CN117114099B 顧及時空特征的水稻施肥知識圖譜構建及知識推理方法 （福州大學）

顧及時空特征的水稻施肥知識圖譜構建及本發明涉及一種顧及時空特征的水稻施肥用六元組結構進行知識建模，構建水稻施肥本對水稻施肥相關群智感知時空數據進行知識抽法可實現顧及水稻生長過程及復雜地理環境的2S2、提出一種基于知識圖譜的水稻施肥策略推理方顧及時空特征的水稻施肥知識圖譜的知識建模的具體實現方式3的具體描述；水稻施肥的數學關系表示概念或屬性之間通過數學模型計算形成的關聯關(2)構建水稻施肥方案推薦模型：基于水稻施肥知識圖譜整合多品種水稻的施肥經驗4相似歷史施肥案例檢索目標是依據水稻種植情況匹配案例庫中問題描述部分相似度的最大值和最小值，sim(bf,bi)表示bi與的數值型屬性相似度；文本型屬性為水稻品種和生長時期；在進行相似歷史施肥案以知識圖譜表示學習后獲取的水稻品種分布式低維向量作為各類型水稻品種的數值使用下式計算案例的全局相似度，將全局相似度大于等于預設閾值的5養分平衡法旨在實現作物與土壤間養分的供求平衡，根據作物2.根據權利要求1所述的顧及時空特征的水稻施肥知識圖譜構建及知識推理方法，其(2)采用實驗區域現行水稻施肥方案推薦結果與水稻施肥方案推薦模型實驗結果進行6模型和專家模型進行施肥量計算。專家模型[3,4]一般采用農學機理和經驗規則設置的方農業知識的有效組織。例如，聯合國糧食及農業組織(FAO)主導構建了農業本體AGROVOC7[0007](1)現有水稻施肥知識圖譜的研究缺少對知識時空特征的建模，存在對水稻施肥[0008](2)現有研究中水稻營養診斷模型僅根據單一的癥狀要素進行決策，無法獲取水[0009](3)現有研究中水稻施肥方案推薦模型主要利用環境因素推薦施肥量，但缺少考changeimpactsonsoilfertilityandcropnutritionindevelopingcountries.PlantandSoil,2010.335(1):p.101_115.[0013][3].王宜倫等,基于養分專家系統的小麥_玉米推薦施肥效應研究.中國農業科[0014][4].H.,K.,K.S.S.aofriceplants:Prototypedesignandimplementation.in2016InternationalConferenceonAutomaticControlandDynamicOptimizationTechniques(ICACDOT).2016.[0015][5].LiuX,BaiX,WangL,etal.ReviewandTrendAnalysisofKnowledgeGraphsforCropPestandDiseases[J].IEEEAccess.2019,7:p.62251_62264.[0016][6].WANG,S.N.,CUREDTOBACCO(NICOTIANATABACUML.)INSOUTHWESTCHINA.AppliedEcologyandEnvironmentalResearch,2020.18(6):p.7853_7863.Basel,2023.13(5):p.1400.[0018][8].Escalante,H.J.,etal.,BarleyyieldandfertilizationanalysisfromUAVimagery:adeeplearningapproach.InternationalJournalofRemoteSensing,2019.40(7):p.2493_2516.[0019][9].Nickel,M.,etal.,AReviewofRelationalMachineLearningforKnowledgeGraphs.ProceedingsoftheIEEE,2015.104(1):p.11_33.[0020][10].Ballatore,A.,M.BertolottoandD.C.Wilson,AS8MeasureofSemanticSimilarityforGeo_KnowledgeGraphs.ISPRSINTERNATIONALJOURNALOFGEO_INFORMATION,2015.4(2):p.471_492.ComputerScience,2018.12(1):p.55_74.[0024][14].Rajbhandari,S.andJ.Keizer,TheAGROVOCConceptScheme:AWalkthrough.JournalofIntegrativeAgriculture,2012.11:p.694_699.[0025][15].周俊等,基于改進CASREL的水稻施肥知識圖譜信息抽取研究.