中，除了農(nóng)業(yè)生產(chǎn)之外，還要考慮到成本、故障處理措施以及廢棄用品的回收等等問題?？偸菍⑻岣咿r(nóng)業(yè)生產(chǎn)效率理念放在首位，所生產(chǎn)的弄產(chǎn)品才能滿足市場(chǎng)，對(duì)農(nóng)業(yè)發(fā)展起到一定的促進(jìn)作用。
1.2將提高農(nóng)業(yè)生產(chǎn)效率滲入其中
自動(dòng)化技術(shù)的應(yīng)用可以不斷地?cái)U(kuò)大農(nóng)業(yè)生領(lǐng)域，從農(nóng)業(yè)機(jī)械自動(dòng)化產(chǎn)品的生產(chǎn)、運(yùn)輸開始，到產(chǎn)品的收割以及銷售，都要將提高農(nóng)業(yè)生產(chǎn)效率融入其中，可以使得產(chǎn)品有更大的適用范圍，產(chǎn)品的技術(shù)維修、運(yùn)輸?shù)某杀镜玫娇刂疲茉聪牧拷档?，資源被充分利用起來[2]。只有將提高農(nóng)業(yè)生產(chǎn)效率作為重要的條件，才能將機(jī)械制造中的提高農(nóng)業(yè)生產(chǎn)效率思想體現(xiàn)出來。在機(jī)械制造以及自動(dòng)化領(lǐng)域中，各種資源都能夠充分利用，使得提高農(nóng)業(yè)生產(chǎn)效率更具有科學(xué)合理性。
1.3發(fā)揮信息數(shù)據(jù)庫功能
將信息數(shù)據(jù)庫建立起來，將提高信息技術(shù)水平的思想在設(shè)計(jì)中合理應(yīng)用中，將機(jī)械設(shè)備轉(zhuǎn)化為數(shù)字成果，所有的農(nóng)業(yè)信息都存儲(chǔ)在信息數(shù)據(jù)庫中，將其作為用于提高農(nóng)業(yè)生產(chǎn)效率的可參考資源，當(dāng)需要資源的時(shí)候，就可以將儲(chǔ)備資源充分利用起來。數(shù)據(jù)庫的功能不僅僅是儲(chǔ)存信息，還可以對(duì)信息進(jìn)行加工處理，這個(gè)環(huán)節(jié)是發(fā)揮計(jì)算機(jī)技術(shù)的所用，網(wǎng)絡(luò)技術(shù)的應(yīng)用可以實(shí)現(xiàn)無障礙信息傳遞[3]。
2農(nóng)業(yè)機(jī)械自動(dòng)化技術(shù)的應(yīng)用
2.1農(nóng)業(yè)機(jī)械自動(dòng)化技術(shù)的應(yīng)用開辟智能化發(fā)展的基本路徑
目前，智能技術(shù)融入到農(nóng)業(yè)機(jī)械中自動(dòng)化，可以推動(dòng)產(chǎn)品的智能化發(fā)展。在機(jī)械制造的智能化道路中，農(nóng)業(yè)要跟得上時(shí)代的步伐才有機(jī)會(huì)步入世界的前列，還可以將智能網(wǎng)絡(luò)技術(shù)充分利用起來，發(fā)揮智能平臺(tái)的作用，合理應(yīng)用智能設(shè)備，使得機(jī)械設(shè)備的的科技含量與世界先進(jìn)水平的距離拉近。農(nóng)業(yè)機(jī)械設(shè)備中，需要重點(diǎn)關(guān)注的就是降低能源消耗，提高智能化技術(shù)水平，合理應(yīng)用智能技術(shù)，使得農(nóng)業(yè)形成新業(yè)態(tài)，推進(jìn)農(nóng)業(yè)健康、協(xié)調(diào)發(fā)展，走上綠色化的發(fā)展道路。
2.2農(nóng)業(yè)機(jī)械自動(dòng)化技術(shù)實(shí)現(xiàn)農(nóng)業(yè)綠色化發(fā)展
中國的農(nóng)業(yè)發(fā)展中，機(jī)械設(shè)備自動(dòng)化是需要高度重視的，將科學(xué)化的農(nóng)業(yè)生產(chǎn)體系建立起來，提高農(nóng)業(yè)生產(chǎn)的環(huán)保效率[4]。在農(nóng)業(yè)機(jī)械自動(dòng)化技術(shù)應(yīng)用中，要在環(huán)保思想的指導(dǎo)下更好地應(yīng)用自動(dòng)化技術(shù)，各種資源得到有效利用，與外部環(huán)節(jié)建立和諧關(guān)系，這也是機(jī)械自動(dòng)化發(fā)展的的基本前提。將農(nóng)業(yè)機(jī)械設(shè)備予以優(yōu)化，將各種提高農(nóng)業(yè)生產(chǎn)效率方法在技術(shù)中合理運(yùn)用，有助于實(shí)現(xiàn)提高農(nóng)業(yè)生產(chǎn)效率，實(shí)現(xiàn)環(huán)保目標(biāo)，這也是農(nóng)業(yè)機(jī)械設(shè)備自動(dòng)化發(fā)現(xiàn)的重要方向，也是實(shí)現(xiàn)農(nóng)業(yè)現(xiàn)代化的主要途徑。
就硬件來說，自主導(dǎo)航涉及高運(yùn)算能力，測(cè)距法，傳感技術(shù)(譬如：全球定位系統(tǒng)，激光測(cè)距儀，超聲波，紅外傳感技術(shù))和3D地圖。從軟件的角度看，自主導(dǎo)航涉及圖像識(shí)別、色彩、特征、形狀、障礙物信息收集以及為判斷制定提供持續(xù)的統(tǒng)計(jì)分析。而這種技術(shù)未來在醫(yī)療、制造、能源、農(nóng)業(yè)、環(huán)境或空間探索等領(lǐng)域都將起到主要作用。
在醫(yī)療領(lǐng)域，人工智能和圖像處理會(huì)成為醫(yī)療診斷和外科手術(shù)的關(guān)鍵工具。計(jì)算算法能幫助識(shí)別受損的組織器官，并預(yù)測(cè)在一個(gè)生命周期中可能會(huì)出現(xiàn)什么情況。機(jī)器在處理大量的信息時(shí)表現(xiàn)會(huì)更好，在健康醫(yī)療領(lǐng)域提供多一種診斷方法可能會(huì)成為“實(shí)際上的標(biāo)準(zhǔn)”。隨著機(jī)器人的敏捷度和準(zhǔn)確性的提高，及其在高難度手術(shù)中可以輔助外科醫(yī)生，未來手術(shù)治療的效果將變得更好。
在制造業(yè)，圖像處理技術(shù)將會(huì)重新構(gòu)造現(xiàn)有的生產(chǎn)方案。隨著計(jì)算機(jī)視覺的敏捷度變得更高，有望誕生新的生產(chǎn)模式和組裝線/拆卸線。這些新的模式很可能補(bǔ)足工廠的勞動(dòng)力，對(duì)于工廠的工作內(nèi)容，機(jī)器人更適合從事生產(chǎn)類的工作，而人類更適合做質(zhì)量檢驗(yàn)、管理、產(chǎn)品設(shè)計(jì)和創(chuàng)新。
