本文在分析葡萄病害领域知识的基础上,建立了基于BP网络和规则相似度两种诊断模型,开发了基于WEB的葡萄病害智能诊断系统和基于JAVA的诊断算法评测系统。该系统的实现为准确诊断葡萄病害,有效控制病害发生率,促进葡萄生产稳定发展和增加农民收入具有较好的指导作用。主要研究内容和结论如下:⑴对诊断问题进行分析,与领域专家讨论葡萄病害诊断过程,并模拟专家的思维模式,研究了引发病害的原因、病害的分类方式和症状特征,在领域专家的帮助下,确定诊断参数,并结合实际做出详细分析。⑵依据葡萄病害知识的内容或表现形式,将其分为描述型知识、事实型知识和判断型知识三类,研究了相应的知识表示方法和存储方式。依据关系数据库的基本理论设计了葡萄病害诊断知识库的概念结构和逻辑结构。⑶通过分析葡萄病害的领域知识,采用附加动量法和自适应学习速率改进标准的BP算法,构建基于BP网络的诊断模型,以诊断参数作为输入,所引发的病害作为输出,从诊断信息中抽取的规则作为训练样本对网络进行训练。实验结果表明,该模型的平均诊断准确率可达86.80%。针对诊断参数均为事实型知识的特点,提出了一种动态编码方法,实现将事实型知识向数字信息的转换。⑷建立基于规则相似度的诊断模型。依据病害发生部位和发生时期构建诊断空间,应用统计学原理和粗糙集理论,确定诊断空间规则的症状权重,用“平均分配法”确定待诊问题中症状的权重,计算待诊问题与诊断空间规则的相似度。实验结果表明,基于统计学理论确定权重的方法优于基于粗糙集理论确定权重的方法,能更好的反映实际问题与已存在规则的相似程度。采用相同测试样本,对基于BP网络的诊断模型和基于规则相似度的诊断模型进行测试,结果表明,前者的平均诊断准确率高于后者,因而诊断效果较好。⑸在分析领域知识和研究诊断模型的基础上,开发了基于WEB的葡萄病害诊断系统和诊断算法评测系统。实现了葡萄病害诊断知识的维护和浏览,展示了两种诊断模型分析问题的过程;使用户能够查阅葡萄病害的详细资料,并对葡萄病害进行智能诊断,进而确定病原,采取有效防治措施。