7智能农业-ES1.ppt

《7智能农业-ES1.ppt》由会员分享，可在线阅读，更多相关《7智能农业-ES1.ppt（83页珍藏版）》请在三一办公上搜索。

1、专家系统,东北林业大学,Expert System,ES,基本内容,了解专家系统的起源、发展、分类掌握专家系统的概念了解专家系统的构成、基本特征掌握知识的表达方式掌握农业专家系统开发平台PAID4.0的使用在实践环节中（实验）构建一个自己的专家系统,第一节 专家系统概述,1.1 专家系统的起源、发展专家系统的起源 AI AI：Artificial Intelligence 人工智能,人工智能简介,人工智能产生的理论背景 智能？从生物学角度定义为“中枢神经系统的功能”从心理学角度定义为“进行抽象思维的能力”甚至有人反复把它定义为“获得能力的能力”“就是智力测验所测量的那种东西”既然连人类智能都无

2、法给出精确的定义，对人工 智能也只好众说纷纭了。,人工智能研究与发展:,第一阶段孕育期（1956年以前）多学科相互渗透：数学、逻辑学、心理学、哲学、生物学及计算机科学等数理逻辑、自动机理论、控制论、信息论、系统论等理论的创立 电子器件的工艺革新和换代引起了电子计算机的迅速发展通用电子计算机的发明最早为人工智能奠定理论基础的人 英国数学家阿兰图林,图灵试验,计算机、被测试的人和主持试验人计算机和被测试的人分别在两个不同的房间里。测试过程由主持人提问，由计算机和被测试的人分别做出回答。观测者能通过电传打字机与机器和人联系（避免要求机器模拟人外貌和声音）。被测人在回答问题时尽可能表明他是一个“真正的

3、”人，而计算机也将尽可能逼真的模仿人的思维方式和思维过程。如果试验主持人听取他们各自的答案后，分辨不清哪个是人回答的，哪个是机器回答的，则可以认为该计算机具有了智能。,图灵试验,计算机,人,测试者,电传打字机,第二阶段 1956年-1966年10年间,AI研究取得了许多引人注目的成果(产生期)：1956年，在美国达特莫斯（Dartmouth）大学，召开了世界上第一次人工智能学术大会（AI）发起人是该校青年助教 麦卡锡 哈佛大学 明斯基 贝尔实验室 申龙（E.Shannon）：信息论的 创始人 IBM公司信息研究中心 罗彻斯特（N.Lochester）IBM公司塞缪尔（A.Samuel）和 莫尔

4、（T.More）卡内基梅隆大学 纽厄尔 和 赫伯特西蒙 麻省理工学院塞夫里奇（O.Selfridge）和索罗门夫（R.Solomamff）,什么是人工智能？,西蒙认为：AI是学会怎样编制计算机程序完成机智的行为，学习人类怎样做这些机智行为；明斯基则认为：人工智能一方面帮助人的思考，另一方面使计算机更有用；鉴于图林是用行为来判断机器是否具有智能，麻省理工学院温斯顿（P.Winston）在AI教科书里下定义说：“人工智能就是研究如何使计算机去做过去只有人才能做的智能的工作。”,历史事件,1956年，塞缪尔的“跳棋机”电脑程序研制成功，揭开了机器挑战人类智能的序幕，使机器博弈成为AI研究的一个重要领

5、域。1956年，纽厄尔、赫伯特西蒙 等人合作编制的数学定理证明程序（简称LT），从而使机器迈出了逻辑推理的第一步。1959年，王浩首创“王氏算法”1965年，在斯坦福大学化学专家的配合下，费根鲍姆研制的第一个专家系统DENDRAL是化学领域的“专家”。,人工智能科学想要解决的问题,是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化、解决各种实际问题等等能力。换言之，人工智能是电脑科学的一个重要分支 近期目标是让电脑更聪明、更有用，远期目标是使电脑变成“像人一样具有智能的机器”。,第三阶段：60年代末-70年代初,AI研究进入了低潮。下棋程序在当了州冠军后没有成为全国的冠军鲁滨逊发明