在能源領(lǐng)域，計(jì)算機(jī)技術(shù)也能發(fā)揮很多作用。隨著可再生能源成為現(xiàn)實(shí)，我們同樣需要在全球范圍內(nèi)為發(fā)電/能源轉(zhuǎn)換和配電網(wǎng)建設(shè)基礎(chǔ)設(shè)施。這里應(yīng)用的概念是分散化(從更多不同的來源收集更多不同種類的能源)。我們將應(yīng)用人工智能，模式識(shí)別和決策算法控制能量流，并解決發(fā)電商和用戶之間信息不對(duì)等的問題。這種高效的能源管理方式(智能電網(wǎng))有可能擴(kuò)大能源的來源，最終降低發(fā)電/能源轉(zhuǎn)換/用電的成本。
農(nóng)業(yè)是另一個(gè)受人工智能影響很大的領(lǐng)域。隨著世界人口的不斷增加，我們需要尋找新的食物生產(chǎn)方式。舉個(gè)例子，自動(dòng)駕駛車輛的技術(shù)可以轉(zhuǎn)化為能應(yīng)用在農(nóng)業(yè)領(lǐng)域的自動(dòng)行走車。人工智能和圖像處理技術(shù)能幫助實(shí)現(xiàn)拖拉機(jī)的自動(dòng)控制，令其不間歇地在農(nóng)場(chǎng)根據(jù)農(nóng)作物生產(chǎn)情況執(zhí)行灌溉、施肥、投放農(nóng)藥等任務(wù)。播種和灌溉將會(huì)成為自動(dòng)農(nóng)用機(jī)器的日常工作，同理，無人飛行器(UAVs)將在未來應(yīng)用于農(nóng)業(yè)檢查、處理和制圖。這些技術(shù)進(jìn)步將促使農(nóng)業(yè)的成本下降，從而降低糧食價(jià)格。
在航天機(jī)器人方面，太空探索的自動(dòng)化程度將提高，這將使軌道機(jī)器人得以協(xié)助宇航員完成更多任務(wù)，譬如發(fā)射衛(wèi)星，開啟/關(guān)閉艙門或設(shè)備清洗等。
同樣，機(jī)器人也可能成為廢料收集和回收利用的重要工具。應(yīng)用機(jī)器人和人工智能技術(shù)將使公園、甚至是海洋或其他區(qū)域的清潔成為現(xiàn)實(shí)，這樣的功能會(huì)對(duì)環(huán)境產(chǎn)生積極影響。
看到這里，大家應(yīng)該知道，當(dāng)我們進(jìn)行自主導(dǎo)航的研究時(shí)，受益的不僅是自動(dòng)駕駛汽車，實(shí)際上，也在推動(dòng)機(jī)器人和人工智能技術(shù)延伸到人類生活的其他方面。
作者：Antonio Espingardeiro 來源：計(jì)算機(jī)世界 2013年38期
>> 空間高等植物培養(yǎng)箱控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 基于GSM的生物培養(yǎng)箱智能監(jiān)測(cè)系統(tǒng) 基于LED光源的番茄生長動(dòng)態(tài)補(bǔ)光控制系統(tǒng)設(shè)計(jì) 基于SOPC的LED點(diǎn)陣控制系統(tǒng)設(shè)計(jì) 基于ZigBee的智能LED路燈控制系統(tǒng)設(shè)計(jì) 基于DSP的光伏LED照明驅(qū)動(dòng)控制系統(tǒng) NICU培養(yǎng)箱溫度無線監(jiān)測(cè)系統(tǒng)的研究與設(shè)計(jì) 食品行業(yè)培養(yǎng)箱的設(shè)計(jì)研究 基于ZigBee技術(shù)的LED路燈節(jié)能控制系統(tǒng)的設(shè)計(jì) 基于單片機(jī)的LED電子顯示屏控制系統(tǒng)的設(shè)計(jì) 基于WSCN的LED顯示屏遠(yuǎn)程控制系統(tǒng)的設(shè)計(jì) 基于IOT的LED智能照明控制系統(tǒng)的設(shè)計(jì) 基于單片機(jī)的LED路燈模擬控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 基于無線傳輸?shù)腖ED燈遠(yuǎn)程控制系統(tǒng)設(shè)計(jì) 基于太陽能LED照明控制系統(tǒng)的處理器設(shè)計(jì) 基于LED冷光源的智能路燈控制系統(tǒng)設(shè)計(jì) 基于LED的校園照明節(jié)能控制系統(tǒng) LED點(diǎn)陣顯示控制系統(tǒng)的設(shè)計(jì)與研究 太陽能LED路燈控制系統(tǒng)的設(shè)計(jì) LED教室走廊智能燈的控制系統(tǒng)設(shè)計(jì) 常見問題解答 當(dāng)前所在位置：l.
[5] 何安科.基于STM32與光強(qiáng)傳感器BH1750的無線路燈控制系統(tǒng)[J].企業(yè)科技與發(fā)展，2011（20）：15-17.
[6] 張海輝，楊青，胡瑾，等.可控LED亮度的植物自適應(yīng)精準(zhǔn)補(bǔ)光系統(tǒng)[J].農(nóng)業(yè)工程學(xué)報(bào)，2011（9）.
[7] 朱虹.LED照明驅(qū)動(dòng)及自適應(yīng)調(diào)光研究[D].上海：上海大學(xué)碩士學(xué)位論文，2007.
[8] 胡永光，李萍萍，鄧慶安，等.溫室人工補(bǔ)光效果的研究及補(bǔ)光光源配置設(shè)計(jì)[J].江蘇理工大學(xué)學(xué)報(bào)，2001，22（3）：37-40.
>> 余額寶的出現(xiàn)與發(fā)展淺析 論文的撰寫與教師的發(fā)展 科技論文的統(tǒng)計(jì)數(shù)據(jù)與高?？蒲姓撐牡臓顩r 中國紀(jì)錄片頻道的出現(xiàn)與發(fā)展 世界城市化的出現(xiàn)與發(fā)展 農(nóng)業(yè)新型模式的出現(xiàn)與發(fā)展 崛起與拓展:論文化新聞的發(fā)展態(tài)勢(shì) 論文化發(fā)展進(jìn)步的方向與要?jiǎng)?wù) 環(huán)保問題與經(jīng)濟(jì)發(fā)展的論文 論文化、文明的聯(lián)系、發(fā)展與和諧 Origin軟件在《數(shù)據(jù)處理與論文寫作》課程教學(xué)中的應(yīng)用 江宏 隨著可穿戴設(shè)備的發(fā)展，將出現(xiàn)大量未統(tǒng)一定義的新數(shù)據(jù) 數(shù)據(jù)挖掘的現(xiàn)狀與未來發(fā)展 大數(shù)據(jù)發(fā)展的機(jī)遇與挑戰(zhàn) 淺析大數(shù)據(jù)的發(fā)展與應(yīng)用 學(xué)位論文元數(shù)據(jù)Open API開發(fā)與應(yīng)用 論文物保護(hù)與旅游發(fā)展 淺談?wù)螠贤ǖ某霈F(xiàn)與發(fā)展的特征與原因 理科專業(yè)本科畢業(yè)論文出現(xiàn)的問題及其解決措施 淺析新時(shí)期下智慧城市的出現(xiàn)與發(fā)展對(duì)城市規(guī)劃的影響 常見問題解答 當(dāng)前所在位置：l.
