© 2013年。出版社：Elsevier B.V.由美国应用科学研究所负责选择和/或同行评审可在www.sciencedirect.com在线获取ScienceDirectAASRI Procedia 6（2014）103 - 1102013第二届AASRI计算智能与生物信息学埃及畜牧业生产远景智能推荐系统*Ahmed Mohamed Omran1，Motaz Khorshid21埃及法尤姆法尤姆大学计算机科学系2埃及开罗开罗大学决策支助系摘要对埃及粮食安全的研究，是一个巨大的研究和辩论的重要课题。埃及国内牛奶生产和消费之间的差距转化为高昂的进口成本。此外，所有文献中的政策分析和评估方法都是针对当前/短期政策进行的，以帮助政策制定者/决策者进行战略决策。我们研究论文的核心思想是开发一个智能推荐系统（IRS），以生成更合理的估计，以评估建议的长期政策。此外，我们的IRS支持政策/决策者减少未来的不确定性，并激励领域专家预测未来的影响，并评估他们建议的政策。这种支持涉及提供新的认识水平，可能导致更有效和更有效的决策过程。最后，我们的IRS整合趋势影响分析，RT-Delphi，基于知识的，解释和数学预测模型，以产生大规模的参与性方法，以帮助政策/决策者的长期战略规划。© 2014作者。出版社：Elsevier B. V.CC BY-NC-ND许可下的开放访问。美国应用科学研究所关键词：智能推荐系统，长期观点，RT-Delphi，MICMAC，政策评估，通配符，埃及牛奶生产。* 通讯作者。联系电话：+201118111917，电子邮件地址：ama35@fayoum.edu.eg。2212-6716 © 2014作者出版社：Elsevier B.诉 在CC BY-NC-ND许可下开放访问。美国应用科学研究所科学委员会负责的同行评审doi：10.1016/j.aasri.2014.05.015104Ahmed Mohamed Omran和Motaz Khorshid / AASRI Procedia 6（2014）1031. 介绍埃及农业领域在埃及经济中发挥着重要作用，因为它占全国GDP的20%以上，雇用了近30%的劳动人口[1]。此外，国家粮食安全被认为是实现真正发展和满足埃及人口增长的主要目标，预计到2030年将超过1亿。埃及的政策制定者/决策者有不同的国家研究和发展努力，试图解决粮食短缺的问题，并提高牛奶生产在埃及的收入。埃及的国家牛奶生产依赖于水牛，牛，小型反刍动物（绵羊和山羊）和骆驼，这些都是最适合埃及的动物[3]。2012年，埃及的畜牧业生产约占农业国内生产总值（AGDP）的27.4%。水牛的产奶量从约1.3吨/头/季增加到1.1吨/头/季。幸运的是，仍有大量的努力来提高这种牛奶生产力[4，5]。不确定性和复杂性，这是由未来前所未有的事件/通配符，代表了长期战略规划过程的主要特征[6]。对于长期战略规划，政策/决策者需要两项关键活动，即探索性未来情景以及政策制定和评估[7]。探索性未来情景提供了对通配符未来影响的认识情况。然而，政策制定和评估根据其预期影响为未来政策提供了合理的建议[8]。由于未来的高度不确定性和复杂性，长期政策制定和评估代表了非结构化的过程[9]。德尔菲法是一种结构良好、功能强大的知识获取工具，因为它的匿名过程。在德尔菲法中，从领域参与者那里获取知识的过程是通过一系列问卷的受控意见反馈来完成的[10]。它提供了域参与者走向共识[6]。此外，RT-Delphi是一个无轮Delphi应用作为一个在线工具[11]。此外，它被广泛用于提高从领域专家获取知识的效率，并在所有参与者（系统分析师，研究人员，专家和决策者/政策制定者）之间创建一个大型的参与性和匿名在线系统。数学模型提供了减少复杂性，它组成的变量和关系。这些模型假设包含的历史信息可以被提取，分析，并简化为一个或多个方程，可用于预测历史数据[13]。但是，这种模型在过去的工作将继续保持在未来的力量和预测是免费的[14]。趋势影响分析（TIA）被广泛使用，而不是传统的预测模型，以产生所有可能的未来情景，而不是一个单一的图像为未来的预测。在开发TIA时，需要三个主要步骤[15]： 根据历史数据生成一个无风险的场景，并且没有任何前所未有的未来事件。 专家的想象力和经验被用来识别主要的未来通配符，它们的影响会导致基础预测的变化。知识获取过程是基于收集专家对事件发生概率及其预期未来影响的判断。实时（RT）Delphi是广泛使用的知识获取过程的工具。 使用TIA算法和蒙特卡洛模拟生成所有可能的未来场景[16]。此外，领域本体是主要的，以提供一种简单的方式，通过最大限度地减少误解时，辩论某个概念或问题的知识获取过程[17]。通过定义领域专家之间的共同语言，对减少专家判断的矛盾起着重要的作用。此外，它还描述了领域概念，它们的属性以及这些概念之间的所有关系[18]。Ahmed Mohamed Omran和Motaz Khorshid / AASRI Procedia 6（2014）103105模型库基于案例的解释模型知识库MBMSOntolog KBKBMSGUI解释KBTIA模型增强型RT-Delphi我们研究论文的核心思想是开发一个智能推荐系统（IRS），以生成更合理的估计，以评估建议的长期政策。