Содержание к диссертации
Введение
Глава 1. Информационные системы в земледелии. Состояние, проблемы и задачи развития 10
1.1. Этапы развития информационных систем в земледелии 15
1.1.1. Первые шаги по компьютеризации сельского хозяйства 15
1.1.2. Информационно-справочные системы 17
1.1.3. Системы поддержки технологических решений 20
1.2. Новые информационные технологии 23
1.2.1. Экспертные системы 23
1.2.2. Геоинформационные технологии 26
1.2.3. Распределенные информационные системы 29
1.3. Информационно-управляющие системы 31
1.4. Постановка задачи исследования 35
Глава 2. Содержание и принципы построения базы данных 40
2.1. Концепция баз данных 41
2.1.1. Данные и ЭВМ 41
2.1.2. Уровни абстракции 44
2.1.3. Основные модели данных и их характеристики 45
2.1.4. Структура и функции системы управления базами данных 58
2.2. Содержание базы данных 61
2.2.1. Штатная информация 64
2.2.2. Специальные и нормативные данные 66
2.2.3. Технико-экономические данные 69
2.3. Критерии выбора системы управления базой данных 70
Глава 3. Программно-математическое обеспечение ведения базы данных .72
3.1. Обоснование выбора средств разработки специализированной системы управления базой данных 73
3.2. Структура специализированной СУБД и методология наполнения и манипулирования данными 74
3.2.1. Структура СУБД 74
3.2.2. Обеспечение функций ввода, хранения и обработки данных 19
3.3 Модуль сбора и обработки пространственно-атрибутивных данных ...88
3.3.1 Режим формирования пространственно-атрибутивной БД 90
3.3.2 Режим навигации по заданным точкам 91
3.3.3 Режим управления внешними устройствами 92
Глава 4. Структура и методология системной организации базы агротехнологических знаний 93
4.1. Декларативные и процедурные знания 96
4.2. Представление агротехнологических знаний для компьютерной обработки 99
4.2.1 Концепция представления знаний 99
4.2.2 Система представления знаний 102
4.2.3. Специфические требования по представлению знаний 111
Глава 5. Программно - математическое обеспечение обработки агротехнологических знаний 115
5.1.Механизм управления процессом обработки знаний в ЭВМ 115
5.2. Интеллектуальный редактор: режим «Эксперт базы знаний» 119
5.3. Интеллектуальный редактор: режим «Пользователь базы знаний»... 125
5.3.1. Блок выработки решений 127
Заключение 130
Литература 135
- Системы поддержки технологических решений
- Модуль сбора и обработки пространственно-атрибутивных данных
- Специфические требования по представлению знаний
- Интеллектуальный редактор: режим «Эксперт базы знаний»
Введение к работе
В последнем десятилетии прошлого века была сформулирована новая
парадигма земледелия - адаптивно-ландшафтная. Основополагающие работы
отечественных ученых определили сущность и отличительные признаки этой
парадигмы. Адаптивно-ландшафтная методология направлена на наиболее
целесообразную, эффективную интенсификацию производства
растениеводческой продукции заданного (управляемого) качества и охраны окружающей среды. Рост эффективности и экологичности достигается за счет применения достижений науки и передового опыта улучшения методов ведения хозяйства, совершенствования систем земледелия и внедрения адаптивных технологий.
В настоящее время уже появились первые разработки, реализующие адаптивно-ландшафтную идеологию применительно к конкретным регионам. Региональные системы ведения сельскохозяйственного производства представлены как модели адаптивно-ландшафтного подхода и служат ориентирами при выборе оптимальных решений на местах с учетом аграрной политики конкретного субъекта РФ и в целом в стране.