[13] Sarah Callaghan. Processes and Procedures for Data Publication： A Case Study in the Geosciences[J]. The International Journal of Digital Curation， 2013，8（1）：193-204.
[14] Krzysztof J. Gorgolewski. Making data sharing count： a publication-based solution[J]. Frontiers in Neuroscience， 2013， 7（9）：1-7.
[15] Newman P， Corke P. Editorial Data Papers―Peer Reviewed Publication of High Quality Data Sets[J]. International Journal of Robotics Research， 2009， 28（4）：558-570.
[16] Leonardo Candela.Data Journals：A Survey[J].Journal of the Association for Information Science and Technology，2015，66（9）：1747-1762.
[17] Earth System Science Data[EB/OL].[2015-08-21]..
[22] Rees， J. Recommendations for independent scholarly publications of data sets[EB/OL].[2015-08-01]..
[24] Thomson Reuters. Thomson Reuters launches data citation index for discovering global data sets[EB/OL].[2015-08-02].http：///content/ press_room/science/730914.
[25] Kervin， K E，Michener， W K，Cook R B. Common Errors in Ecological Data Sharing[J]. Journal of eScience Librarianship，2013，2（2）： 3-16.
[26] Penev L， Chavan V， Georgiev P S T. Data papers as incentives for opening biodiversity data ： One year of experience and perspectives for the future[EB/OL].[2015-08-30].http：//eubon.eu/getatt.php？filename=DataPaperPoster_4174.pdf.
[27] Penev L， Mietchen D， Chavan V， Hagedorn G， Remsen D， Smith V， Shotton D. Pensoft Data Publishing Policies and Guidelines for Biodiversity Data[R/OL].[2015-08-30].http：///J_FILES/Pensoft_Data_Publishing_Policies
_and_Guidelines.pdf.
〔關(guān)鍵詞〕知識(shí)圖譜；專家系統(tǒng)；發(fā)展軌跡
DOI：10．3969／j．issn．1008－0821．2012．02．040
〔中圖分類號(hào)〕G250.71 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1008－0821（2012）02－0159－08
Knowledge-based Expert System Development Overview MapLiao Yi
（Political Department，National University of Defense Technology，Changsha 410073，China）
〔Abstract〕Artificial intelligence expert system is the most important and most active areas of an application,which implements the artificial intelligence research from theory to practice,turning from the general reasoning strategies of a major breakthrough in the use of expertise.This chronological order,the expert system into the 1980s before the 1980s,1990s,2000,after four stages.Articles using bibliometric methods,analysis of the expert system development process,development and trends,pointing out that the current phase is the development of expert systems,expert systems into a variety of commercial operation,need to address the knowledge acquisition bottleneck,matching conflicts and other issues for expert systems to understand and master the subject structure,evolution,development and so provide an unique perspective and knowledge.
〔Key words〕knowledge maps;expert systems;the development trajectory
專家系統(tǒng)作為人工智能的一個(gè)重要分支，發(fā)展已經(jīng)超過50年，在很多應(yīng)用領(lǐng)域都獲得了廣泛使用，取得了豐碩成果。本文運(yùn)用文獻(xiàn)計(jì)量這一獨(dú)特視角對(duì)專家系統(tǒng)進(jìn)行了再回顧和再分析，將智能科技劃分為初創(chuàng)期、成長期、低谷期、發(fā)展期，利用詞頻分析、共引分析、作者共現(xiàn)分析等方法揭示專家系統(tǒng)的學(xué)科結(jié)構(gòu)、影響程度、關(guān)鍵節(jié)點(diǎn)與時(shí)間點(diǎn)等重要而獨(dú)特的知識(shí)，為了解和掌握專家系統(tǒng)的發(fā)展與演化過程提供了獨(dú)特視角。
1 數(shù)據(jù)來源