此外，我们的IRS支持政策/决策者减少未来的不确定性，并激励领域专家预测未来的影响，并评估他们建议的政策。开发的方法使用增强的TIA [16]作为出发点。2. 解决的问题埃及农业部的决策者需要制定和评估长期政策，以提高2014年至2035年长期战略计划的质量。他们需要预测未来，分析其影响，并对所建议的政策的好处充满信心。经典的期货分析方法总是对主要驱动因素及其可能的未来影响进行分析。这些方法为评估未来的政策及其对最小化未来威胁和最大化未来机会的影响提供了建议性指导。3. 提出解决方案3.1 开发框架如图1所示，开发的框架包括三个主要组成部分，这是基于模型，基于知识和图形用户界面子系统。基于模型的构件有两个子构件，即模型库和模型库管理子构件。模型库系统包括基于实例的模型和增强型RT-Delphi集成TIA模型（ERT-DelphiTIA）。模型库管理组件提供模型集成和执行。另外，基于知识的构件又分为知识库和基于知识的管理系统两个子构件。知识库组件由本体、解释和策略三个子组件组成。解释子构成部分提供“如果”和“为什么”的解释，这有助于减少与长期情景相关的不确定性，并增加政策/决策者对协商一致结果的信心。此外，领域专家知识包括两大类，即专家的判断和判断的理由，代表了“为什么”解释的核心。最后，图形用户界面子系统提供了用于报告共识摘要信息、共识理由和可视化功能的策略/决策制定者功能。Fig. 1. ‘Conceptual view of the developed106Ahmed Mohamed Omran和Motaz Khorshid / AASRI Procedia 6（2014）103创建寻求识别决策者期货保单及其影响大集合（10，000）的未来情景“What if” explanation satisfied, not optimal,显示可视化和报告生成图二.主要阶段3.2.所开发的方法下面，我们将解释在以下每个流程图中说明的开发方法的功能：我们开发的方法是基于利用领域专家的经验和想象力。运用了定量和定性相结合的期货研究模型，即RT-Delphi模型、解释模型、基于案例的增强型TIA模型、预测模型和仿真模型。此外，未来的政策评估方法是基于其预期的未来影响。此外，还有不同类型的投入，它们是：专家此外，它旨在帮助减少决策者的目标，当前状态和可能的未来之间的差距。如图2所示，我们开发的方法包括完成此任务的五个阶段，如下所示：“识别”，“创建”，“生成”，“查找”和“显示”阶段。在“确定”阶段的基础上，政策/决策者可以描述其组织的未来愿景、使命和目标。每种策略与两种类型的评价因子相关联，它们是有效性因子和效率因子（Effv_F）和（Eff_F）。有效性和效率因素体现在每个政治，经济，社会文化，技术，道德，法律（PESTEEL）问题中。“创建”阶段为政策/决策者提供生成未来机会或威胁的所有可能案例的机会。这一阶段的输入是TIA输入矩阵、通配符和专家对未来影响和适当政策的预测。此外，输出是通配符影响的不同情况，以及优化其好处和减少其威胁的建议政策。应用增强的RT-Delphi从领域专家那里获取知识。“生成”阶段通过生成所有可能的未来情景，为政策/决策者提供所建议的未来政策及其对域关键变量的影响的样本。TIA算法用于生成所有可能的未来情景，以反映所应用的所建议的政策的影响。另一方面，寻求阶段提供政策/决策者评估每个政策对域关键变量的影响，这可能导致找到满意的政策。通过案例情景和基准情景（基本情景）的比较，找到了满足需求的策略。最小和最大方案的值都用于应用此比较，以反映增加和减少类型。最后，“显示”阶段为政策/决策者提供不同的解释、可视化和报告生成能力。生成Ahmed Mohamed Omran和Motaz Khorshid / AASRI Procedia 6（2014）1031074. 案例研究：埃及牛奶生产历史数据来源于粮农组织年度报告和埃及政府机构。从2000年到2013年，牛奶产量差距的百分比数据可用[19，20]。现有的历史数据仅包含14个点。为了探索所有可能的未来，需要建立一个未来22年的数学预测模型。基于简单回归模型并假设间隙牛奶与时间之间的关系是线性的;数学公式可以通过以下公式计算Y（差距值）= a + b X（年份）+E最小二乘法通常用于估计a和b的值，基于MINITAB13软件，可以使用以下公式估计值差距百分比：差距值= 1750专家们的知识解释了世界金融危机（E1）、流行病传播（E2）、恶劣天气条件（E3）和动物饲料价格高通胀（E4）通配符将如何影响未来的牛奶产量缺口。如果这些事件中的任何一个发生，则（E2和E3）具有负面影响（增加间隙值），而（E1和E4）具有正面影响（减小间隙值）。产生了10，000个情景，研究是针对未来22年的。生成的情景结果表明，世界金融危机（E1）的影响是积极的（减少差距值）。