6、的消解法被认为是一项突破，但是证明两个连续函数之和还是连续函数，推理10万步还没有推出来投资2000万美元的自然语言翻译,效果并不理想：The spirit is willing,bu the flesh is weak.(心有余而力不足)，翻译成俄语后在翻译回来变成了The wine is good but the meat is spoiled.(酒是好的，但肉变质了)。,美国政府撤消了对机器翻译项目的大部分资助,仅留下个单位惨淡经营，IBM公司曾一度取消了本公司范围内的所有人工智能研究英国政府采纳了一份指责“人工智能研究不是骗局，但至少使庸人自扰”的综合报告，所有研究几乎被一笔勾销。,第

7、四阶段：70年代初-现代,计算机由以信息为处理对象转变为以知识为处理对象，以计算为主要任务变为以推理为主要任务，因此要与领域知识相结合。1976年6月,美国伊利诺斯大学的两位数学家沃尔夫冈哈肯（W.Haken）和肯尼斯阿佩尔（K.Apple）使用计算机成功地证明了“四色定理”1976年,美国斯坦福大学肖特列夫（Shortliff）开发的医学专家系统MYCIN，这个系统后来被知识工程师视为“专家系统的设计规范”1977年，费根鲍姆（E.Feigenbaum）提出了“知识工程”的概念,1982年夏天，日本“新一代计算机技术研究所”（ICOT）所长渊一博（Kazuhiro Fuchi）开始研制第五代

8、计算机(智能电脑)1990年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。1998年，中文语音合成技术也取得了实质性的突破。,机器博弈定理机器证明与自动推理机器学习与发现自然语言理解智能数据库系统智能机器人专家系统（Expert System）,AI 的 研究领域,1958年的预言,10年内，电脑将战胜国际象棋世界冠军10年内，电脑便能找到并证明到那时还未被证明的重要数学定理。10年内，大部分心理学理论将在计算机上形成10年内计算机将成为能够谱写具有优秀作曲家水平的乐曲10年内计算机将能读懂莎士比亚的著作80年代将是全面实现人工智能的年代2000年机器的智能将可以超过人,

9、对人类智能的理解,人类对外界事物识别和理解的感知能力，进行推理、联想和学习的思维能力，以及作出决策和采取行动的反应能力组成。人之所以有这些智能，因为人有知识（经验）-智能的核心智能是指运用知识解决问题的能力。,前期失败的原因,缺乏知识,1958年麦卡锡发明了表处理语言LISP。LISP可以方便地处理符号，很快成为人工智能程序设计的主要语言，至今仍被使用。,专家系统的研究与发展：,专家系统（Expert System）是人工智能领域中最活跃的一个分支，指在某些具体领域内对用户给出专家水平的建议和咨询。20世纪60年代，世界上第一个专家系统是1968年美国斯坦福大学计算机科学系的费根鲍姆（E.A.

10、Feigenbaum）教授与遗传学教授J.Lederberg一起研制的DENDRAL系统（质谱学解释系统），在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，已达到了人类专家的水平。麻省理工学院（MIT）研制专家系统MACSYMA是一个专为帮助数学家、工程师们解决复杂微积分运算和数学推导而开发的大型专家系统。,60年代中期之后，人工智能由追求万能、通用的一般研究转入特定的具体研究，通用的解题策略同特定的专业知识与实际经验结合，产生了以专家系统为代表的基于知识的各类人工智能系统，是人工智能真正走向社会，走向实际应用研究。,人工智能真正走向社会,1976年美国斯坦福大学肖

11、特列夫（Shortliff）开发的医学专家系统MYCIN，这个系统后来被知识工程师视为“专家系统的设计规范”。MYCIN主要用于协助医生诊断脑膜炎一类的细菌感染疾病。其它较具代表性的有PROSPECTOR，CASNET等。PROSOECTOR是一个探矿专家系统；CASNET用于青光眼病的诊断与治疗。,20世纪70年代中期：专家系统进入了成熟期,20世纪80年代以来：专家系统进入了发展期,它直接服务于生产企业，产生了明显的经济效益。专家系统应用于农业领域于70年代末，经过20多年的发展，其应用已遍及作物栽培管理（灌溉、施肥、栽培、病虫害诊治、作物育种、作物产量预测）、园艺设施管理、畜禽饲养管理、