SCI（Science Citation Index）是美國科學(xué)情報(bào)研究所ISI（Institute for Science Information）出版的期刊文獻(xiàn)檢索工具，所收錄的文獻(xiàn)覆蓋了全世界最重要和最有影響力的研究成果，成為世界公認(rèn)的自然科學(xué)領(lǐng)域最為重要的評(píng)價(jià)工具。本文以Web of Science中的SCI數(shù)據(jù)庫為數(shù)據(jù)來源，選用高級(jí)檢索方式，以“Expert System/Experts System”作為主題詞，于2011年5月在Web of Secience中進(jìn)行檢索，一共檢索到14 500篇相關(guān)文獻(xiàn)記錄。獲得的年度分布如圖1。所示。雖然，專家系統(tǒng)研究從20世紀(jì)五六十年代就開始了，但是從圖1可以看出直到1982年才有主題詞與專家系統(tǒng)相關(guān)的論文出現(xiàn)。圖1表明1991年左右，專家系統(tǒng)相關(guān)論文達(dá)到了峰值，但隨后呈逐年下降的趨勢(shì)。到1999年，只有494篇。但21世紀(jì)開始，專家系統(tǒng)相關(guān)論文又出現(xiàn)了增加的趨勢(shì)，并維持在一個(gè)穩(wěn)定的水平中。圖1 專家系統(tǒng)在SCI數(shù)據(jù)庫文獻(xiàn)發(fā)表年度變化情況
2012年2月第32卷第2期基于知識(shí)圖譜的專家系統(tǒng)發(fā)展綜述Feb.，2012Vol.32 No.22 專家系統(tǒng)前40年的發(fā)展
本文利用基于JAVA平臺(tái)的引文分析可視化軟件Citespace，首先設(shè)定時(shí)間跨度為1950-1991年，時(shí)間切片長度為1年，聚類方式為共被引聚類（Cited Reference），閾值選擇為（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出這些引文的時(shí)間跨度為1950－1990年，可以繪制出該時(shí)間段的專家系統(tǒng)論文時(shí)區(qū)分布圖，如圖2所示。我們以年代先后為序，將20世紀(jì)80年代以前作為第一階段，80年代至90年代作為第二階段。圖2 1950-1991年各年度專家系統(tǒng)論文之間的時(shí)區(qū)分布圖
2.1 專家系統(tǒng)起源時(shí)期
根據(jù)圖2顯示，這段時(shí)期有7個(gè)突出節(jié)點(diǎn)，既有7位代表人物。第一個(gè)節(jié)點(diǎn)代表的是“人工智能之父”――英國著名科學(xué)家阿蘭?麥席森?圖靈（Alan Mathison Turing），他于1950年在《心靈》雜志上《計(jì)算機(jī)器與智能》，提出了著名的“圖靈測(cè)試”，探討了機(jī)器智能的可能性，為后來的人工智能科學(xué)提供了開創(chuàng)性的構(gòu)思［1］。
第二個(gè)節(jié)點(diǎn)代表的是美國工程院院士、加州大學(xué)扎德（LA.Zadeh）教授，他于1965年在《信息與控制》雜志第8期上發(fā)表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現(xiàn)象定量描述和分析運(yùn)算的方法，從而誕生了模糊數(shù)學(xué)。1978年，扎德教授提出了“可能性理論”，將不確定性理解為可能性，為模糊集理論建立了一個(gè)實(shí)際應(yīng)用上的理論框架，這也被認(rèn)為是模糊數(shù)學(xué)發(fā)展的第二個(gè)里程碑。同年，國際性期刊《International Journal of Fuzzy Sets and System》誕生，這使得模糊理論得到普遍承認(rèn)，理論研究高速發(fā)展，實(shí)際應(yīng)用迅速推廣。
第三個(gè)節(jié)點(diǎn)代表的美國兩院院士、卡內(nèi)基-梅隆大學(xué)教授艾倫?紐厄爾（Allen Newell），1972年，他出版了《人怎樣解題》（Human Problem Solving)一書，書中描述了他和西蒙試圖建立一個(gè)計(jì)算機(jī)化的“通用問題求解器”的歷程：20世紀(jì)50年代，他們發(fā)現(xiàn)，人類的問題解決，在一定知識(shí)領(lǐng)域內(nèi)可以通過計(jì)算機(jī)實(shí)現(xiàn)，所以他們開始用計(jì)算機(jī)編程來解決問題，1956年，他們研發(fā)出了邏輯理論家和通用問題求解器（General Problem Solver），并建立了符號(hào)主義人工智能學(xué)派。我們可以看出，這本書是對(duì)他以前所作工作的總結(jié)與歸納，而邏輯理論家和通用問題求解器正是專家系統(tǒng)的雛形，為專家系統(tǒng)的出現(xiàn)奠定了堅(jiān)實(shí)的基礎(chǔ)。
但是艾倫?紐厄爾的嘗試無法解決大的實(shí)際問題，也很難把實(shí)際問題改造成適合于計(jì)算機(jī)解決的形式，并且對(duì)于解題所需的巨大搜索空間也難于處理。為此，美國國家工程院院士、斯坦福大學(xué)教授費(fèi)根鮑姆（E.A.Feigenbaum）等人在總結(jié)通用問題求解系統(tǒng)成功與失敗的經(jīng)驗(yàn)基礎(chǔ)上，結(jié)合化學(xué)領(lǐng)域的專門知識(shí)，于1965年研制了世界上第一個(gè)專家系統(tǒng)dendral，可以推斷化學(xué)分子結(jié)構(gòu)。專家系統(tǒng)進(jìn)入了初創(chuàng)期，其代表有dendral、macsyma（數(shù)學(xué)專家系統(tǒng)）等，第一代專家系統(tǒng)以高度專業(yè)化、求解專門問題的能力強(qiáng)為特點(diǎn)，向人們展示了人工智能應(yīng)用的廣闊前景［2］。
第四個(gè)節(jié)點(diǎn)代表人物是美國麻省理工學(xué)院著名的人工智能學(xué)者明斯基（Minsky）。1975年，他在論文《表示知識(shí)的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理論，框架理論的核心是以框架這種形式來表示知識(shí)。理論提出后，在人工智能界引起了極大的反響，并成為了基于框架的專家系統(tǒng)的理論基礎(chǔ)，基于框架的專家系統(tǒng)適合于具有固定格式的事物、動(dòng)作或事件。
第五個(gè)節(jié)點(diǎn)代表人物是美國普林斯頓大學(xué)教授格倫謝弗（Glenn Shafer），他在1976年出版了《數(shù)學(xué)理論的證據(jù)》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據(jù)理論）。證據(jù)理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應(yīng)用于計(jì)算機(jī)科學(xué)和工程應(yīng)用，是基于D-S證據(jù)理論的專家系統(tǒng)的理論基礎(chǔ)。
第六個(gè)重要節(jié)點(diǎn)代表是美國斯坦福大學(xué)愛德華?漢斯?肖特利夫（Shortliff EH）教授，他于1975年在著名雜志《數(shù)學(xué)生物科學(xué)》上發(fā)表《A model of inexact reasoning in medicine》（《在醫(yī)學(xué)模型的不精確推理》）一文，他結(jié)合自己1972－1974年研制的世界第一個(gè)醫(yī)學(xué)專家系統(tǒng)――MYCIN系統(tǒng)（用于診斷和治療血液感染及腦炎感染，是第二代專家系統(tǒng)的經(jīng)典之作），提出了確定性理論，該理論對(duì)專家系統(tǒng)的發(fā)展產(chǎn)生了重大影響。