農業機械學[0026][16].Chen,Y.,etal.,AgriKG:AnAgriculturalKnowledgeGraphandItsApplications,inDatabaseSystemsforAdvancedApplications.DASFAA2019.2019,SpringerInternationalPublishing:ChiangMai,Thailand.p.[0027][17].Chicaiza,J.andP.Valdiviezo_Diaz,AComprehensiveSurveyofKnowledgeGraph_BasedRecommenderSystems:Technologies,Development,andContributions,inInformation.2021.[0028][18].Johansson,J.,etal.,Supportingconnectivisminknowledgebasedengineeringwithgraphtheory,filteringtechniquesandmodelqualityassurance.AdvancedEngineeringInformatics,2018.38:p.252_263.[0029][19].WangH,ShenW,ZhangY,etal.DiagnosiKnowledge_DrivenDeepLearningBasedontheTextReportsofIllnessState[J].Comput.Electron.Agric.2023,205:p.107564.[0030][20].于合龍等,基于知識[0031][21].Gu,L.,etal.,Researchonthemodelfortobaccodiseasepreventionandcontrolbasedoncase_basedreasoningandknowledgegraph.Filomat,2018.32:p.1947_1952.9空間關系旨在描述種植環境中地理實體對象之間的空間關系，其空間關系為空間拓撲關[0057](2)構建水稻施肥方案推薦模型：基于水稻施肥知識圖譜整合多品種水稻的施肥[0066]相似歷史施肥案例檢索目標是依據水稻種植情況匹配案例庫中問題描述部分相一數值型屬性的相似度通過兩個值歸一化之后的距離來進行表示，具體計算過程下式所和分別表示第i個案例和待推薦案例j屬性k的值，和bn分別表示型的核心思想是當三元組(h,r,t)成立時[0075]以知識圖譜表示學習后獲取的水稻品種分布式低維向量作為各類型水稻品種的[0077]其中，和分別代表待推薦案例和第i個案例的水稻品種屬性k的向量，表示水稻品種向量間的余弦相似度；所能提供的肥量之差計算實現目標產量所需要的肥量，推薦施肥量的計算過程如下式所[0087](2)采用實驗區域現行水稻施肥方案推薦結果與水稻施肥方案推薦模型實驗結果[0090](2)基于水稻施肥知識圖譜的知識推理進行施肥決策，能夠綜合種植環境的空間圖譜的水稻施肥策略推理方法，結合確定性因子模型通過知識推理實現水稻營養元素診[0103](2)提出了一種基于知識圖譜的水稻施肥策略推理方法，包括水稻營養元素診斷[0105]本發明的目的在于提出一種顧及時空特征的水稻施肥知識圖譜構建及知識推理型(DimensionallyExtended9_IntersectionModel,DE_9IM)描述地理實體對象之間的[0113]基于知識圖譜的水稻施肥策略推理方法包括水稻營養元素診斷與施肥方案推薦[0115](3)水稻施肥方案推薦模型。基于水稻施肥知識圖譜整合多品種水稻的施肥經驗[0119](3)采用實驗區域現行水稻施肥方案推薦結果與本發明提出的模型實驗結果進行[0133]營養失調癥作為由于營養缺乏或營養過剩所引起的生理病害，會引起水稻形態、整合多品種水稻的施肥經驗知識和養分平衡施肥原理，結合相似歷史施肥案例檢索方法，全部實體和關系的低維向量表示，在此基礎上計算全局相似度并檢索相似歷史施肥案例。[0142]案例檢索目標是依據水稻種植情況匹配案例庫中問題描述部分相似度較高的歷和分別表示第i個案例和待推薦案例j屬性k的值，和bn分別表示水稻施肥知識圖譜中屬性關系均為一對一關系，因此使用TransE模型進行知識表示學習，該模型對于一對一關系建模效果顯著，無須人工設計即可夠簡單且高效地捕捉推理特征。[0150]以知識圖譜表示學習后獲取的水稻品種分布式低維向量作為各類型水稻品種的[0152]其中，和分別代表待推薦案例和第i個案例的水稻品種屬性k的向量，表示水稻品種向量間的余弦相似度。[0153]使用公式8計算案例的全局相似度，將全局相似度較高的歷史案例作為案例檢索Si表示第i個案例與待推薦案例之間的全局相似度。在此步驟中，設定各個屬性的權重相所能提供的肥量之差計算實現目標產量所需要的肥量，推薦施肥量的計算過程如公式9所[01