Однако эти региональные разработки не дают универсального рецепта (технологий сбора и обработки разнородных данных и знаний) по переводу классификационных построений вербального типа к хозяйственным решениям, которые должны принимать специалисты в своих хозяйствах. Для разработки и последующего ведения адаптивно-ландшафтных систем земледелия необходимо наличие современных технических средств измерения в локальных агроэкосистемах пространственно-временных неоднородностей среды обитания растений. Требуются принципиально новые методы прогнозирования и управления режимными параметрами агроландшафтов, влияющими на продукционный процесс на сельскохозяйственном поле. Необходимы также новые методы и средства автоматизированного проектирования адаптивно-ландшафтных систем
земледелия, путем разработки гибких алгоритмов и создание программных средств базирующихся на теории обработки данных и знаний в системах искусственного интеллекта.
Адаптивно-ландшафтный подход в земледелии приобрел вполне
реальные очертания и развивается широким фронтом. Вместе с тем нужно
признать, что разработка и внедрение в конкретных хозяйствах адаптивно-
ландшафтного подхода значительно сдерживается из-за несовершенной
нормативной базы "и отсутствие типового программно-математического
аппарата, обеспечивающего возможность автоматического
комплексирования и синтезирования агротехнологических сценариев воздействия на систему «почва-растение». Возможность перехода к автоматизированному проектированию агротехнологий позволит оперативно и массово создать техническую основу адаптации и оптимизации технологических решений производства растениеводческой продукции, включая возможность реализации технических приемов с помощью методологии точного земледелия.
Современные компьютерные технологии стремительно расширяют области применения и уровень информатизации процесса принятия агротехнологических управленческих решений. Последние достижения информатики в области телекоммуникаций, систем основанных на знаниях (систем искусственного интеллекта и среди них наиболее популярных экспертных систем), автоматизированных методов принятия решений позволяют создавать принципиально новые системы, которые могут интегрировать опыт многих специалистов в области агрономии, биологии, сельского хозяйства, экономики и прочих смежных областей деятельности. Это позволяет разработать и выбрать максимально эффективную и, вместе с тем, экологически безопасную адаптивную агротехнологию для каждого поля с учетом вариабельности природных условий и экономических ограничений.
Вместе с тем разработка научно-обоснованных адаптивных систем земледелия и соответствующих экологически гармоничных агротехнологий, дифференцированных по культурам и сортам для конкретного сельскохозяйственного поля с его почвенно-климатическими, геоморфологическими, гидрологическими и другими природными особенностями, а также экономическими ограничениями является объективно сложной задачей агрономии. В агрономии, являющейся комплексной, но, несмотря на успехи в математическом моделировании продукционного процесса, во многом описательной наукой, оказалось весьма затруднительным при потенциальном наличии знаний без соответствующей систематизации использовать их для выбора оптимальных (рациональных) решений на различных временных уровнях. Прежде всего потому, что объем этих знаний велик и разнороден, и специалисту занятому непосредственно в производстве трудно полностью оценить их и, следовательно, выработать приемлемую стратегию «хозяйственного поведения» в зависимости от складывающейся и прогнозируемой обстановки.
Компьютерное решение этой задачи в свою очередь связано с необходимостью представления, формализации и четкого синтеза научных знаний и информации, накопленной в агрономии, а также построения специализированного программно-аппаратного комплекса по реализации информационной технологии в земледелии. Успех проектирования подобных комплексов зависит от создания понятийного аппарата, обеспечивающего электронное представление и комплексирование описательных и процедурных знаний в агрономии на основе естественно-языкового общения с ЭВМ и специализированной обработки данных и знаний.
В этой связи, целью диссертационной работы является разработка алгоритмов и создание программного инструментария формирования проблемно-ориентированных баз данных и знаний и синтезирование на их основе по заданному критерию различных сценариев агротехнических воздействий для заданных культур на тех или иных сельскохозяйственных
полях. Компьютерное синтезирование возможных (допустимых) агротехнических воздействий для заданных культур на тех или иных сельскохозяйственных полях обеспечивает существенное ускорение процесса разработки адаптивно-ландшафтной системы земледелия и её реализации в конкретном хозяйстве.
