董　靜， 王君君， 陳天恩

(1.中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院,北京 100083;2.國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

?

前向模糊推理的菇房異常環(huán)境預(yù)警系統(tǒng)*

董靜1， 王君君2， 陳天恩2

(1.中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院,北京 100083;2.國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

為了提高食用菌菇房環(huán)境監(jiān)測(cè)水平，降低菇房異常環(huán)境發(fā)生造成的食用菌生產(chǎn)損失，拋棄了常用的閾值方法判斷菇房異常環(huán)境，提出一種基于前向模糊推理的菇房異常環(huán)境推理方法，該方法首先通過(guò)物聯(lián)網(wǎng)技術(shù)對(duì)菇房環(huán)境進(jìn)行實(shí)時(shí)數(shù)據(jù)采集，通過(guò)數(shù)據(jù)預(yù)處理方法去除原始感知數(shù)據(jù)中的異常值，采用加權(quán)平均法的數(shù)據(jù)融合技術(shù)融合同一菇房?jī)?nèi)多傳感器數(shù)據(jù)，通過(guò)前向模糊推理方法對(duì)菇房異常環(huán)境進(jìn)行推理。最終設(shè)計(jì)和實(shí)現(xiàn)了菇房異常環(huán)境預(yù)警系統(tǒng)，該系統(tǒng)采用B/S的系統(tǒng)架構(gòu)，可方便用戶隨時(shí)隨地查看菇房環(huán)境情況，接收異常環(huán)境預(yù)警信息。系統(tǒng)在經(jīng)過(guò)一段時(shí)間的測(cè)試運(yùn)行后，證明系統(tǒng)采用前向模糊推理方法可準(zhǔn)確推斷出菇房異常環(huán)境的發(fā)生，同時(shí)有效減少誤發(fā)預(yù)警信息次數(shù)。

菇房; 遠(yuǎn)程監(jiān)測(cè); 前向模糊推理

0　引　言

自20世紀(jì)90年代以來(lái)，我國(guó)的食用菌產(chǎn)業(yè)得到了迅猛發(fā)展，成為世界上最大的食用菌生產(chǎn)國(guó)和出口國(guó)，而且食用菌生產(chǎn)產(chǎn)值位居我國(guó)種植業(yè)產(chǎn)值第六位，產(chǎn)品出口到世界上119個(gè)國(guó)家和地區(qū)。但目前，我國(guó)的食用菌生產(chǎn)仍是以傳統(tǒng)的家庭生產(chǎn)為主，在對(duì)食用菌生長(zhǎng)起重要作用的菇房環(huán)境監(jiān)控方面，仍是以人工測(cè)量為主，這不僅造成了人力資源的巨大浪費(fèi)，而且實(shí)時(shí)性差，使得生產(chǎn)者不能及時(shí)掌握菇房異常環(huán)境的發(fā)生，給食用菌生產(chǎn)帶來(lái)?yè)p失[1，2]。快速準(zhǔn)確采集菇房?jī)?nèi)關(guān)鍵環(huán)境因子，實(shí)現(xiàn)對(duì)菇房環(huán)境的24 h實(shí)時(shí)監(jiān)控，并且能準(zhǔn)確推斷出菇房異常環(huán)境并及時(shí)通知食用菌生產(chǎn)者，是幫助食用菌生產(chǎn)者提高食用菌產(chǎn)量，避免食用菌生產(chǎn)損失發(fā)生的重要方法。

在對(duì)菇房環(huán)境監(jiān)控方面，國(guó)內(nèi)已經(jīng)有了一些研究[3～5]。但這些研究著重點(diǎn)在于對(duì)菇房環(huán)境進(jìn)行監(jiān)控，而對(duì)于菇房異常環(huán)境則采用簡(jiǎn)單的閾值方法進(jìn)行判斷，造成系統(tǒng)對(duì)于菇房異常環(huán)境判斷的誤差較大。因此，需要采用新的技術(shù)和方法，設(shè)計(jì)和實(shí)現(xiàn)菇房環(huán)境的實(shí)時(shí)監(jiān)控和異常環(huán)境推理的系統(tǒng)。