第七個(gè)節(jié)點(diǎn)代表人物是美國麻省理工學(xué)院計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室的戴維斯（Randall Davis）教授，他于1976年提出元知識(shí)的概念，并在專家系統(tǒng)的研制工具開發(fā)方面做出了突出貢獻(xiàn)――研制出知識(shí)獲取工具Teiresias，為專家系統(tǒng)獲取知識(shí)實(shí)現(xiàn)過程中知識(shí)庫的修改和添加提供了工具［3］，關(guān)Teiresias，他于1977年在《Artificial Intelligence》雜志上中進(jìn)行了詳細(xì)介紹，而這也為本時(shí)期專家系統(tǒng)的快速增多和廣泛應(yīng)用奠定了堅(jiān)實(shí)基礎(chǔ)。
20世紀(jì)70年代后期，隨著專家系統(tǒng)應(yīng)用領(lǐng)域的不斷開拓，專家系統(tǒng)研發(fā)技術(shù)逐漸走向成熟。但同時(shí)，專家系統(tǒng)本身存在的應(yīng)用領(lǐng)域狹窄、缺乏常識(shí)性知識(shí)、知識(shí)獲取困難、推理方法單一等問題也被逐漸暴露出來。人們從各種不同類型的專家系統(tǒng)和知識(shí)處理系統(tǒng)中抽取共性，人工智能又從具體研究逐漸回到一般研究。圍繞知識(shí)這一核心問題，人們重新對(duì)人工智能的原理和方法進(jìn)行探索，并在知識(shí)的獲取、表示以及知識(shí)在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術(shù)。
2.2 專家系統(tǒng)發(fā)展的黃金時(shí)期
20世紀(jì)80年代是專家系統(tǒng)突飛猛進(jìn)、迅速發(fā)展的黃金時(shí)代，根據(jù)圖2顯示，這段時(shí)期共有論文982篇，有7個(gè)突出節(jié)點(diǎn)。
1980年，出現(xiàn)了第一個(gè)節(jié)點(diǎn)代表――美國斯坦福大學(xué)計(jì)算機(jī)科學(xué)系系主任尼爾森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一書，表明了拉近理論和實(shí)踐的距離的目標(biāo)，書中對(duì)基于規(guī)則的專家系統(tǒng)、機(jī)器問題解決系統(tǒng)以及結(jié)構(gòu)對(duì)象的代表等都進(jìn)行了具體的論述。
1981年，出現(xiàn)了第二個(gè)節(jié)點(diǎn)代表――英國赫特福德大學(xué)教授Clocksin，威廉F，他出版的《PROLOG語言編程》一書，引起了計(jì)算機(jī)科學(xué)界的極大興趣，并已被證明是一個(gè)重要的編程語言和人工智能系統(tǒng)的新一代基礎(chǔ)，是專家系統(tǒng)的重要編程語言。
1982年，出現(xiàn)了第三個(gè)節(jié)點(diǎn)代表――美國匹茲堡大學(xué)教授米勒（Miller RA），他在《英格蘭醫(yī)藥分冊(cè)》上發(fā)表了《基于計(jì)算機(jī)的醫(yī)學(xué)內(nèi)科實(shí)驗(yàn)診斷顧問》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，屬當(dāng)時(shí)診斷專家系統(tǒng)的代表力作，書中介紹了著名的內(nèi)科疾病診斷咨詢系統(tǒng)INTERNIST-1，之后將其不斷完善成改進(jìn)型INTERNIST-2，即后來的CADUCEUS專家系統(tǒng)，其知識(shí)庫中包含了572種疾病，約4 500種癥狀。
1983年，出現(xiàn)了第四個(gè)節(jié)點(diǎn)代表――美國的海斯羅斯（Hayes-Roth，F(xiàn)）教授，他于1983年發(fā)表著作《建立專家系統(tǒng)》，對(duì)專家系統(tǒng)建立的原則和要素、開發(fā)的生命周期等重要問題進(jìn)行了詳細(xì)講解，為研究與開發(fā)各種類型的專家系統(tǒng)提供了理論依據(jù)。
1984年，出現(xiàn)了第五個(gè)節(jié)點(diǎn)代表――美國匹茲堡大學(xué)計(jì)算機(jī)科學(xué)、哲學(xué)和醫(yī)學(xué)教授布魯斯?布坎南（Bruce G.Buchanan），他于1984年發(fā)表著作《規(guī)則的專家系統(tǒng)：斯坦福啟發(fā)式編程項(xiàng)目Mycin實(shí)驗(yàn)》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關(guān)于醫(yī)療診斷系統(tǒng)MYCIN的實(shí)驗(yàn)規(guī)則庫公布?；谝?guī)則的專家系統(tǒng)MYCIN是專家系統(tǒng)開發(fā)過程中一個(gè)里程碑，研究其開發(fā)思路與方法具有非常重要的意義。
1985年，出現(xiàn)了第六個(gè)節(jié)點(diǎn)代表――美國人工智能專家、加州大學(xué)教授哈蒙（Harmon P），他出版了《專家系統(tǒng)：人工智能業(yè)務(wù)》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統(tǒng)如何解決問題，代表知識(shí)，并得出推論，并介紹了人工智能的具體制度，確定了專家系統(tǒng)的市場(chǎng)。
1986年，出現(xiàn)了第七個(gè)節(jié)點(diǎn)代表――著名的專家系統(tǒng)學(xué)者沃特曼（Waterman DA），他出版了《專家系統(tǒng)指南》一書，該書對(duì)專家系統(tǒng)的概念、組成、建立過程、建立工具、應(yīng)用領(lǐng)域等做了深入淺出的系統(tǒng)介紹與論述，是當(dāng)時(shí)全面介紹專家研發(fā)與應(yīng)用的經(jīng)典書籍。
20世紀(jì)80年代初，醫(yī)療專家系統(tǒng)占主流，主要原因是它屬于診斷類型系統(tǒng)且容易開發(fā)。80年代中期，出現(xiàn)大量投入商業(yè)化運(yùn)行的專家系統(tǒng)，為各行業(yè)帶來了顯著的經(jīng)濟(jì)效益。從80年代后期開始，大量新技術(shù)成功運(yùn)用到專家系統(tǒng)之中，使得專家系統(tǒng)得到更廣泛的運(yùn)用。在這期間開發(fā)的專家系統(tǒng)按處理問題的類型可以分為：解釋型、預(yù)測(cè)型、診斷型、設(shè)計(jì)型等。應(yīng)用領(lǐng)域擴(kuò)展到農(nóng)業(yè)、商業(yè)、化學(xué)、通信、醫(yī)學(xué)等多個(gè)方面，成為人們常用的解決問題的手段之一。
然而，與此同時(shí)，現(xiàn)有的專家系統(tǒng)也暴露出了自身嚴(yán)重的缺陷，使不少計(jì)算機(jī)界的知名學(xué)者對(duì)專家系統(tǒng)產(chǎn)生了懷疑，認(rèn)為專家系統(tǒng)存在的問題有以下幾點(diǎn)：（1）專家系統(tǒng)中的知識(shí)多限于經(jīng)驗(yàn)知識(shí)，極少有原理性的知識(shí)，系統(tǒng)沒有應(yīng)用它們的能力；（2）知識(shí)獲取功能非常弱。為了建造專家系統(tǒng)，必須依賴于專家獲取知識(shí)， 不僅費(fèi)時(shí)， 而且很難獲取完備性和一致性的知識(shí)；（3）求解問題的方法比較單一，以推理機(jī)為核心的對(duì)問題的求解尚不能反映專家從認(rèn)識(shí)問題到解決問題的創(chuàng)造性過程；（4）解釋功能不強(qiáng)［4］。等到學(xué)者們回過頭重新審視時(shí)，20世紀(jì)90年代的專家系統(tǒng)理論危機(jī)已然爆發(fā)。