Для достижения цели диссертационного исследования были поставлены и решены следующие задачи:
Изучить опыт, провести анализ и структурирование используемых данных и знаний на всех этапах возделывания с/х культур;
Разработать общую функциональную схему программного комплекса;
Обосновать и разработать комплекс программ управления разнородными атрибутивными и пространственными данными, представленных различными форматами;
Разработать и создать программное обеспечение по формированию и корректировке агротехнологических знаний (интеллектуальный редактор) в режимах: «эксперт базы знаний» и «пользователь базы знаний»;
Разработать программное обеспечение по комплексированию и синтезированию базовых технологий и технологических адаптеров по заданному критерию.
Диссертация состоит из введения, пяти глав, заключения, списка литературы и приложений.
В первой главе рассматриваются этапы развития информационных систем в земледелии. Приводиться анализ существующих методов, обеспечивающих возможность перехода к автоматизированному проектированию адаптивно-ландшафтных систем земледелия для конкретного хозяйства. Формулируются проблемы, которые и исследуются в последующих главах диссертации
Во второй главе анализируется концепция развития баз данных, дается оценка и сравнительные характеристики моделей и систем управления базами данных (СУБД). Рассматривается структура, содержание используемых данных и критерии выбора СУБД.
В третьей главе обосновывается эффективность создания специализированной СУБД и выбор средств её разработки. Рассматривается структура специализированной СУБД и ее функции по ведению базы данных.
В четвертой главе приводится схема организации базы агротехнологических знаний, рассматривается концепция представления декларативных и процедурных знаний на электронную обработку. Подробно обсуждается система ^ логически сопряженного представления и дифференциации баз знаний и данных.
Пятая глава логически завершает проведенную исследовательскую работу по теме диссертации, содержит результат построения и апробации программного комплекса по формализации, комплексированию и синтезированию адаптивных агроприемов производства растениеводческой продукции на основе базовых агротехнологий и технологических адаптеров по заданному критерию.
Диссертационная работа выполнялась в рамках проводимых Агрофизическим институтом исследований: по базовой научно-технической программе «Разработать теоретические основы и методы экологически адаптивного управления агрофизическими свойствами почв и состоянием растений для повышения продуктивности и устойчивости агроэкосистем в ландшафтном земледелии» (2001-2005 гг., регистрационный номер 01.200.111104); в ходе выполнения научно-исследовательских работ по контрактам с Министерством сельского хозяйства РФ «Провести исследования и создать комплекс программ по генерации адаптивных агротехнологий» и правительством Ленинградской области «Система автоматизированного мониторинга полей и оперативного прогнозирования
урожаев» (2001-2003 гг.); а также в соответствии с распоряжением Минпромнауки России №04.900.43/078 от 15.04.2003 осуществлялась разработка программного комплекса «Компьютерная система генерации и реализации технологических решений в точном земледелии».
Основные результаты исследований рассматривались и были одобрены на заседаниях Ученого Совета Агрофизического института, проводимых в 2002-2003 г.г. в рамках отчетных научных сессий коллектива за эти годы.
Результаты работы докладывались и обсуждались также на следующих научных и научно-технических конференциях: «12-ая международная конференция и выставка по механизации полевых экспериментов», IAMFEE-2004 (Санкт-Петербург, 2004); «Машинные технологии производства продукции в системе точного земледелия и животноводства» (Москва, 2004); «Информационные технологии, измерительные информационные системы и приборы в исследовании сельскохозяйственных процессов. АГРОИНФО-2003» (Новосибирск, 2003); «Международная конференция по мягким вычислениям и измерениям, SMC2002» (Санкт-Петербург, 2002) ;«Международная конференция по мягким вычислениям и измерениям, SMC2000» (Санкт-Петербург, 2000); «Информационные технологии, измерительные информационные системы и приборы в исследовании сельскохозяйственных процессов. АГРОИНФО-2000» (Новосибирск, 2000); международная конференция «Современные проблемы опытного дела» (Санкт-Петербург, 2000); «Третий международный коллоквиум. Полевые эксперименты для устойчивого землепользования» (Санкт-Петербург, 1999).
