当柑橘产销突发事件风险（新案例）发生时，产销突发事件案例情景库会将新事件情景与案例情景库中存储的数据进行检索。应用在案例推理系统中的检索方式主要有三种。第一种是最近相邻法，该方法主要是通过类似多元统计中判别和聚类分析的距离来计算情景之间的相似度，相似度最高的情景即为匹配情景。比较适合情景特征属性是数值型变量的情况。第二种是归纳推理法，提取情景间最主要的属性特征上的差异，并根据这些特征将案例情景进行分类并形成树状、网状、链状的组织结构，然后应用决策树的搜索方式找到最佳匹配案例，比较适合于案例情景特征互不相关的情况。第三种是知识引导法，根据已有的常识和经验来确定情景检索时最重要的案例情景特征，并根据各个情景特征的重要性大小对其属性赋权，并根据权重大的案例情景属性特征来组织和检索，比较适合于知识完善的案例推理系统。一般来说，检索方法单独使用的效率比较低，因此可以考虑将多种检索方法组合使用，因此考虑到柑橘产销突发事件风险的特殊性，事件情景特征属性多数可以进行赋值量化，我们提出以最近相邻法为主辅以归纳推理法，检索出最匹配的案例情景。首先在特征因素中找到权重较大的比如“事件类型”和“受影响主体” 两个特征描述来检索匹配情景，再从匹配情景中根据权重较小的特征如“程度”“发生阶段”来检索匹配情景记录，如果没有完全匹配的情景记录，则再按照和事件发生的时间地点比较接近的标准从中挑出最匹配的情景记录。“实际结果”这一特征因素可以作为对突发事件风险进行初步估计的结果。
在情景检索时最为关键的是相似度的计算，直接决定匹配方案的选择。以反映突发事件与案例情景库中储备案例情景两个模糊集的相似程度的模糊算法作为相似度的计算方法，具体步骤如下：
首先，计算隶属度，设案例情景库中有n个案例情景Ci（i=1，2，3，…，n）其特征因素集为F={f j，j=1，2，3，…，m}，则μci（f j）表示案例情景Ci的特征因素F对应的隶属度；
其次，计算近似度，A，B，C∈ϕ（U），若映射N：ϕ（U）×ϕ（U）→[0，1]，满足条件：
（1）N（A，A）=1；（2）N（U，ϕ）=0；（3）N（A，B）=N（B，A）；（4）若A⊆B⊆C，则N（A，C）≤N（A，C）∧N（B，C）
设(www.xing528.com)
则：
式中，N（A，B）为模糊集A与B的相似度，N为ϕ（U）上的近似度函数。
最后，进行赋权。由于案例情景的每个特征因素都对案例相似匹配产生不同程度的影响，因此，在相似度计算中应根据影响大小对每个特征因素进行赋权，令F={f j，j=1，2，3，…，m}的权重为{w j，j=1，2，3，…，
如果将案例情景库中的每一个案例情景自成一类，则案例Ci（i=1，2，3，…，n）在特征因素为f j时隶属度为μci（f j）；
则 
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