物聯(lián)網(wǎng)(the Internet of things,IoT)是近些年來(lái)得到快速發(fā)展的新一代信息技術(shù)，它通過(guò)互聯(lián)網(wǎng)將物(設(shè)備)與物(設(shè)備)連接在一起，進(jìn)行信息傳輸和交換，并結(jié)合數(shù)據(jù)挖掘和分析對(duì)數(shù)據(jù)信息處理，實(shí)現(xiàn)對(duì)物體的識(shí)別、監(jiān)控和管理[6]。而農(nóng)業(yè)是物聯(lián)網(wǎng)的一個(gè)重要應(yīng)用領(lǐng)域，已經(jīng)有了大量的物聯(lián)網(wǎng)應(yīng)用。這些應(yīng)用證明了物聯(lián)網(wǎng)技術(shù)可以實(shí)現(xiàn)對(duì)農(nóng)業(yè)生產(chǎn)的監(jiān)控和管理[7,8]。因此，本文將利用物聯(lián)網(wǎng)技術(shù)對(duì)菇房環(huán)境進(jìn)行實(shí)時(shí)數(shù)據(jù)采集和監(jiān)控，并采用前向模糊推理方法對(duì)菇房異常環(huán)境進(jìn)行推理，對(duì)于異常環(huán)境的發(fā)生將通過(guò)短信等方式通知食用菌生產(chǎn)者，從而幫助食用菌生產(chǎn)者實(shí)時(shí)掌握菇房環(huán)境情況，避免菇房異常環(huán)境發(fā)生造成的損失。

1　系統(tǒng)設(shè)計(jì)

食用菌菇房異常環(huán)境預(yù)警系統(tǒng)主要通過(guò)實(shí)時(shí)采集菇房?jī)?nèi)的關(guān)鍵環(huán)境參數(shù)，上傳至后臺(tái)服務(wù)器進(jìn)行數(shù)據(jù)預(yù)處理和異常環(huán)境的推理，實(shí)現(xiàn)對(duì)菇房環(huán)境的實(shí)時(shí)監(jiān)控、異常環(huán)境的預(yù)警。

1.1系統(tǒng)總體設(shè)計(jì)

系統(tǒng)主要由數(shù)據(jù)采集、數(shù)據(jù)處理和異常環(huán)境推理三部分組成。其中，數(shù)據(jù)采集主要通過(guò)在菇房?jī)?nèi)部署傳感器設(shè)備，采集對(duì)食用菌生長(zhǎng)起主要作用的環(huán)境因子(如光照強(qiáng)度、空氣溫度、空氣相對(duì)濕度、CO2濃度等)；采集后的數(shù)據(jù)由網(wǎng)關(guān)節(jié)點(diǎn)通過(guò)3G網(wǎng)絡(luò)或有線方式發(fā)送給后臺(tái)服務(wù)器進(jìn)行數(shù)據(jù)處理；數(shù)據(jù)處理將去除原始感知數(shù)據(jù)中的異常值、重復(fù)值，并對(duì)多傳感器數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，使得菇房感知數(shù)據(jù)可靠可用；處理后的數(shù)據(jù)，一方面存入數(shù)據(jù)庫(kù)中供歷史數(shù)據(jù)查詢和數(shù)據(jù)統(tǒng)計(jì)分析使用；另一方面進(jìn)入異常環(huán)境推理模塊進(jìn)行異常環(huán)境判斷，在菇房發(fā)生異常環(huán)境的情況下，發(fā)送預(yù)警信息給生產(chǎn)者。系統(tǒng)架構(gòu)如圖1所示。

圖1　系統(tǒng)總體架構(gòu)圖

1.2系統(tǒng)主要功能結(jié)構(gòu)

系統(tǒng)功能結(jié)構(gòu)如圖2所示。

圖2　系統(tǒng)總體功能示意圖

1.2.1實(shí)時(shí)數(shù)據(jù)監(jiān)控

實(shí)時(shí)數(shù)據(jù)監(jiān)控由實(shí)時(shí)環(huán)境數(shù)據(jù)監(jiān)控和異常環(huán)境推理兩部分構(gòu)成。用戶在瀏覽器端可查看各菇房的實(shí)時(shí)環(huán)境數(shù)據(jù)、24 h環(huán)境數(shù)據(jù)變化曲線和各控制設(shè)備的狀態(tài)。系統(tǒng)可根據(jù)各菇房實(shí)時(shí)環(huán)境數(shù)據(jù)和推理規(guī)則進(jìn)行異常環(huán)境推理，如果發(fā)生異常環(huán)境，系統(tǒng)會(huì)及時(shí)通知生產(chǎn)者，讓生產(chǎn)者能夠及時(shí)調(diào)整控制設(shè)備狀態(tài)，使得菇房處于食用菌生長(zhǎng)的最佳環(huán)境下。