Разработанный программный пакет апробирован на Меньковской
опытной станции в Гатчинском районе Ленинградской области и входил в
состав программно-аппаратного комплекса, демонстрируемого
Агрофизическим институтом на двух международных специализированных выставках «Агрорусь» (Санкт-Петербург, 2004) и «Золотая осень» (Москва, 2004), где были получены соответственно серебряная медаль и диплом.
Системы поддержки технологических решений
Главным достоинством проекта «ПОГОДА» являлась отработка принципов автоматизированного информационного обеспечения работ по программированию урожаев. Реализация же первой очереди системы на базе вычислительного центра Меньковской опытной станции АФИ позволила приступить к внедрению методов программирования урожаев в хозяйствах Ленинградской области. В процессе апробации стали расширяться информационно-справочные функции системы. Так, например, наряду с агрометеорологической информацией база данных стала активно пополняться и другого рода информацией: агрохимической, агрофизической, технологической и экономической [107]. Эти сведения поставляли государственные специализированные службы (Агрохимслужба, Гидрометеослужба и др.), обеспечивающие агропромышленный комплекс, а также со специальных биологических полигонов и экспериментальных полей, созданных для исследований по программированию урожаев.
Вместе с постоянным расширением информационно-справочных функций «ПОГОДЫ» модульность её построения, опыт апробации и содержание накапливаемой и обрабатываемой информации позволяли перейти к автоматизированному решению ряда задач рекомендательного характера. В частности, были разработаны комплексы программ по расчёту потенциальных, климатически обеспеченных и действительно возможных программируемых урожаев, а также составлению агрометеорологических прогнозов средних для конкретного хозяйства сроков сева яровых и озимых культур и уточняющего прогноза урожайности в зависимости от складывающейся погодной обстановки [82,92,93,98].
Для планирования всего цикла работ на предстоящий сезон вегетации и частично в сфере оперативного управления возделыванием программируемых посевов были созданы три подсистемы: по автоматизированному составлению агротехнологий, дифференцированных по уровням урожаев; почвенно-климатическим характеристикам отдельных полей и организационно-экономическим возможностям сельскохозяйственных предприятий [99]; эксплуатации оросительных систем, обеспечивающих возможность принятия оптимальных решений при оперативной корректировке эксплутационных режимов орошения и агрохимического обеспечения работ по программированию урожаев [15, 82, 101, 107]. Очередной этап создания систем поддержки технологических решений, начавшийся примерно с середины 80-х годов прошлого века, был предопределен, во-первых, развитием метода имитационного моделирования продуктивности агроэкосистем [10,59,60,74,76]. Во-вторых, был выполнен ряд разработок, направленных на практическое использование метода программирования урожаев для компьютерной поддержки технологических решений в земледелии. На основе учёта обобщенных почвенно климатических показателей и с применением математических моделей был создан ряд систем поддержки принятия плановых и оперативных технологических решений при возделывании различных сельскохозяйственных культур [7,57,70,99]. При этом обоснованность принятия решений сопровождалось экономическим анализом вариантов выполнения технологических решений на всех уровнях сельскохозяйственного производства. Рассматриваемые системы уже были реализованы на мини- и микро-ЭВМ, массовый выпуск которых уже в эти годы был налажен. Развитие информационных технологий в конце 20-го века в земледелии шло по пути создания экспертных систем, баз данных, а также накопления декларативных и процедурных знаний [54,94]. Был разработан понятийный аппарат компьютерного описания технологических операций и агротехнологий в целом [96]. С помощью специальных конструкций описания агротехнологических операций появилась возможность создания языков высокого уровня по представлению, формализации и генерации агротехнологий. В последнее время учеными Агрофизического института была создана компьютерная система поддержки экономических и технологических решений в земледелии на основе использования динамических моделей агроэкосистем как источника процедурных знаний о продукционном процессе сельскохозяйственных культур, а также комплексного использования данных наземных и дистанционных наблюдений [45,47]. С помощью этой разработки, в частности, абоненты системы (внедрено для хозяйств Ленинградской области) имеют возможность в реальном режиме времени получать оперативную информацию о состоянии травостоя на своих полях и рекомендации по срокам укоса и стратегии дальнейшего приготовления кормов [46].