3 90年代專家系統(tǒng)向多個(gè)方向發(fā)展
由于20世紀(jì)80年代專家系統(tǒng)研究迅猛發(fā)展，商業(yè)價(jià)值被各行各業(yè)看好，導(dǎo)致90年代大批專家系統(tǒng)從實(shí)驗(yàn)室走出來，開始了它們的工程化市場(chǎng)化進(jìn)程。從圖1看以看出，在20世紀(jì)90年代，專家系統(tǒng)的相關(guān)論文不增反減，進(jìn)入一個(gè)局部低谷期，這期間以“Expert System/Experts System”為主題詞的論文共7 547篇。本文利用Citespace軟件，設(shè)置參數(shù)為（4，4，20）（4，3，20）（4，4，20），獲取了該時(shí)期論文的引文聚類圖（如圖3所示）。圖2 專家系統(tǒng)1990－2000年的論文引文聚類圖
從圖3中我們可以看出，全圖的節(jié)點(diǎn)比較分散，沒有形成大的聚類，這表示該階段沒有形成重點(diǎn)研究方向，也沒有重大科研成果和標(biāo)志性著作產(chǎn)生，專家系統(tǒng)的市場(chǎng)化進(jìn)程嚴(yán)重牽引了研究者們的注意力，這是專家系統(tǒng)研究陷入低谷期的重要原因。
這段時(shí)間專家系統(tǒng)的研究工作大致分以下幾個(gè)方面：第一個(gè)研究方向依舊是建立在扎德（LA.Zadeh）教授模糊理論上的模糊專家系統(tǒng)，它同樣是該年代專家系統(tǒng)研究的重點(diǎn)方向。
第二個(gè)研究方向是骨架專家系統(tǒng)，代表人物有美國斯坦福大學(xué)的愛德華?漢斯?肖特利夫（Shortliff EH）教授。1974年末，MYCIN系統(tǒng)基本建成后，MYCIN的設(shè)計(jì)者們就想到用其它領(lǐng)域的知識(shí)替換關(guān)于感染病學(xué)的知識(shí)，可能會(huì)得到一個(gè)新的專家系統(tǒng)，這種想法導(dǎo)致了EMYCIN骨架系統(tǒng)的產(chǎn)生。EMYCIN的出現(xiàn)大大縮短了專家系統(tǒng)的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統(tǒng)應(yīng)運(yùn)而生，它們?cè)?0世紀(jì)90年代專家系統(tǒng)的研究進(jìn)程中，發(fā)揮著重要作用。
第三個(gè)研究方向是故障診斷專家系統(tǒng)，代表人物有美國麻省理工學(xué)院的蘭德爾?戴維斯（Randall Davis）教授。他于1984年在《人工智能》雜志上發(fā)表了《基于結(jié)構(gòu)和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個(gè)利用知識(shí)結(jié)構(gòu)和行為，在電子電路領(lǐng)域進(jìn)行故障診斷排除的專家系統(tǒng)。之后，故障診斷專家系統(tǒng)在電路與數(shù)字電子設(shè)備、機(jī)電設(shè)備等各個(gè)領(lǐng)域已取得了令人矚目的成就，已成為當(dāng)今世界研究的熱點(diǎn)之一。
第四個(gè)研究方向是基于規(guī)則的專家系統(tǒng)，布魯斯?布坎南（Bruce G.Buchanan）的著作對(duì)基于規(guī)則的專家系統(tǒng)在這個(gè)時(shí)期的發(fā)展仍有著積極的指導(dǎo)作用。多種基于規(guī)則的專家系統(tǒng)進(jìn)入了試驗(yàn)階段。傳統(tǒng)基于規(guī)則的專家系統(tǒng)只是簡(jiǎn)單的聲明性知識(shí)，而目前，規(guī)則的形式開始向產(chǎn)生式規(guī)則轉(zhuǎn)變，并趨向于提供較完善的知識(shí)庫建立和管理功能。
第五個(gè)研究方向是知識(shí)工程在專家系統(tǒng)中的運(yùn)用。代表人物是美國斯坦福大學(xué)的克蘭西教授（Clancy W J），他于1985年在《人工智能》雜志上發(fā)表了重要論文《啟發(fā)式分類》（《Heuristis classification》），啟發(fā)式分類即對(duì)未知領(lǐng)域情況的類的識(shí)別過程。它是人類思維解決問題的重要方法，在人工智能、專家系統(tǒng)中可常用啟發(fā)式設(shè)計(jì)計(jì)算機(jī)程序，模擬人類解決問題的思維活動(dòng)。
第六個(gè)研究方向是機(jī)器學(xué)習(xí)在專家系統(tǒng)中的運(yùn)用。代表人物是機(jī)器學(xué)習(xí)領(lǐng)域前輩、澳洲悉尼大學(xué)著名教授John Ross Quinlan。他于1986年在《機(jī)器學(xué)習(xí)》（《Mach.Learn》）雜志上發(fā)表《決策樹算法》（《Induction of Decision Trees》）一文，文中他詳細(xì)描述了決策樹算法的代表――ID3算法。之后，有大量學(xué)者圍繞該算法進(jìn)行了廣泛的研究，并提出多種改進(jìn)算法，由于決策樹的各類算法各有優(yōu)缺點(diǎn)，在專家系統(tǒng)的實(shí)際應(yīng)用中，必須根據(jù)數(shù)據(jù)類型的特點(diǎn)及數(shù)據(jù)集的大小，選擇合適的算法。
第七個(gè)研究方向是神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業(yè)大學(xué)教授巴特?卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發(fā)表了《連接主義專家系統(tǒng)》（《Connectionist expert systems》）一文，文中講述Gallant 設(shè)計(jì)了一個(gè)連接主義專家系統(tǒng)（Connectionist expert system），其知識(shí)庫是由一個(gè)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的（即神經(jīng)網(wǎng)絡(luò)知識(shí)獲?。?，開創(chuàng)了神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的先例。
第八個(gè)研究方向是遺傳算法在專家系統(tǒng)中的運(yùn)用。代表人物是遺傳算法領(lǐng)域著名學(xué)者、美國伊利諾伊大學(xué)David Goldberg教授和人工智能專家L.Davis。1989年，Goldberg出版了專著《搜索、優(yōu)化和機(jī)器學(xué)習(xí)中的遺傳算法》，該書系統(tǒng)總結(jié)了遺傳算法的主要研究成果，全面而完整地論述了遺傳算法的基本原理及其應(yīng)用；1991年，Davis編輯出版了《遺傳算法手冊(cè)》，書中包含了遺傳算法在科學(xué)計(jì)算、工程技術(shù)和社會(huì)經(jīng)濟(jì)中的大量應(yīng)用實(shí)例，該書為推廣和普及遺傳算法的應(yīng)用起到了重要的指導(dǎo)作用。這些都推動(dòng)了基于遺傳算法的專家系統(tǒng)的研發(fā)推廣。