1.2.2推理規(guī)則維護(hù)

推理規(guī)則是實(shí)時(shí)環(huán)境預(yù)警的核心部分。其中，推理規(guī)則分為異常環(huán)境推理和病害推理?？梢愿鶕?jù)食用菌生長(zhǎng)特點(diǎn)將環(huán)境分為最佳生長(zhǎng)環(huán)境、適宜生長(zhǎng)環(huán)境、不適宜生長(zhǎng)環(huán)境和異常環(huán)境等不同等級(jí)，每個(gè)環(huán)境等級(jí)將根據(jù)不同的食用菌種類確定邊界閾值。系統(tǒng)在第一次部署時(shí)，可在遠(yuǎn)程服務(wù)器上下載已經(jīng)配置好的推理規(guī)則，并根據(jù)自己的實(shí)際生產(chǎn)調(diào)整推理規(guī)則。同時(shí)，用戶也可以新建推理規(guī)則，并將推理規(guī)則上傳到遠(yuǎn)程服務(wù)器中。

2　系統(tǒng)實(shí)現(xiàn)與應(yīng)用

2.1無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)采集

在本系統(tǒng)中硬件設(shè)備采用了北京農(nóng)業(yè)信息技術(shù)研究中心研制的菇房環(huán)境數(shù)據(jù)采集設(shè)備。該設(shè)備根據(jù)食用菌生長(zhǎng)過(guò)程中溫度、空氣相對(duì)濕度、CO2濃度和光照強(qiáng)度是起主要作用的環(huán)境因子，選擇搭載了SHT10/11溫濕度一體化傳感器；MG811CO2濃度傳感器；QY—150A光照強(qiáng)度傳感器。同時(shí)該設(shè)備搭載了CC2530的ZigBee通信模塊，可以組成無(wú)線傳感器網(wǎng)絡(luò)。匯聚節(jié)點(diǎn)和網(wǎng)關(guān)節(jié)點(diǎn)之間通信采用ZigBee方式，網(wǎng)關(guān)和遠(yuǎn)程服務(wù)器之間通信可以采用3G無(wú)線方式或者有線方式。

2.2菇房原始感知數(shù)據(jù)處理

首先,多點(diǎn)采集菇房環(huán)境數(shù)據(jù)獲得菇房環(huán)境分布情況；其次,采用分布圖法去除菇房原始環(huán)境數(shù)據(jù)中的奇異數(shù)據(jù)使得環(huán)境數(shù)據(jù)可用可靠；最后,通過(guò)傳感器數(shù)據(jù)融合技術(shù)獲得菇房整體環(huán)境數(shù)據(jù)。

2.2.1分布圖法去除異常數(shù)據(jù)

因傳感器設(shè)備、通信網(wǎng)絡(luò)和其它原因，會(huì)使得傳感器上傳的原始數(shù)據(jù)中存在異常數(shù)據(jù)和缺失數(shù)據(jù)，需要去除奇異數(shù)據(jù)和補(bǔ)齊缺失數(shù)據(jù)[9]。

以溫度數(shù)據(jù)為例，設(shè)某一時(shí)間段內(nèi)服務(wù)器接收到且經(jīng)過(guò)排序后的數(shù)據(jù)序列為x1,x2,x3,…,xn其中，x1為下極限，xn為上極限，定義中位數(shù)為

(1)

定義上四分位數(shù)Fu為區(qū)間[xm,xn]的中位數(shù)，下四位數(shù)Fi為區(qū)間[x1,xm]的中位數(shù)。分布圖的離散度DF為DF=Fu-Fi。有效數(shù)據(jù)判斷區(qū)間為

|xi-xm|<βDF

(2)