Решающую роль в развитие систем поддержки агротехнологических решений будут играть в будущем исследования по совершенствованию информационного обеспечения методов принятия решений. По этой причине должны быть интенсифицированы работы по комплексированию измерительной информации, получаемой из различных источников, в том числе и с помощью мобильных систем, созданию более совершенных прогностических моделей продукционного процесса и состояния среды обитания, а также совершенствованию методов автоматизированной выработки технологических решений на основе баз знаний и данных. Новые возможности развития этого направления связаны с появлением таких программно-аппаратных средств как глобальная система определения координат со спутников (ГСП) и геоинформационных систем (ГИС).В распоряжении разработчиков имеется также современная компьютерная техника с развитым программно-математическим наполнением, обеспечивающим реализацию систем поддержки агротехнологических решений в рамках новых информационных технологий, связанных с достижениями в области искусственного интеллекта.
Модуль сбора и обработки пространственно-атрибутивных данных
Для работы с базами данных используются специальные языки, в целом называемые языками баз данных. В ранних СУБД поддерживалось несколько специализированных по своим функциям языков. Чаще всего выделялись два языка - язык определения схемы БД (SDL - Schema Definition Language) и язык манипулирования данными (DML - Data Manipulation Language). SDL служил главным образом для определения логической структуры БД, т.е. той структуры БД, какой она представляется пользователям. DML содержал набор операторов манипулирования данными, т.е. операторов, позволяющих заносить данные в БД, удалять, модифицировать или выбирать существующие данные.
В современных СУБД обычно поддерживается единый интегрированный язык, содержащий все необходимые средства для работы с БД, начиная от ее создания, и обеспечивающий базовый пользовательский интерфейс с базами данных. Стандартным языком наиболее распространенных в настоящее время реляционных СУБД является язык SQL (Structured Query Language). Перечислим основные функции реляционной СУБД, поддерживаемые на "языковом" уровне (т.е. функции, поддерживаемые при реализации интерфейса SQL).
Прежде всего, язык SQL сочетает средства SDL и DML, т.е. позволяет определять схему реляционной БД и манипулировать данными. При этом именование объектов БД (для реляционной БД - именование таблиц и их столбцов) поддерживается на языковом уровне в том смысле, что компилятор языка SQL производит преобразование имен объектов в их внутренние идентификаторы на основании специально поддерживаемых служебных таблиц-каталогов. Внутренняя часть СУБД (ядро) вообще не работает с именами таблиц и их столбцов.
Язык SQL содержит специальные средства определения ограничений целостности БД. Опять же, ограничения целостности хранятся в специальных таблицах-каталогах, и обеспечение контроля целостности БД производится на языковом уровне, т.е. при компиляции операторов модификации БД компилятор SQL на основании имеющихся в БД ограничений целостности генерирует соответствующий программный код.
Специальные операторы языка SQL позволяют определять так называемые представления БД, фактически являющиеся хранимыми в БД запросами (результатом любого запроса к реляционной БД является таблица) с именованными столбцами. Для пользователя представление является такой же таблицей, как любая базовая таблица, хранимая в БД, но с помощью представлений можно ограничить или наоборот расширить видимость БД для конкретного пользователя. Поддержание представлений производится также на языковом уровне.
Наконец, авторизация доступа к объектам БД производится также на основе специального набора операторов SQL. Идея состоит в том, что для выполнения операторов SQL разного вида пользователь должен обладать различными полномочиями. Пользователь, создавший таблицу БД, обладает полным набором полномочий для работы с этой таблицей. В число этих полномочий входит полномочие на передачу всех или части полномочий другим пользователям, включая полномочие на передачу полномочий. Полномочия пользователей описываются в специальных таблицах-каталогах, контроль полномочий поддерживается на языковом уровне.