第九個(gè)研究方向是決策支持系統(tǒng)在專家系統(tǒng)中的運(yùn)用，代表人物是美國加利福尼亞大學(xué)伯克利分校教授埃弗雷姆?特班（Efraim Turban）。他于1990年出版了《決策支持和專家系統(tǒng)的管理支持系統(tǒng)》（《Decision support and expert systems:management support systems》）一書。20世紀(jì)80年代末90年代初，決策支持系統(tǒng)開始與專家系統(tǒng)相結(jié)合，形成智能決策支持系統(tǒng)，該系統(tǒng)充分做到了定性分析和定量分析的有機(jī)結(jié)合，將解決問題的范圍和能力提高到一個(gè)新的層次。
第十個(gè)研究方向是各種理論知識(shí)在專家系統(tǒng)中的綜合運(yùn)用，代表人物是美國加利福尼業(yè)大學(xué)教授巴特?卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H?？ㄋ箍疲↘osko）于1992年出版《神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)：一個(gè)擁有機(jī)器智能的動(dòng)力系統(tǒng)方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)結(jié)合起來的讀本，也是神經(jīng)網(wǎng)絡(luò)與模糊理論綜合應(yīng)用于專家系統(tǒng)建設(shè)的經(jīng)典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協(xié)會(huì)的《電力系統(tǒng)及自動(dòng)化》（《Transactions on Power Systems》）會(huì)議刊上發(fā)表了《人工智能模糊無功負(fù)荷的最優(yōu)VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，論文提出了一個(gè)解決無功功率（VAR）控制問題，這個(gè)方法包含了專家系統(tǒng)、模糊集理論和人工神經(jīng)網(wǎng)絡(luò)的重要知識(shí)。
雖然專家系統(tǒng)大量建造，但投入實(shí)際運(yùn)行的專家系統(tǒng)并不多，且效率較低，問題求解能力有待進(jìn)一步提高。原因之一就是專家系統(tǒng)主要是模擬某一領(lǐng)域中求解特定問題的專家的能力，而在模擬人類專家協(xié)作求解方面很少或幾乎沒有做什么工作。然而在現(xiàn)實(shí)世界中，協(xié)作求解具有普遍性，針對(duì)特定領(lǐng)域、特定問題的求解僅僅具有特殊性，專家系統(tǒng)雖然在模擬人類專家某一特定領(lǐng)域知識(shí)方面取得了成功，但它仍然不能或難以解決現(xiàn)實(shí)世界中的問題。其次，開發(fā)的專家系統(tǒng)的規(guī)模越來越大，并且十分復(fù)雜。這樣就要求將大型專家系統(tǒng)的開發(fā)變成若干小的、相對(duì)獨(dú)立的專家系統(tǒng)來開發(fā)，而且需要將許多不同領(lǐng)域的專家系統(tǒng)聯(lián)合起來進(jìn)行協(xié)作求解。然而，與此相關(guān)的分布式人工智能理論和實(shí)用技術(shù)尚處在科研階段。只有分布式系統(tǒng)協(xié)作求解問題得以解決，才能克服由于單個(gè)專家系統(tǒng)知識(shí)的有限性和問題求解方法的單一性等導(dǎo)致系統(tǒng)的“脆弱性”，也才能提高系統(tǒng)的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［5］。
4 21世紀(jì)專家系統(tǒng)進(jìn)入穩(wěn)定發(fā)展時(shí)期
進(jìn)入21世紀(jì)，專家系統(tǒng)開始緩慢發(fā)展，這期間以“Expert System/Experts System”為主題詞的論文共5 964篇。本文利用Citespace軟件，設(shè)置參數(shù)為（6，6，20）（5，5，20）（5，5，20），獲取了該時(shí)期論文的引文聚類圖（如圖4所示）。圖4 專家系統(tǒng)2000－2010年的論文引文聚類圖
這個(gè)時(shí)期專家系統(tǒng)有3個(gè)主要研究方向：第一個(gè)是研究方向是節(jié)點(diǎn)明顯的基于模糊邏輯的專家系統(tǒng)研究方向。90年代以來，模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進(jìn)一步提高了模糊控制器的智能水平?；谀：壿嫷膶＜蚁到y(tǒng)有以下優(yōu)點(diǎn)：一是具有專家水平的專門知識(shí)，能表現(xiàn)專家技能和高度的技巧以及有足夠的魯棒性（即健壯性）；二是能進(jìn)行有效的推理，能夠運(yùn)用人類專家的經(jīng)驗(yàn)和知識(shí)進(jìn)行啟發(fā)性的搜索和試探性的推理；三是具有靈活性和透明性。
第二個(gè)是研究方向是Rete模式匹配算法在專家系統(tǒng)中的應(yīng)用，代表人物是美國卡內(nèi)基―梅隆大學(xué)計(jì)算機(jī)科學(xué)系的Charles L.Forgy教授，1979年，他首次提出Rete算法。專家系統(tǒng)工具中一個(gè)核心部分是推理機(jī)，Rete算法能利用推理機(jī)的“時(shí)間冗余”特性和規(guī)則結(jié)構(gòu)的相似性，并通過保存中間運(yùn)算結(jié)果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發(fā)表《Rete算法：許多模式／多對(duì)象的模式匹配問題的一個(gè)快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，該文解釋了基本算法的概念，介紹了詳細(xì)的算法，描述了模式和適當(dāng)?shù)膶?duì)象交涉算法，并說明了模式匹配的執(zhí)行操作。
第三個(gè)是研究方向是專家系統(tǒng)在電力系統(tǒng)中的運(yùn)用。世界各國的專家們開始熱衷于在電力生產(chǎn)的各個(gè)環(huán)節(jié)使用專家系統(tǒng)，代表人物有日本的福井賢、T.Sakaguchi、印度的Srinivasan D、美國伊利諾伊州研究所的Abdul-Rahman K.H、希臘雅典國立技術(shù)大學(xué)的Protopapas C.A、和中國的羅旭，他們?cè)诿绹姎夂碗娮庸こ處焻f(xié)會(huì)的《電力傳輸》（《IEEE transactions on power delivery）會(huì)議刊及《電源設(shè)備系統(tǒng)》會(huì)議刊（《On Power Apparatus and Systems》）上發(fā)表了多篇有影響力的論文，內(nèi)容涉及系統(tǒng)恢復(fù)、電力需求預(yù)測(cè)、變電站故障診斷和報(bào)警處理等多方面。
這十年間，專家系統(tǒng)的研究不再滿足于用現(xiàn)有各種模型與專家系統(tǒng)進(jìn)行簡(jiǎn)單結(jié)合，形成基于某種模型的專家系統(tǒng)的固有模式。研究者們不斷探索更方便、更有效的方法，來解決困擾專家系統(tǒng)的知識(shí)獲取瓶頸、匹配沖突、組合爆炸等問題，而這也推動(dòng)了研究不斷向深層次、新方向發(fā)展。但是，由于專家系統(tǒng)應(yīng)用的時(shí)間長、領(lǐng)域廣，他們?cè)庥龅钠款i問題一時(shí)得不到有效解決，導(dǎo)致了這一時(shí)期末，專家系統(tǒng)研究呈現(xiàn)出暫時(shí)的下滑現(xiàn)象。