式中β為常數(shù)，根據(jù)菇房?jī)?nèi)傳感器測(cè)量精度而定。β取1.5，能夠有效去除數(shù)據(jù)序列中的奇異數(shù)據(jù)。在去除了奇異數(shù)據(jù)后，對(duì)于數(shù)據(jù)序列中的缺失數(shù)據(jù)，將采用兩點(diǎn)插值法進(jìn)行補(bǔ)缺。

2.2.2傳感器數(shù)據(jù)的融合

處理后的環(huán)境數(shù)據(jù)已能正確反映出菇房?jī)?nèi)的環(huán)境分布情況，但系統(tǒng)中菇房是基本單位，生產(chǎn)者需要知道菇房的整體環(huán)境數(shù)據(jù)，因此,需要融合同一菇房?jī)?nèi)多個(gè)傳感器數(shù)據(jù)。

(3)

(4)

(5)

(6)

式中αi,βi,λi均為加權(quán)系數(shù)，而加權(quán)系數(shù)采用自適應(yīng)加權(quán)算法進(jìn)行確定。

2.3食用菌異常生長(zhǎng)環(huán)境預(yù)警

食用菌侵染性病害的發(fā)生往往與菇房環(huán)境數(shù)據(jù)的異常有關(guān)[10]。例如:杏鮑菇子實(shí)體處于高溫、高濕、通風(fēng)性不良的環(huán)境中容易受到細(xì)菌類假單胞桿菌的侵染發(fā)生黃腐病。因此，在菇房環(huán)境數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)過(guò)程中，需要知道菇房的異常環(huán)境的發(fā)生，并且推斷出可能導(dǎo)致的后果和引發(fā)的病害，及時(shí)發(fā)送預(yù)警信息和對(duì)應(yīng)的解決措施給生產(chǎn)者。本系統(tǒng)拋棄了常用的閾值判斷法，而采用了菇房環(huán)境信息與食用菌生長(zhǎng)信息相結(jié)合的前向模糊推理方法進(jìn)行異常環(huán)境的判斷。

以杏鮑菇為例，杏鮑菇子實(shí)體可生長(zhǎng)的溫度在10～21 ℃下，其中，最適生長(zhǎng)溫度在16～17 ℃；可生長(zhǎng)的CO2濃度在1 200×10-6左右；可生長(zhǎng)的空氣濕度為80 %～90 %RH。因此，系統(tǒng)選擇將溫度(t)劃分為5個(gè)模糊等級(jí)，分別為過(guò)低(GD)、偏低(PD)、適中(SZ)、偏高(PG)、過(guò)高(GG)；空氣相對(duì)濕度(RH)和CO2濃度(c) 則劃分為3個(gè)模糊等級(jí)，分別為偏低(PD)、適中(SZ)、偏高(PG)。

系統(tǒng)采用常見的IF-THEN格式的產(chǎn)生式規(guī)則進(jìn)行知識(shí)表示。一條規(guī)則由規(guī)則前件和規(guī)則后件組成。在本系統(tǒng)中，前件是環(huán)境數(shù)據(jù)的組合，即溫度、空氣相對(duì)濕度和CO2濃度組成，后件部分則是異常環(huán)境的發(fā)生情況和可能發(fā)生的病害信息。部分推理規(guī)則如下：

IFtisSZANDhisSZANDcisSZThen菇房環(huán)境良好，處于適宜生長(zhǎng)階段；

IFtisSZANDhisPGANDcisSZThen溫室濕度過(guò)大，處于不適宜生長(zhǎng)環(huán)境，可能致使幼菇枯萎；

IFtisGGANDhisPGANDcisPGThen菇房處于異常環(huán)境，杏鮑菇可能發(fā)生黃腐病。

食用菌異常環(huán)境預(yù)警過(guò)程如圖3所示。

圖3　環(huán)境預(yù)警過(guò)程

當(dāng)預(yù)警模塊推斷出當(dāng)前菇房環(huán)境處于食用菌生長(zhǎng)的異常環(huán)境下，會(huì)通過(guò)短信接口向菇房生產(chǎn)負(fù)責(zé)人發(fā)送警報(bào)信息。