Как уже было сказано выше, содержательной информацией, хранимой в БД, являются атрибуты объектов и характеристики отношений между ними. Вся остальная информация является, по сути дела, служебной и лишь помогает организации содержательной информации об объектах и их отношениях. Таким образом, все, чем может оперировать пользователь в обращении к БД, то есть все, что может воспринимать и выдавать система, в содержательном плане является совокупностями характеристик информационных объектов. Задавая области значений некоторой совокупности характеристик, пользователь формирует поисковые условия, по которым могут быть найдены интересующие его объекты и извлечены интересующие его данные.
СУБД в настоящее время находят применение практически во всех областях экономики, науки и производства. Наиболее широкое распространение они получили после появления персональных компьютеров.
Главной отличительной особенностью современных СУБД является простота их использования. Недаром одно из основных требований, предъявляемых к программному обеспечению персональных компьютеров, -это «дружественность пользователю», т.е. максимальное удобство в работе. Сегодня в мире уже существует несколько сотен СУБД для персональных компьютеров, и каждый год появляются все новые системы и усовершенствованные версии существующих. Любая новая система предлагает пользователю какие-то дополнительные «удобства», например, позволяет применять хорошо знакомый ему язык, скажем, Паскаль, или создавать очень длинные (несколько тысяч символов) записи и т.д. Большинство программ обладают таким важным свойством, как простота освоения и преемственность, поэтому пользователи охотно приобретают новые программы.
Все развитые коммерческие СУБД основываются на архитектуре «клиент-сервер». При этой организации управления данными наиболее трудоемкие операции над БД выполняются на выделенном компьютере-сервере.
Специфические требования по представлению знаний
Особенность систем представления знаний напрямую связана спредметной областью и во многом зависит от характера решаемых задач. Как известно, методы решения вычислительных задач основаны на детерминированных алгоритмах, обоснованность которых базируется на понятии сходимости. Модели же представления знаний имеют дело с информацией, получаемой от экспертов, которая, как мы уже убедились, носит в основном качественный характер. Тем не менее, в силу специфики функционирования ЭВМ, подобная информация должна быть приведена к однозначному формализованному виду. То, что знает человек-эксперт, специализирующийся на агротехнологиях, должно быть систематизировано и отвечать требованиям машинной обработки этих знаний. Ошибочно считать, что представление знаний сводится к простому кодированию, аналогичному шифрованию. Если просто закодировать некоторую информацию, подставив некоторым способом вместо одних символов другие, то полученный результат будет иметь мало общего с представлением этой информации в том смысле, как это понимается в теории искусственного интеллекта. Обычно для этого используют идеи многозначной логики, теории нечетких множеств и тому подобных, в том числе рассмотренных выше, формализмов описания агротехнологических знаний.
Вместе с тем, для того, чтобы убедиться, что предложенная нами структура представления знаний отвечает требованиям теории искусственного интеллекта, нужно показать наличие в ней специфических признаков.
Отечественные (Г.С.Поспелов, 1988г.; Д.А.Поспелов, 1990г.; Ю.В.Юдин и др.) и зарубежные (X. Уэнои, М. Исидзука, 1989г.; П.Джексон, 2001 и др.) специалисты в области искусственного интеллекта утверждают, что системы представления знаний в различных предметных областях должны иметь следующие специфические признаки: внутреннюю интерпретируемость; структурированность; связанность и активность. Покажем, что предлагаемая нами структура представления знаний отвечает этим специфическим требованиям.
По определению внутренней интерпретируемости каждая информационная единица должна иметь уникальное имя, по которому система ее находит. Этот признак явно просматривается в БД, в реляционной модели данных, где имена столбцов являются атрибутами отношений, имена которых указаны в строках, а схема описания БЗ полностью базируется на использовании атрибутов БД.