12、水产养殖管理、植物保护以及经济决策等各个方面。近年来全世界开发出多种农业专家系统，其中最著名的是美国的COMAX系统。,1.2 专家系统基础知识,1.2.1专家系统（ES，Expert System）的定义,一般认为：1）它是一个智能程序系统 2）它具有相关领域内大量的专家知识 3）它能应用人工智能技术模拟人类专家求解问题的思维过程进行推理，解决相关领域的困难问题，并且达到领域专家的水平。专家系统就是利用存储在计算机内的某一特定领域内人类专家的知识，来解过去需要人类专家才能解决的现实问题的计算机系统。,农业专家系统,也叫农业智能系统是一个具有大量农业专业知识与经验的计算机系统是农业信息中的一项

13、重要技术主要产品：大豆病虫害诊断专家系统番茄病虫害诊断专家系统小麦施肥专家系统灌区管理专家系统,建立专家系统-目的,防止社会最珍贵的财富-专门知识的流失,专家系统-人类专家,结论人类专家不可缺省。,1.2.2专家系统的组成,不同的专家系统，其功能与结构都不尽相同，但一个基于规则的专家系统都包括人机接口、推理机、知识库及其管理系统、数据库及其管理系统、知识获取机构、解释机构这六个部分。数据库和管理信息系统的核心是数据，专家系统的核心是知识。,在专家系统中，把通常的数据、公式、方法、经验以及信息等均看作为知识。围绕着知识，专家系统最基本的技术是研究知识的表示、知识的运用、知识的获取等。（1）知识表

14、示是研究如何将领域知识和专家经验等有效地表示成计算机能够工作和运行的形式。在专家系统中，知识是存放在称之为知识库的组件中。它们是按照特定的知识表示形式安排存储的。（2）知识运用如何对放在知识库中的知识进行控制与操作，以求问题的解决，有时也叫问题求解。至今常常采取的方法是搜索或推理。（3）知识获取如何从领域专家的口述或文字、书本资料或数据实例中取出该专家系统所需要的知识。,如何组织专家系统-原理,专家系统=知识库+推理机 知识库某种形式表示的知识,经验,常识等推理机一组程序以控制,协调整个系统,并根据当前数据库中的数据,使用知识库中的知识,按某种推理策略求解目前的问题。数据库存放初始数据,推理过

15、程得到的中间结果,以及需要求解的问题/目标。知识获取接收,修改,调试知识/推理的接口解释对推理过程进行必要的解释(程序),ES的基本结构,知识获取部分,解释部分,综合数据库,知识库,推理机,人机 接口,ES的基本结构,知识获取部分,解释部分,综合数据库,推理机,人机 接口,知识库,专家系统与传统程序区别,推理策略,推理机构是整个专家系统的控制中心 推理策略:根据因果关系进行一步一步的分析、推断 虽然知识库的知识单元虽然彼此独立，但它们实际上是由一个推理分析网络把各知识单元紧紧联系在一起，这个推理分析网络就是人解决该问题的思路。,推理策略,正向推理：是一种由下向上，即从用户提问因素向目标节点一步

16、一步推导；是一种从事实向目标的推理，又叫事实驱动；由已知的事实出发，逐步推导出最后的结论。反向推理，是一种从上向下，反过来从目标节点到叶节点一步一步推导。是一种从目标向事实的推理，也叫目标驱动；先提出假设，然后验证这些假设的真假性，找到假设成立的所有事实或依据。,事 实,目 标,正向推理,反向推理,知识获取,（1）知识获取的困难1）缺乏条理性 2）说不清楚思路和分析过程 3）知识常常缺乏精确性和完整性 4）知识之间相互矛盾 5）主观片面性,（2）知识获取的方式人工获取方式 半自动获取方式 自动获取方式（3）知识获取的过程 可以分为4个主要阶段：确定任务、制订方案、实施获取、调试完善阶段,规则形

17、式 If then（事实）（事实）,产生式规则：,实例：“常见病诊断专家系统”知识库/*-头部病 诊断-*/if 病位=头部 and 流鼻涕 and 头晕then 病=感冒刚起.if 病位=头部 and 鼻塞 and 浑身无力then 病=感冒.if 病位=头部 and 发烧 and 头晕 and 扁桃体肿then 病=严重感冒./*-精神方面病 诊断-*/if 病位=精神方面 and 难以入眠 then 病=失眠.if 病位=精神方面 and 最近很忙 and 思考问题then 病=失眠.,实例：“常见病诊断专家系统”知识库/*-cf1 感冒处方-*/if 病位=头部 and 病=感冒刚起t