5 專家系統(tǒng)發(fā)展趨勢(shì)分析
圖一發(fā)展曲線上第二個(gè)時(shí)間節(jié)點(diǎn)是1992年，從該年起專家系統(tǒng)相關(guān)論文呈下降趨勢(shì)，然后在2002年又開始緩慢增長，近一年多來又開始下降，這標(biāo)志著專家系統(tǒng)研究在布滿荊棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年為一個(gè)單位，統(tǒng)計(jì)了1990－2009年20年期間專家系統(tǒng)相關(guān)論文中高頻詞的變化情況，如表1所示，從該表可以獲得這個(gè)時(shí)期專家系統(tǒng)研究的一些特點(diǎn)。
（1）在1990-1999年期間，人工智能出現(xiàn)新的研究，由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)發(fā)展，人工智能開始由單個(gè)智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究，使人工智能更加實(shí)用，這給專家系統(tǒng)帶來了發(fā)展的希望。正因?yàn)槿绱?，我們從詞頻上可以看出，人工智能（artificial intelligence）一詞在這十年一直位居前兩位，在專家系統(tǒng)研究中處于主導(dǎo)地位，而與其相關(guān)的知識(shí)表示（knowledge representation）、知識(shí)獲取(knowledge acquisition)等，也成為了學(xué)者們研究的重點(diǎn)方向。
（2）該時(shí)期的第二個(gè)特點(diǎn)是神經(jīng)網(wǎng)絡(luò)研究的復(fù)蘇。神經(jīng)網(wǎng)絡(luò)是通過模擬人腦的結(jié)構(gòu)和工作模式，使機(jī)器具有類似人類的智能，如機(jī)器學(xué)習(xí)、知識(shí)獲取、專家系統(tǒng)等。我們從詞頻上可以看出神經(jīng)網(wǎng)絡(luò)（neural network）一詞得以快速增長，1995年時(shí)位列第一，進(jìn)入21世紀(jì)也是穩(wěn)居第二位，神經(jīng)網(wǎng)絡(luò)很好地解決了專家系統(tǒng)中知識(shí)獲取的瓶頸問題，能使專家系統(tǒng)具有自學(xué)習(xí)能力，它的出現(xiàn)為專家系統(tǒng)提供了一種新的解決途徑［6］，同時(shí)也顯示出他獨(dú)有的生機(jī)與活力。
（3）該時(shí)期是模糊邏輯的發(fā)展時(shí)期。模糊理論發(fā)展至今已接近三十余年，應(yīng)用范圍非常廣泛，它與專家系統(tǒng)相結(jié)合，在故障診斷、自然語言處理、自動(dòng)翻譯、地震預(yù)測(cè)、工業(yè)設(shè)計(jì)等方面取得了眾多成果。我們從詞頻上可以看出，模糊邏輯（fuzzy logic）一詞，除在1990－1994年期間位居第六位外，之后都位居前三甲，2000-2004年期間更是位列第一。模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進(jìn)一步提高了模糊控制器智能水平，這種控制方法既保持了基于規(guī)則的方法的價(jià)值和用模糊集處理帶來的靈活性，同時(shí)把專家系統(tǒng)技術(shù)的表達(dá)與利用知識(shí)的長處結(jié)合起來，能處理更廣泛的控制問題。
（4）故障診斷成為專家系統(tǒng)研究與應(yīng)用的又一重要領(lǐng)域。故障診斷專家系統(tǒng)的發(fā)展起始于20世紀(jì)70年代末,雖然時(shí)間不長,但在電路與數(shù)字電子設(shè)備、機(jī)電設(shè)備等各個(gè)領(lǐng)域已取得了令人矚目的成就,已成為當(dāng)今世界研究的熱點(diǎn)之一。這從高頻詞分布可以開出，故障診斷（fault diagnosis）從1995-1999年間的最后一位攀升至2005-2009年間的第一位，足見其強(qiáng)大的生命力。在專家系統(tǒng)己有較深厚基礎(chǔ)的國家中，機(jī)械、電子設(shè)備的故障診斷專家系統(tǒng)已基本完成了研究和試驗(yàn)的階段，開始進(jìn)入廣泛應(yīng)用。
（5）遺傳算法的應(yīng)用逐漸增多。20世紀(jì)90年代，遺傳算法迎來了發(fā)展時(shí)期，無論是理論研究還是應(yīng)用研究都成了十分熱門的課題。尤其是遺傳算法的應(yīng)用研究顯得格外活躍，不但應(yīng)用領(lǐng)域擴(kuò)大，而且利用遺傳算法進(jìn)行優(yōu)化和規(guī)則學(xué)習(xí)的能力也顯著提高。進(jìn)入21世紀(jì)，遺傳算法的應(yīng)用研究已從初期的組合優(yōu)化求解擴(kuò)展到了許多更新、更工程化的應(yīng)用方面。這在高頻詞分布中可以看出，以2000作為臨界點(diǎn)，遺傳算法（genetic algorithms）從20世紀(jì)90年代的10名之后，到位于高頻詞前六強(qiáng)之中，充分反映出它發(fā)展的良好勢(shì)頭。
6 小 結(jié)
專家系統(tǒng)是20世紀(jì)下半葉發(fā)展起來的重大技術(shù)之一，它不僅是高技術(shù)的標(biāo)志，而且有著重大的經(jīng)濟(jì)效益?！爸R(shí)工程之父”E.Feignbaum在對(duì)世界許多國家和地區(qū)的專家系統(tǒng)應(yīng)用情況進(jìn)行調(diào)查后指出：幾乎所有的ES都至少將人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。
專家系統(tǒng)技術(shù)能夠使專家的專長不受時(shí)間和空間的限制，以便推廣稀缺的專家知識(shí)和經(jīng)驗(yàn)；同時(shí)，專家系統(tǒng)能促進(jìn)各領(lǐng)域的發(fā)展，是各領(lǐng)域?qū)＜覍I(yè)知識(shí)和經(jīng)驗(yàn)的總結(jié)和提煉。
專家系統(tǒng)發(fā)展的近期目標(biāo)，是建造能用于代替人類高級(jí)腦力勞動(dòng)的專家系統(tǒng)；遠(yuǎn)期目標(biāo)是探究人類智能和機(jī)器智能的基本原理，研究用自動(dòng)機(jī)模擬人類的思維過程和智能行為，這幾乎涉及自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇。
隨著人工智能應(yīng)用方法的日漸成熟，專家系統(tǒng)的應(yīng)用領(lǐng)域也不斷擴(kuò)大。有人類活動(dòng)的地方，必將有智能技術(shù)包括專家系統(tǒng)的應(yīng)用，專家系統(tǒng)將成為21世紀(jì)人類進(jìn)行智能管理與決策的工具與助手。
參考文獻(xiàn)
［1］百度百科［EB］.http:∥baike.省略/view/2130.htm．
［2］黃可鳴.專家系統(tǒng)二十年［J］.計(jì)算機(jī)科學(xué)，1986，（4）：26-37.
［3］路耀華.思維模擬與知識(shí)工程［M］.北京：清華大學(xué)出版社，1997．
［4］趙致琢.專家系統(tǒng)研究［J］.貴州大學(xué)學(xué)報(bào)：自然科學(xué)版，1990，（6）：40-48.
［5］鄒光宇.專家系統(tǒng)發(fā)展現(xiàn)狀及其應(yīng)用前景［J］.電力勘測(cè)，1994，（3）：21-26.