专家们一致预计，2014年至2021年期间会发生严重程度不同专家们解释了E2如何对差距产生最大的影响，以及由于埃及所有省，局和村庄缺乏强大的扩展，其行为如何高速传播。E2的发生概率为高严重度，间隔7年。此外，恶劣的天气条件（E3）也会产生负面影响（增加间隙值）。专家们对2020年至2030年发生的概率达成了共识，严重程度很高。表1显示了基本预测、中位数、最大值、中位数和百分位数方案。所产生的未来情景非常具有洞察力，为政策/决策者提供了预测未来的机会，从而为其制定适当的计划。 预计最佳间隔时间为2014年至2021年。这种差距的缩小是由于“世界金融危机”的积极影响 负通配符影响最大的关键时间间隔预计将在2028年至2034年期间。差距值将比基准预测值增加10%。表. 1.生成的未来情景基准情景年基地MaxMin中值是说百分之九十五百分之七十五百分之二十五百分之五201421.4021.1519.421.0221.0221.0220.3720.4220.37201520.532018.3419.8719.8719.8719.219.2619.21201619.6718.8817.3218.7618.7618.7618.1818.1318.13201718.8117.7816.3117.6717.6717.6717.1217.0817.07201817.9516.715.3216.616.616.616.016.0916.04201916.0915.6514.3515.5515.5415.5515.0215.0715.03202015.2314.6113.414.5114.5114.5114.0214.0614.03202114.3614.3113.1613.8913.8414.1613.6313.2513.21202213.5014.8113.314.1514.0314.613.7513.6713.33202312.6415.1513.9114.7914.5815.0714.3614.0113.98202411.7815.8814.2415.1915.0615.714.7414.6614.28202510.9216.3914.8915.7615.6716.1414.8515.3215.1320269.0616.9315.6216.2916.216.6915.3915.8115.3520278.2017.9515.7616.9716.8717.5616.6116.4516.01108Ahmed Mohamed Omran和Motaz Khorshid / AASRI Procedia 6（2014）10320287.3318.1516.7517.4117.3417.8716.4216.9416.4620296.4718.2115.0717.5317.4618.717.3316.6615.420305.6118.5815.2917.6417.618.2617.1516.6615.420314.7517.8214.716.9316.9217.5216.4515.9514.820323.8916.5813.6515.7415.7416.315.3114.8213.7720333.0315.1712.1514.1614.1714.7914.0613.4812.4620342.1612.7610.211.8811.912.4311.8311.310.4320351.308.867.298.348.398.178.77.927.34表. 2.基于案例的场景优化的数值结果基准情景年基地MaxMin中值是说百分之九十五百分之七十五百分之二十五百分之五201421.4020.0118.1219.0219.0219.0419.418.4718.06201520.5318.3716.37618.0618.0617.817.4317.1217.21201619.6716.8915.3216.2616.1916.3816.8116.1316.13201718.8115.3815.0415.1215.6715.6715.6715.0815.07201817.9514.3713.3214.614.614.614.0914.0414.04201916.0913.7513.7513.2513.2513.5413.1413.0313.02202015.2314.6113.414.5114.5114.5214.014.0314.02202114.3612.6812.0212.8412.5812.6012.5112.1912.15202213.5014.8113.314.0214.1713.7114.613.3313.67202312.6415.1513.9115.0714.7914.3614.5514.0113.98202411.7815.8814.715.0515.1015.714.6614.2814.24202510.9216.3915.1315.6615.7416.1415.3114.8814.8520269.0616.9315.6216.6916.2716.1915.815.3815.3520278.2917.9416