18、hen 处方=服用新速效伤风胶囊,日服三次,每次一颗.if 病位=头部 and 病=一般感冒then 处方=服用感冒通,日服三次,每次三颗.if 病位=头部 and 病=严重感冒then 处方=注射青霉素,日注射两次,每次80万单位./*-cf3 失眠处方-*/if 病位=精神方面 and 病=失眠then 处方=服用利眠灵,每次二片,10mg/片.注：If then 产生式规则,ES 运行实例：正向推理,推理机,人机 界 面,头部、鼻塞、浑身无力,一般感冒,事实数据库,知识库,if 头部 and 鼻塞 and 浑身无力then 一般感冒.,if 头部 and 一般感冒then 服用感冒通,日

19、服三次,每次三颗.,服用感冒通,日服三次,每次三颗,服用感冒通,日服三次,每次三颗,头部、鼻塞、浑身无力,ES 运行实例：解释机制,人机 界 面,头部、鼻塞、浑身无力、一般感冒,事实数据库,知识库,A.if 头部 and 鼻塞 and 浑身无力then 一般感冒.,B.if 头部 and 一般感冒“then 服用感冒通,日服三次,每次三颗.,服用感冒通,日服三次,每次三颗,解释模块,您说“头部”、“鼻塞”、“浑身无力”，由规则A,您是“一般感冒”；又由规则B，您需“服用感冒通”。,1.人机界面：是专家系统与领域专家或知识工程师及一般用户间的界面，由一组程序及相应的硬件组成用于完成输入输出工作。

20、2.知识获取机构：它由一组程序组成，其基本任务是把知识输入到知识库中，并负责维持知识的一致性及完整性，建立起性能良好的知识库。3.知识库及其管理系统：知识库是知识的存储机构，用于存储领域内的原理性知识、专家的经验性知识以及有关的事实等。知识库管理系统负责对知识库中的知识进行组织、检索、维护等。,4.推理机：是专家系统的“思维”机构，是构成专家系统的核心部分。其任务是模拟领域专家的思维过程，控制并执行对问题的求解。5.数据库及其管理系统：是用于存放用户提供的初始事实、问题描述以及系统运行过程中得到的中间结果、最终结果、运行信息（如推出结果的知识链）等的工作存储器。6.解释机构：解释机构由一组程序

21、组成，它能跟踪并记录推理过程，当用户提出询问需要给出解释时，它将根据问题的要求分别做相应的处理，最后把解答用约定的形式通过人机接口输出给用户。,专家系统需求分析,合理可能，性能/价格比高*存在领域专家，并能描述、解释求解方法*专家稀少/昂贵，系统便宜、有效、高效益合适效率高(危险,传统较难求解领域)*复杂性-较高，需花费较多时间学习、实践*问题本质-适合用启发式/符号推理求解,建造专家系统-主要工作,知识获取*问题识别(问题,目标)、概念化(控制,方法)*知识表示(形式化)，知识获取(归纳,收集)推理机*推理策略(正/反向,语义网络,框架,模糊等)*实现(原型/ES编程)、测试(知识,推理)完

22、成-知识表示+推理机*原型系统(评估,验证)、ES系统精化/完善,专家系统实例-动物分类,目标(判断动物):goal=动物.动物=豹脯乳动物,食肉动物,黄褐色,斑点.动物=虎脯乳动物,食肉动物,黄褐色,黑条纹.动物=豹蹄类动物,长脖子,长腿,黑斑点.动物=斑马蹄类动物,黑条纹.动物=鸵鸟鸟,会飞,长脖子,长腿,黑白色.动物=企鹅鸟,会飞,会游泳,黑白色.动物=信天翁鸟,很善飞.,动物分类-产生式知识,脯乳动物有毛发.脯乳动物吃奶.鸟有羽毛.鸟会飞,会下蛋.食肉动物吃肉.食肉动物有犬齿,有爪,眼看前方.蹄类动物脯乳动物,有蹄.蹄类动物脯乳动物,嚼食动物.,专家系统开发工具,目前国外开发专家系统多

23、运用开发工具来实现（1）编辑型开发工具（2）智能型开发工具（3）自动知识获取工具,1.2.3专家系统的分类,按专家系统的特性及处理问题的类型分类：1、解释类专家系统（expert system for interpretation）2、诊断类专家系统（expert system for diagnosis）3、预测类专家系统（expert system for prediction）4、设计类专家系统（expert system for design）5、规划类专家系统（expert system for planning）6、控制类专家系统（expert system for control