2.4系統(tǒng)測(cè)試環(huán)境

系統(tǒng)在北京農(nóng)科院內(nèi)食用菌生產(chǎn)實(shí)驗(yàn)菇房?jī)?nèi)進(jìn)行測(cè)試。該菇房面積大約為300 m2，有3個(gè)排風(fēng)扇、1個(gè)水簾、1套加熱設(shè)備和1套加濕噴霧設(shè)備。在菇房?jī)?nèi)每隔50 m位置部署一套數(shù)據(jù)采集設(shè)備。系統(tǒng)初始化時(shí)設(shè)置每隔1 min采集上傳一次數(shù)據(jù)。系統(tǒng)部署時(shí)，該菇房中栽植杏鮑菇，且正處于子實(shí)體生長(zhǎng)階段。

2.5系統(tǒng)運(yùn)行結(jié)果和分析

系統(tǒng)在第一次部署時(shí)要進(jìn)行系統(tǒng)設(shè)置，初始化控制設(shè)備信息、環(huán)境采集設(shè)備信息和溫室基礎(chǔ)信息，以及環(huán)境預(yù)警中所需要用到的食用菌菇房異常環(huán)境推理規(guī)則的設(shè)置。當(dāng)在菇房?jī)?nèi)部署好無(wú)線傳感器網(wǎng)絡(luò)后，采集到菇房環(huán)境數(shù)據(jù)后，即可進(jìn)行24 h菇房環(huán)境實(shí)時(shí)監(jiān)控和異常環(huán)境的推理。

圖4是系統(tǒng)部署一個(gè)月內(nèi)，分別采用閾值方法和前向模糊預(yù)警法對(duì)菇房?jī)?nèi)異常環(huán)境進(jìn)行判斷并發(fā)出預(yù)警信息的次數(shù)。從圖4中可以看出，采用前向模糊推理法發(fā)出的異常環(huán)境預(yù)警次數(shù)明顯比閾值法要低。

圖4　系統(tǒng)發(fā)出環(huán)境異常預(yù)警次數(shù)

圖5是系統(tǒng)發(fā)出預(yù)警信息后，通過(guò)實(shí)際判斷得出的誤預(yù)警發(fā)生次數(shù)。從圖5中可以看出，采用前向模糊推理方法發(fā)出的誤差次數(shù)要低于閾值法。綜合圖4和圖5中的數(shù)據(jù)可得出，采用前向模糊推理法發(fā)出的有效預(yù)警次數(shù)要多于閾值法發(fā)出的預(yù)警次數(shù)。

圖5　誤預(yù)警次數(shù)

在菇房中食用菌處于子實(shí)體生長(zhǎng)階段，需要高濕恒溫的生長(zhǎng)環(huán)境，子實(shí)體由于呼吸作用引起溫度和CO2濃度的升高，采用閾值法判斷無(wú)法解決各環(huán)境因子相互耦合的問(wèn)題，導(dǎo)致系統(tǒng)發(fā)出的預(yù)警次數(shù)較多且誤發(fā)預(yù)警也比較次數(shù)多。采用前向模糊推理方法可根據(jù)食用菌各生長(zhǎng)階段的實(shí)際情況設(shè)置不同的推理規(guī)則，解決環(huán)境因子間的耦合關(guān)系，可準(zhǔn)確推斷出菇房異常環(huán)境的發(fā)生，并給出相應(yīng)的處理意

見。

3　結(jié)　論

本文開發(fā)的菇房異常環(huán)境推理系統(tǒng)，在實(shí)現(xiàn)菇房環(huán)境實(shí)時(shí)監(jiān)控的基礎(chǔ)之上，提出基于前向模糊推理方法的菇房異常環(huán)境的推理方法。通過(guò)系統(tǒng)測(cè)試表明:對(duì)菇房原始感知數(shù)據(jù)進(jìn)行預(yù)處理，去除異常數(shù)據(jù)和補(bǔ)齊缺少數(shù)據(jù)，使得采集的菇房環(huán)境數(shù)據(jù)更加可靠；采用數(shù)據(jù)融合技術(shù)融合多傳感器數(shù)據(jù)，使得菇房環(huán)境有完整統(tǒng)一的表示，同時(shí)采用前向模糊推理方法提高了系統(tǒng)對(duì)于異常環(huán)境推理的準(zhǔn)確性。但系統(tǒng)仍需在實(shí)際使用過(guò)程中，逐步完善和擴(kuò)展前向模糊推理規(guī)則，提高系統(tǒng)的適用性。

[1]張俊飚,李鵬.我國(guó)食用菌新興產(chǎn)業(yè)發(fā)展的戰(zhàn)略思考與對(duì)策建議[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版,2014(5):1-7.

