用Python做一个能实现植物分类的产生式系统实验。要求:推理分类数目为7-10种，规则库要求至少包含15条推理规则;初始事实可任意给定，给出初始事实后得到推理结果。

要使用Python创建一个实现植物分类的产生式系统，首先需要定义规则库和事实库，然后通过推理引擎来应用规则进行分类。以下是一个简化的实现步骤：

1. 定义规则库：规则库包含了一系列的逻辑规则，这些规则用于判断植物的属性并将其归类到特定的分类中。每条规则通常具有“如果...则...”的形式。

2. 定义事实库：事实库包含了关于植物的所有已知信息，可以是手工给出的初始事实，也可以是通过观察和测量得到的数据。

3. 推理引擎：推理引擎根据规则库和事实库，通过不断匹配规则中的条件和事实库中的事实来推动推理过程，并输出最终的分类结果。

下面是一个简单的Python代码示例，实现了一个基本的产生式系统：

# 定义规则库
rules = [
    {"if": {"height": "tall", "leaves": "broad"}, "then": "tree"},
    {"if": {"height": "short", "leaves": "needle"}, "then": "conifer"},
    {"if": {"leaves": "fern-like"}, "then": "fern"},
    # ... 添加至少15条规则
]

# 定义事实库
facts = {
    "height": "tall",
    "leaves": "broad",
    # ... 可以添加更多事实
}

# 推理引擎
def infer(facts, rules):
    while True:
        matched = False
        for rule in rules:
            if all(facts.get(condition) == value for condition, value in rule["if"].items()):
                facts["classification"] = rule["then"]
                matched = True
                break
        if not matched:
            break
    return facts.get("classification")

# 执行推理
result = infer(facts, rules)
print(f"Classification: {result}")

在这个示例中，我们首先定义了一个规则库`rules`，它是一个包含多个规则的列表。每个规则是一个字典，其中包含了规则的条件和结果。我们还定义了一个事实库`facts`，它是一个包含植物特征的字典。最后，我们实现了`infer`函数作为推理引擎，它会遍历规则库，匹配规则与事实，直到无法再匹配更多的规则为止，并返回最终的分类结果。

请注意，这个示例非常简化，实际应用中规则库和事实库会更加复杂，而且可能需要考虑冲突解决策略、循环依赖检测等问题。