24、）,1.2.3专家系统的分类,7、监测类专家系统（expert system for monitoring）8、维修类专家系统（expert system for repairing）9、教育类专家系统（expert system for instruction）10、调试类专家系统（expert system for debugging）11、咨询与决策专家系统（expert system for inquiring and deciding）12、管理类专家系统（expert system for management）,1.2.3专家系统的分类,按专家系统的体系结构分类：1、集中式专家系

25、统2、分布式专家系统3、神经网络专家系统4、符号系统与神经网络相结合的专家系统,1.2.4专家系统的基本特征,1、具有专家水平的专门知识2、能进行有效的推理3、具有获取知识的能力4、具有灵活性5、具有透明性 6、具有交互性 7、具有实用性8、具有一定的复杂性及难度,1.2.5 专家系统建造原则,1、恰当地划定求解问题的领域 2、获取完备的知识 3、知识库与推理机分离 4、选择、设计合适的知识表示模式 5、推理应能模拟领域专家求解问题的思维过程 6、建立友好的交互环境 7、渐增式的开发策略,专家系统需求分析,合理可能，性能/价格比高*存在领域专家，并能描述、解释求解方法*专家稀少/昂贵，系统便宜

26、、有效、高效益合适效率高(危险,传统较难求解领域)*复杂性-较高，需花费较多时间学习、实践*问题本质-适合用启发式/符号推理求解,1.2.6 专家系统开发过程,1、从领域专家那里收集整理归纳有关的专业知识，经ES开发人员消化、整理、归纳写成一条条符号表示的形式；2、通常选用产生式知识表示方法和正向或反向推理方法；3、用产生式知识表示方法描述的知识逐条放入知识库；4、确定推理方式后，编写程序，然后调试、运行和修改。,图1.1 专家系统的开发过程,1.2.7 专家系统的评价,1、知识的完备性；2、表示方法及组织方法的适当性；3、求解问题的质量；4、系统的效率；5、人机交互的便利性；6、系统的可维护

27、性；7、解释能力；8、系统的研制时间与效益。,1.3专家系统的发展前景,1.3.1 知识表示与推理机制,专家系统最广泛采用的知识表示方法是产生式规则，及运用的推理机制称为基于规则推理（Rule-Based Reasoning,RB）。随着以基于规则推理为特征的专家系统的研究和应用的深入，AI专家在基于范例推理（Cased Based Reasoning）、加权模糊逻辑推理模型、二级不确定性处理模型、部分匹配算法、凸函数证据理论模型等方面进行了专家系统的深入研究。,1.3.2 与多媒体技术结合,多媒体技术是指可以将独立的、机器可以处理的、以各种媒体表示的信息通过计算机的信息处理来加以生成、表示、

28、存贮、检索和传播的技术。多媒体系统是指能把视听和计算机交互式控制结合起来，对音频和视频信息的获取、生成、回收和传输加以综合和数字化的整套系统。,在目前的专家系统中，充分应用了多媒体信息技术，在多媒体输入/出接口中，主要涉及到了数字图象；数字音、视频；屏幕动画等。1、数字图像文件图像文件是由图片、照片通过图像扫描仪将它们处理成数字图像（以.BMP，.GIF等格式）后存入到知识库中，通过人机交互接口与用户进行信息交换。2、视频图像文件视频图像是一系列连续在屏幕上快速刷新画面。当它以24帧/秒以上的速度刷新画面时，就产生了画面的运动。计算机所用到的视频文件有两种标准：一类是AVI；另一类是MPEG。

29、,3、声音文件数字声音文件在计算机操作系统中播放需要硬件设备声卡来支持。声卡包括了数/模和模/数转换器，可以制作和播放音频文件。目前PC机上的声卡支持音频文件格式有：.WAV，.VOC，.MID。4、计算机动画文件动画是由一系列运动着的图像所组成的，计算机动画技术以计算机图形学为基础，其中涉及到图像处理技术、运动控制原则、视频技术、人工智能等领域。专用的计算机动画制作工具软件有：Authorware、Director等。,1.3.3与模型技术结合,在作物生长模型基础上建立作物生长专家系统，可兼得作物生长模型与专家系统的优点，实现预测和决策功能的有机结合与综合协调。利用模拟试验所预测的结果，结合