Второй признак — структурированность — требует, чтобы выполнялась рекурсивная вложимость одних информационных единиц в другие. Полностью этот признак характерен для предложенных шаблонов описания технологических операций и моделей агротехнологий, так как они составляются из совокупности более простых конструкций, которые в свою очередь создаются из элементов БД по заданным правилам. Отметим, что признаки «внутренняя интерпретируемость» и «структурированность» характерны для БД и БЗ рассматриваемой системы, а для признаков «связанность» и «активность» аналогов в БД нет.
Знания вообще связаны не только в смысле структуры. Они отображают закономерности, проявляющиеся в наличии фактов, процессов, явлений и в причинно-следственных отношениях между ними. По определению признака связности должны быть установлены отношения связи между информационными единицами. Семантика этих отношений может носить декларативный или процедурный характер. Для декларативных знаний должны быть установлены три типа отношений связи: две или более информационных единицы связаны отношением «Одновременно» (в нашем случае такую связь обеспечивают конструкции типа (4.1) и (4.3); две информационные единицы связаны отношением «Причина -следствие» (в нашем случае конструкции (4.6) и (4.7) реализуют эту связь); две или более информационные единицы связаны отношением «быть рядом» (в нашем случае такую связь обеспечивает в явном виде конструкция (4.8) и комбинации простых конструкций типа (4.5)). Для процедурных знаний реализация отношения «аргумент - функция» осуществляется соответствующим алгоритмом - программой. Таким образом, признак связности характерен для рассматриваемой системы.
При обычном использовании ЭВМ все процессы счета инициируются командами, т.е. программы активны, а данные пассивны. Все процедуры в этом случае должны быть предусмотрены в соответствующей программе, написанной на том или ином языке для ЭВМ. Следовательно, если исходные данные для решения задачи нечетко или неполно выражены, то процесс вычисления останавливается. В связи с этим и требуется создать такие структуры представления знаний, которые бы обеспечивали актуализацию тех или иных действий с данными, и выполнение программ должно также инициироваться текущим состоянием БЗ. Принимая сказанное за понятие признака активности, вернемся к модели (4.11) - модели агротехнологии. Все используемые в ней конструкции представления знаний детально предписывают перечень выборки из БД и ее последовательность, указывает, какую внешнюю процедуру задействовать и т.д. Процесс вычисления направляется структурой тех или иных шаблонов, описывающих модели технологических операций и, в конечном итоге, структурой агротехнологии, т.е. БЗ, и в этом смысле БЗ активна. Признак активности характерен для рассматриваемой системы представления знаний.
Важно подчеркнуть и то, что принятая в системе структура описания знаний, представленная конструкциями типа (4.11), напоминает встречающиеся в специальной литературе фреймовые модели, для которых также характерна жесткая алгоритмическая структура представления информации. Фреймы (рамка) по определению - «Имя фрейма» («Имя слота», ..., «Имя слота»). Значениями слота могут быть числа, выражения, условия, ссылки, тексты и т.п. При наполнении фрейма ему и слотам присваиваются конкретные имена и значения. Теория фреймов сегодня используется для описания знаний в сложных прикладных проблемах как теория научных концепций. Однако универсальных рецептов по применению фреймов в интеллектуальных системах в литературе нет. По мере развития этой теории можно ожидать применения ее результатов для совершенствования данной системы представления, обработки и оптимизации знаний.
Интеллектуальный редактор: режим «Эксперт базы знаний»
В идентифицирующем блоке каждой модели в общем случае указано, для какой культуры, сорта предназначена данная технология, приведены цель выращивания культуры и другие возможные сведения, необходимые для ее выбора.