.0516.4316.9517.5416.8516.8115.7620287.3318.1516.4217.3317.4117.8616.7516.9316.4620296.4718.715.0717.4417.4518.217.3516.615.4520305.6118.5815.2917.5917.5717.1516.5918.2515.3920314.7516.914.717.8216.8617.4916.4515.9314.820323.8916.5813.6815.7315.6916.2815.3114.8213.7720333.0315.1712.1514.061401514.7514.1113.3712.4620342.1612.7610.211.8811.8212.1211.2211.8310.4520351.308.868.178.398.358.77.97.347.29一致性结果表明，政治驱动因素的数量为5，经济驱动因素的数量为8，社会文化驱动因素的数量为2，技术驱动因素的数量为2，道德驱动因素的数量为1，环境驱动因素的数量为3，法律驱动因素的数量为2。所有选定的驱动因素都是通过权重进行评估的，中值在70%和93%之间。此外，超过12个领域专家必须同意评估的主要驱动因素。此外，共识结果还显示，优势项的数量为5个，劣势项的数量为22个，机会项的数量为5个，威胁项的数量为12个。所有选定的项目均按权重进行评估，中位数为72%至87%。此外，超过12个领域专家必须同意评估的项目。通过比较表3（基准情景）和表5（基于案例的优化情景）的数值，政策/决策者可以注意到预期会增加对世界粮食理事会可持续发展的积极影响的建议政策，这可以减少差距值。从2014年到2021年，样本政策的影响可以通过下降1%至3. 6%来衡量。最后，结构分析的一致结果表明：水资源短缺、政府对小麦生产自给自足的看法、埃及三角洲地区的气候变化、世界金融危机是影响埃及小麦生产未来预测未来情景的数字报告和数字Ahmed Mohamed Omran和Motaz Khorshid / AASRI Procedia 6（2014）103109可以帮助农业部的政策/决策者预测未来最重要的驱动因素，并提高未来战略计划的质量。5. 结论意见和今后的工作长期未来的复杂性和不确定性是对长期政策质量进行更合理估计的主要挑战。综上所述，在本文中，我们可以总结，在本文中，我们开发了一个智能推荐系统（IRS），以帮助政策/决策者更合理的估计的效率和有效性的建议政策的长期战略规划。 所开发的IRS是基于集成的神经网络为基础的，知识为基础的和解释建模能力。为了说明发达的IRS，提供了一个案例研究外部通配符的牛奶产量差距在埃及的影响。在这种情况下，我们的IRS支持埃及农业部的政策/决策者制定国家畜牧业生产战略计划（2014-2035）。这种支持涉及提供新的认识水平，可能导致更有效和更有效的决策过程。我们未来的工作可以扩展所提出的方法与基于区间/模糊的TIA。同时，数据挖掘技术也可以作为自动化本体构建的有力工具。它可以用来加速和改进创建特定领域的正式本体的过程。引用[1] 日报H.Hassan，H.El-Bakry，H.Gaber Abd Allah[2] A.Omran，M.Saleh，M.Khorshid[3] 粮农组织和以色列国防军，www.fao.org[4] 日报H.Hassan，H.el-bakry，H.Gaber，[5] L.El Fangary，[6] 书P. Schwartz，《The Art of the Long View：Planning for the Future in an Uncertain World》，Currency，1996年。[7] 书E. Cornish[8] 书R.Dyson，[9] 书J. Ramos[10] 日报T. Gordon，The Delphi method，[11] 日报M.Christoph，D.arkow，G.Heiko[12] 日报T. Gordon和A. Pease，RT-Delphi：An Efficient，[13] 书J.S. Armstrong，Principles of Forecasting（International Series in Operations Research andManagement Science），（2001）.[14] 书A.蒂默曼角Granger和G.艾略特，经济预测手册，北荷兰，第1卷，2007年。110Ahmed Mohamed Omran和Motaz Khorshid / AASRI Procedia 6（2014）103[15] 日报T. Gordon，Trend Impact Analysis，[16] 日报N.Agami，A.Omran，M.Saleh，H.El-Shishiny，[17] 书R.Akerkar，P.Sajja[18] 日报林志荣，[19] 粮农组织，www.fao.org[20] 粮农组织，www.fao.org
我的内容管理
展开
