CN117114099B 顾及时空特征的水稻施肥知识图谱构建及知识推理方法 （福州大学）

顾及时空特征的水稻施肥知识图谱构建及本发明涉及一种顾及时空特征的水稻施肥用六元组结构进行知识建模，构建水稻施肥本对水稻施肥相关群智感知时空数据进行知识抽法可实现顾及水稻生长过程及复杂地理环境的2S2、提出一种基于知识图谱的水稻施肥策略推理方顾及时空特征的水稻施肥知识图谱的知识建模的具体实现方式3的具体描述；水稻施肥的数学关系表示概念或属性之间通过数学模型计算形成的关联关(2)构建水稻施肥方案推荐模型：基于水稻施肥知识图谱整合多品种水稻的施肥经验4相似历史施肥案例检索目标是依据水稻种植情况匹配案例库中问题描述部分相似度的最大值和最小值，sim(bf,bi)表示bi与的数值型属性相似度；文本型属性为水稻品种和生长时期；在进行相似历史施肥案以知识图谱表示学习后获取的水稻品种分布式低维向量作为各类型水稻品种的数值使用下式计算案例的全局相似度，将全局相似度大于等于预设阈值的5养分平衡法旨在实现作物与土壤间养分的供求平衡，根据作物2.根据权利要求1所述的顾及时空特征的水稻施肥知识图谱构建及知识推理方法，其(2)采用实验区域现行水稻施肥方案推荐结果与水稻施肥方案推荐模型实验结果进行6模型和专家模型进行施肥量计算。专家模型[3,4]一般采用农学机理和经验规则设置的方农业知识的有效组织。例如，联合国粮食及农业组织(FAO)主导构建了农业本体AGROVOC7[0007](1)现有水稻施肥知识图谱的研究缺少对知识时空特征的建模，存在对水稻施肥[0008](2)现有研究中水稻营养诊断模型仅根据单一的症状要素进行决策，无法获取水[0009](3)现有研究中水稻施肥方案推荐模型主要利用环境因素推荐施肥量，但缺少考changeimpactsonsoilfertilityandcropnutritionindevelopingcountries.PlantandSoil,2010.335(1):p.101_115.[0013][3].王宜伦等,基于养分专家系统的小麦_玉米推荐施肥效应研究.中国农业科[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,基于改进CASREL的水稻施肥知识图谱信息抽取研究.农业机械学[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].于合龙等,基于知识[0031][21].Gu,L.,etal.,Researchonthemodelfortobaccodiseasepreventionandcontrolbasedoncase_basedreasoningandknowledgegraph.Filomat,2018.32:p.1947_1952.9空间关系旨在描述种植环境中地理实体对象之间的空间关系，其空间关系为空间拓扑关[0057](2)构建水稻施肥方案推荐模型：基于水稻施肥知识图谱整合多品种水稻的施肥[0066]相似历史施肥案例检索目标是依据水稻种植情况匹配案例库中问题描述部分相一数值型属性的相似度通过两个值归一化之后的距离来进行表示，具体计算过程下式所和分别表示第i个案例和待推荐案例j属性k的值，和bn分别表示型的核心思想是当三元组(h,r,t)成立时[0075]以知识图谱表示学习后获取的水稻品种分布式低维向量作为各类型水稻品种的[0077]其中，和分别代表待推荐案例和第i个案例的水稻品种属性k的向量，表示水稻品种向量间的余弦相似度；所能提供的肥量之差计算实现目标产量所需要的肥量，推荐施肥量的计算过程如下式所[0087](2)采用实验区域现行水稻施肥方案推荐结果与水稻施肥方案推荐模型实验结果[0090](2)基于水稻施肥知识图谱的知识推理进行施肥决策，能够综合种植环境的空间图谱的水稻施肥策略推理方法，结合确定性因子模型通过知识推理实现水稻营养元素诊[0103](2)提出了一种基于知识图谱的水稻施肥策略推理方法，包括水稻营养元素诊断[0105]本发明的目的在于提出一种顾及时空特征的水稻施肥知识图谱构建及知识推理型(DimensionallyExtended9_IntersectionModel,DE_9IM)描述地理实体对象之间的[0113]基于知识图谱的水稻施肥策略推理方法包括水稻营养元素诊断与施肥方案推荐[0115](3)水稻施肥方案推荐模型。基于水稻施肥知识图谱整合多品种水稻的施肥经验[0119](3)采用实验区域现行水稻施肥方案推荐结果与本发明提出的模型实验结果进行[0133]营养失调症作为由于营养缺乏或营养过剩所引起的生理病害，会引起水稻形态、整合多品种水稻的施肥经验知识和养分平衡施肥原理，结合相似历史施肥案例检索方法，全部实体和关系的低维向量表示，在此基础上计算全局相似度并检索相似历史施肥案例。[0142]案例检索目标是依据水稻种植情况匹配案例库中问题描述部分相似度较高的历和分别表示第i个案例和待推荐案例j属性k的值，和bn分别表示水稻施肥知识图谱中属性关系均为一对一关系，因此使用TransE模型进行知识表示学习，该模型对于一对一关系建模效果显著，无须人工设计即可够简单且高效地捕捉推理特征。[0150]以知识图谱表示学习后获取的水稻品种分布式低维向量作为各类型水稻品种的[0152]其中，和分别代表待推荐案例和第i个案例的水稻品种属性k的向量，表示水稻品种向量间的余弦相似度。[0153]使用公式8计算案例的全局相似度，将全局相似度较高的历史案例作为案例检索Si表示第i个案例与待推荐案例之间的全局相似度。在此步骤中，设定各个属性的权重相所能提供的肥量之差计算实现目标产量所需要的肥量，推荐施肥量的计算过程如公式9所[01