南美白对虾是我国重要的经济类养殖虾种，但由于大多数养殖户没有进行过专业的养殖知识学习，并且缺乏专业的培训与指导，造成他们对疾病的发生规律认识不够深刻。加上养殖户大都比较分散，因而在虾病诊断与防治过程中，常常由于缺乏领域专家的现场指导，或由于专家的指导不够及时而给养殖户造成巨大的损失。进而逐渐形成了领域专家知识的供给和养殖户的生产需求之间的传播瓶颈。因此，开发基于网络的南美白对虾专家系统来解决目前存在的问题势在必行。　　 目前，专家系统中最常用的推理技术有：CBR(基于案例的推理)，RBR(基于规则的推理)，以及基于人工神经网络的推理等。然而，他们都有各自优点和不足，例如：RBR知识表达直观，易于理解与实现，不需要系统模型，但是却无法处理新遇到的情况，无法自动进行知识更新，严重依赖领域专家，并且知识规则提取难度大；CBR知识获取容易，可以自动更新，但是过于依赖案例库。基于人工神经网络的推理具有自学习、自适应功能，但是严重依赖训练样本集，无法给出推理说明。　　 本文在研究原有CBR专家系统的基础上，提出了一种将CBR、灰色理论、模糊理论以及BP神经网络相结合的推理方法，并将其成功地应用于南美白对虾专家系统。一个典型的CBR问题求解过程的基本步骤可以归纳为：案例检索、案例重用、案例修正和案例保留。该方法在CBR的基础上，采用历史案例组成BP神经网络的学习样本供BP神经网络学习，当学习达到要求后，在案例检索步骤中引入BP神经网络进行案例的匹配，然后对输出的数据通过模糊函数进行去误差处理，接着再采用白化权函数进行灰色化评估，并将计算出的所患疾病的详细信息输出给用户，最后将此次诊断作为新案例添加到案例库以供BP网络自学习。　　 本文的研究方法包括：　　 (1)采用CBR作为核心推理技术，构建专家系统的整体框架，将领域知识按照症状分类，并将固定的症状按照规则进行数值化，并以一定的存储结构存放于数据库中，以便于知识的存储、检索及推理。　　 (2)通过模糊神经网络来构建领域知识之间的网状结构，通过CBR所生成的案例库来组成学习样本，进行网络学习，当学习完成后即可用于疾病诊断。　　 (3)考虑到在将专家的知识从文字型转换到数值型的过程中存在着数值模糊，推理的结果中必然会存在不确定性，所以本文采用模糊理论的方法来优化神经网络的输出，并计算诊断结果可信度供用户参考。　　 (4)对于输出的结果，通过灰色理论的方法将诊断结果从数值型信息转换成文字型信息，并对诊断结果进行评估。按照可信度大小输出可能的五种疾病供用户参考，以免发生误诊。　　 本系统的前台采用ASP技术开发实现，案例库存储采用SQL Server2000数据库。系统分为四大模块：疾病诊断系统、疾病查询系统、日常管理技术以及养殖基础知识。已开发的南美白对虾疾病诊断专家系统能够实现以下功能：用户通过将虾体症状输入到系统即可进行疾病诊断，及时获得南美白对虾可能患有的疾病和具体的防治措施，查看养殖和管理知识，并通过系统的饵料推荐功能计算饲料投喂的重量和方法等功能。根据实验结果以及系统的实际应用证明，该系统不仅在理论上可行，而且具有很好的实际应用效果。