目前农作物生物灾害的预测，主要是采用专家系统法。此类方法由于技术、机制和理论方法本身缺陷，使得现有方法在拟合度、实时性和实际推广应用上都存在极大的局限。提出在知识网格环境下，利用动态数据挖掘技术、案例推理和多维数据智能分析等人工智能技术，研究农作物生物灾害领域智能预决策支持方法。从建立预测所需的知识提供服务入手，研制以农作物生物灾害预决策领域知识为主体的一体化知识获取、管理与服务系统，实现多维、动态、异质异构数据融合服务以及面向多合作伙伴的知识集成与共享。着重研究基于多维业务数据智能分析技术（OLAM），构建基于数据流挖掘和案例推理的智能预决策模型。该方法具有动态实时预测能力、拟合度高，将极大的解决传统专家系统所面临的突出问题。本课题的研究成果除具有较高的理论价值，还具有一定的普适性，将积极推动现代信息技术在生物灾害测报领域的进一步发展，并可广泛地推广与应用到具有相似应用背景的领域。

在知识网格环境下，从建立预测所需的知识提供服务入手，研制了以农作物生物灾害预决策领域知识为主体的一体化知识获取、管理与服务系统，实现了多维、动态、异质异构数据融合服务以及面向多合作伙伴的知识集成与共享。利用动态数据挖掘技术，着重研究了基于案例推理的知识发现方法、动态特征选择算法、案例相似度算法，研究了基于动态数据挖掘和案例推理的智能预决策模型。该项目所研究的预测模型具有动态实时预测能力，拟合度高。在《安徽省农作物有害生物监测预警信息系统》中，该项目研究成果得到了成功应用，并取得了良好的经济效益和社会效益，项目成果体现出较高的实用性和显示度。此外，该项目的研究对促进智能决策方法、智能决策支持系统理论和方法的发展，推动智能决策支持系统的应用具有重要的理论意义和实用价值。