[2]于海龍,郭倩,楊娟,等.環(huán)境因子對(duì)食用菌生長(zhǎng)發(fā)育影響的研究進(jìn)展[J].上海農(nóng)業(yè)學(xué)報(bào),2009(3):100-104.

[3]萬(wàn)軍,趙不賄,景亮,等.基于ZigBee技術(shù)的食用菌工廠監(jiān)控系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制,2013(5):1208-1210,1222.

[4]劉華,李曉靜,張侃諭,等.基于CAN總線的食用菌菇房智能控制系統(tǒng)的開發(fā)[J].計(jì)算機(jī)測(cè)量與控制,2010(5):1070-1072.

[5]彭鎮(zhèn),景亮,陸繼遠(yuǎn),等.基于OPC技術(shù)的食用菌工廠化生產(chǎn)遠(yuǎn)程監(jiān)控系統(tǒng)[J].現(xiàn)代科學(xué)儀器,2013(3):83-86.

[6]葛文杰,趙春江.農(nóng)業(yè)物聯(lián)網(wǎng)研究與應(yīng)用現(xiàn)狀及發(fā)展對(duì)策研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014(7):222-230.

[7]王希杰.基于物聯(lián)網(wǎng)技術(shù)的生態(tài)環(huán)境監(jiān)測(cè)應(yīng)用研究[J].傳感器與微系統(tǒng),2011,30(7):149-152.

[8]夏于,孫忠富,杜克明,等.基于物聯(lián)網(wǎng)的小麥苗情診斷管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].農(nóng)業(yè)工程學(xué)報(bào),2013(5):117-124.

[9]張軍,楊子晨.多傳感器數(shù)據(jù)采集系統(tǒng)中的數(shù)據(jù)融合研究[J].傳感器與微系統(tǒng),2014,33(3):52-54,57.

[10] 胡清秀,宋金娣,管道平.食用菌病蟲害危害分析與防治關(guān)鍵控制點(diǎn)[J].中國(guó)農(nóng)學(xué)通報(bào),2008(12):401-406.

Mushroom abnormal environmental early warning system based on forward fuzzy reasoning*

DONG Jing1, WANG Jun-jun2, CHEN Tian-en2

(1.College of Information and Electrical Engineering,China Agriculture University,Beijing 100083,China;2.National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China)

In order to improve level of edible mushroom room environment monitoring, reduce edible fungus production loss caused by mushroom house abnormal circumstances,abandon commonly used threshold method to judge mushroom house abnormal environment,put forward a kind of mushroom room abnormal environmental reasoning method based on forward fuzzy reasoning,through the Internet of things(IoT) technology,mushroom house environment real-time data acquisition is carried out,and through data preprocessing method,remove the outliers in original sensing data,data fusion technology of weighted average method is used to fuse multisensor data inside the same mushroom room,through forward fuzzy reasoning method,reasoning of mushroom abnormal environment is carried out.Design and implement mushroom house abnormal environmental early warning system,the system adopts B/S system architecture,which is convenient for users to view mushroom room environment anywhere,receive abnormal environment early warning information.After test operation for a period of time,it is proved that the system uses forward fuzzy reasoning method can accurately infer occurrence of abnormal environment of mushroom house,at the same time effectively reduce false alert information.

mushroom; remote monitoring; forward fuzzy reasoning

10.13873/J.1000—9787(2016)09—0085—04

2015—11—09

國(guó)家科技支撐計(jì)劃課題資助項(xiàng)目(2013BAD15B05);北京市農(nóng)林科學(xué)院科技創(chuàng)新能力建設(shè)專項(xiàng)項(xiàng)目(KJCX2014041)

S24

A

1000—9787(2016)09—0085—04

董靜(1982-)，男，河南安陽(yáng)人，博士研究生，助理研究員，研究方向?yàn)檗r(nóng)業(yè)信息化。