В БЗ допускается хранение альтернативных моделей агротехнологий, предназначенных для одной и той же культуры, но их описание базируется на различных подходах. Наряду с этим в БЗ могут храниться наборы моделей агротехнологий, каждая из которых предназначена для конкретной культуры, в которых, однако, детальным образом расписаны условия выбора той или иной технологической операции и их характеристик. Следовательно, возможны ситуации, когда для одних и тех же условий может быть предложено несколько альтернатив. В этих случаях необходимо наличие количественного критерия, позволяющего выбирать одну альтернативу из нескольких.
Таким критерием могут быть экономические, энергетические, экологические и другие интегральные показатели. Поэтому в системе предусмотрен режим оптимизации знаний, позволяющий реализовать более сложные связи между заказом пользователя и возможным ответом системы. Для решения задачи оптимизации необходимо, с помощью моделей технологических операций типа (4.10), описать «экономику» каждой технологической операции и ее характеристик, определяющих их включение в ту или иную модель агротехнологий в целом. При описании технологической операции мы не только описываем, какие числовые и символьные данные будут характеризовать операцию, но и то, какие действия над ними нужно проводить. Например - подсчитать расход горючего или удобрения на данную операцию. Эти вычисления проводятся, если они предусмотрены шаблоном и если в соответствии с его структурой описана конкретная технологическая операция.
Список операций по каждой агротехнологии в БЗ - это перечень базовых операций и технологических адаптеров, описанных одним из возможных шаблонов. В этот список должны быть включены все возможные технологические операции по возделыванию той или иной культуры, сорта для заданных целей. Каждой технологической операции при ее вводе в БЗ (процесс формализации) для хранения в ЭВМ присваивается уникальный номер (шифр). Две операции считаются идентичными, если все описывающие ее конструкции — идентичны. Хранение идентичных операций в БЗ недопустимо. Это правило при вводе новых операций отслеживается системно. Допускается включение в БЗ операций с одинаковыми именами, но с разными условиями их выбора или другими различиями в соответствующих конструкциях описания. Таким образом, оперируя различными характеристиками отдельных технологических операций или технологий в целом, можно синтезировать агротехнологии удовлетворяющие потребностям любого пользователя.
Необходимость адаптации земледелия к новым социально-экономическим условиям хозяйствования, повышения его устойчивости на основе экологизации, более широкого использования энергетической емкости агроландшафта и биологических факторов интенсификации технологических процессов определила появление новой парадигмы земледелия в виде адаптивно-ландшафтного подхода. Адаптивно-ландшафтный подход не отвергает ранее освоенные системы земледелия. С учетом преемственности различных этапов развития систем земледелия и необходимости конкретизации их в каждом хозяйстве, зональная система земледелия рассматривается ныне, как агрокомплекс соответствующей природно-экономической зоны, состоящей из адаптивно-ландшафтных систем земледелия хозяйств, расположенных в конкретных природно-почвенных зонах.
Делая первые шаги на пути перехода от зональной системы земледелия к адаптивно-ландшафтной, как системе нового поколения, высшей категории сложности, многовариантной и многоаспектной, в совершенно иных экономических условиях хозяйствования, необходимо не только определять основные факторы интенсификации земледелия, но и обладать определенной суммой знаний, иметь совершенно иной уровень организации и управления хозяйственной деятельностью. Предстоит в первую очередь «интенсифицировать знания», чтобы научные и технологические разработки были востребованы и своевременно материализованы в новые технологии — технологии управляемого (точного) земледелия.
Успех в решении этой задачи в значительной степени может быть осуществлен путем разработки теоретических основ и поэтапного создания физико-технического базиса, соответствующего информационного и нормативного потенциала, а также алгоритмов и программ, обеспечивающих возможность комплексного автоматизированного проектирования адаптивно-ландшафтных систем земледелия. К числу этих разработок относится созданный пакет программ по формированию и обработке баз данных и знаний в агрономии. Его использование в конкретных хозяйствах внесет значительный вклад в совершенствование планирования агротехнологических работ по возделыванию сельскохозяйственных культур и создаст техническую основу адаптации и управляемого выбора технологических решений, включая возможность их реализации непосредственно в поле с помощью методологии точного земледелия.
