土壤养分测试仪如何建立模型库

  土壤养分测试仪的知识库建立知识库存放着问题求解需要的领域。知识的种类一般包括作为专家经验的判断性知识和描述各种事实的知识，知识库存放的知识实际上是一些规则。知识的获取和表示是开发专家系统的关键。
　　 由于土壤养分速测仪知识具有确定性和不确定性，因而知识的表示除了采用常用的产生式规则法外，还应根据知识的特性采用面向对象方法、人工神经网络、语义网络、框架等其它的方法，如“规则架+规则体”的规则组表示策略。规则架是参与系统推理的骨架，它是一个多前提、多结论且结论之间也可存在因果关系的规则形式，规则体反映的是一些求解问题或给出解释的具体知识。例如根据土壤肥力水平决定施肥量的表示如下：
土壤养分测试仪的规则架：肥力等级、肥力度、目标产量，then 施 N、P、K、有机肥；规则体：If 肥力等级=高，then 施 N=10+肥力度*2.5；施 P=施 N*0.8；施 K=20；If 肥力等级=中，thenIf （目标产量>500） and（肥力等级=高）；then有机肥=15本系统采用面向对象和人工神经网络技术设计知识库中知识表达和存储方式。
　　 土壤养分测试仪的模型库：建立模型库主要由一些评价和预测模型组成，它主要是按已确立的各种特性因子，结合土壤学、肥料学、地理学等知识和专家经验，建立系统模型，并逐步总结经验，对原有模型进行修正，使之适合实际需要。每个模型调用数据库中的数据及参数值，并将结果返回动态数据库，使推理机能做出合理的判断，同时实现数据库和模型库的资源共享。解释说明部分除了对模型参数、使用方法、使用范围做出解释外，还能依据模型运行结果和用户的提问做出合理解释。 
土壤养分测试仪的推理机构推理机构是进行各种推理或搜索等功能的程序模块，用来控制、协调整个系统的运行，推理机设计的成功与否关系到整个专家系统的开发，在推理过程中，要把确定性和可能性结合起来，采用多种推理方法,其中基于模糊逻辑和人工神经网络的推理方法将是未来土壤养分测试仪的主要不推理方法。本系统采用面向对象的推理方法，根据深度优先搜索策略进行推理并不时启动知识库中的知识、模型库中的模型和数据库中的数据进行运算和匹配，以提供合理的施肥方案及其它结果。