30、专家知识体系中的系统指标特性，可选择最佳处理方案，进行动态的科学决策，从而更好地服务于作物管理的科学化和定量化。当然，要充分发挥模型的动态预测功能，这种决策支持系统中的专家知识系统也应该是基于作物与环境关系的动态知识模型，其系统结构和实现原理如图1.2所例,图1.2 基于生长模型和知识模型的综合作物管理的智能化专家系统,1、美国科学家研制的COMAX/GOSSYM 棉花生产管理系统即以棉花生长模型为基础并与棉花生产专家知识相结合的棉花管理决策系统已成功地用于指导棉花生产管理，获得了国内外农业科学家的较高评价。如图1.3所示，在产量和品质目标的驱动下，系统根据生长的气象资料和当地常年土壤情况，通

31、过匹配知识模型和生长模型制定一套播前的栽培方案。,图1.3 棉花生产管理系统的结构框图,2、南京农业大学农业信息技术研究所已经初步提出了基于小麦生长模型（WheatGrow）与小麦栽培知识模型（WheatMana）的小麦生产智能决策支持系统，目前尚处于集成和测试阶段。其原理是结合知识模型和生长模型，主要实现栽培方案设计和实时调控两大决策功能。,图1.4基于生长模型和知识模型的作物管理决策支持系统的方案设计原理图,图1.5 基于生长模型和知识模型的作物管理决策支持系统的实时调控原理图,1.3.4与3S技术结合,1、前景3S技术是目前对观测系统中空间信息获取、管理、分析和应用的三大支撑技术，能够独

32、立地或相互补充地为农业信息化提供强大的技术支撑。主要作用是：快速准确地获取农业生产系统的多维信息，综合性地管理和处理空间数据和属性数据，辅助农业生产管理和决策。特别是90年代以来，RS和GIS与作物模型及专家系统的结合取得了很大成功。国际上提出了基于模拟模型和GIS、RS的农业决策支持系统以及基于决策支持系统的精确农业支持技术。,2、实例与农作物产量预报模型结合进行大面积遥感估产，此外RS与GIS结合对资源环境进行实时动态监测并将监测结果存于数据库中，利用GIS的空间数据运算功能、拓扑叠加功能和逐级放大等功能，得到不同区域的资源环境历史、现状和将来的演变趋势并直观地以图显示结果，为资源环境的利

33、用、管理和保护提供决策支持。利用GIS技术，农业信息化应用软件需要处理大量的土壤、气象和农作物等基础数据，其中很大一部分数据涉及到空间位置关系，有效管理这些与空间位置密切相关的大量数据，必须采用GIS技术和空间数据库技术。,（1）CGISCGIS系统主要部分的相互关系结构图如下：,（2）SESD农业测土空间数据库（SESD）是基于CGIS开发的面向农业信息化的地理信息应用软件，可以作为基础平台的信息采集工具和辅助决策工具。该空间数据库实现了对农业测土数据的空间信息和属性数据的管理，通过采用定性空间推理方法结合模糊逻辑实现了对测土点和耕地位置的模糊定位和土壤数据的计算。,下面是一个实际应用例子，

34、吉林省农安县永安乡六合村的一位农民对他耕种土地的位置作了如下4个定性描述：定位描述1：大约在大平房东方1里定位描述2：距离小西屯大约2里定位描述3：大约在大平房南方100公尺定位描述4：大约在兴合当西方800公尺 表5中列出了附近测土点的数据：,经过推理算法后得到的结论是：定位成功，定位到目标1。该处大地坐标为（630060，4930240），推理结论的可信度是0.96（目标2可信度0.02，被删除）。实际使用GPS定位结果是，耕地中心点坐标为（630146，4930364）正负10米，和推理结论目标点相距220米左右。,表中对耕地实际测土的结果与系统计算的结果进行了比较：,我们对算法的处理结果进行了大量验证，在用户的表述比较清楚、准确的前提下，推理的结果基本上和实际吻合，专家系统使用实测值和估算值的推理结果基本相同。对于没有条件使用GPS的地区，使用SESD定位能获得很好的效果。,(3)系统实现过程A、测土空间数据库结构,B、空间推理数据结构,小明有三块钱，去买杏，卖者说三角钱一个杏，不过三个杏核可以换一个杏，问小明最多能吃几个杏？,