专家规则范文（精选5篇）
专家规则 第1篇
专家系统(Expert System)技术是以计算机为工具,利用专家知识及知识推理来理解与求解问题的知识系统[1]。
数据挖掘(Data Mining),是指从大型数据库或数据仓库中提取隐含的、未知的及有潜在应用价值的信息或模式[2]。关联规则是目前数据挖掘研究的主要模式之一,侧重于确定数据中不同领域之间的联系。
1 关联规则简介
Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题[3],其包含以下两个主要步骤:
1)挖掘频繁项集。Apriori算法[4]利用了一个层次顺序搜索的循环方法来完成频繁项集的挖掘工作。首先利用k-项集来产生(k+1)-项集,然后经过Apriori算法的性质“一个频繁项集中任意1个子集也应是频繁项集”以及最小支持度的筛选,产生频繁k-项集,直到不能再产生频繁项集算法结束。
2)由频繁项集产生规则[5]。具体产生关联规则的操作说明如下:一是对于每个频繁项集l,产生l的所有非空子集;二是对于每个l的非空子集s,若它的信任度不小于最小信任度阈值;则产生一个关联规则“s→(l-s)”。
这是经典的关联规则的挖掘算法,下面通过举例来说明对该方法的改动,以及利用挖掘关联规则的方法来建立专家系统的知识库。
2 建立农业专家系统的知识库
在这里,对算法的改动主要体现在以下3个方面:一是对挖掘数据项的建立方法的改动;二是对算法连接规则的改动;三是对产生规则方法的改动。
下面以利用关联规则建立农业专家系统的知识库为例,来分别说明以上的3种改动。如,在农业专家系统中对于某一农作物病害的判断,其几个病态的因素有:病斑颜色(黑褐色,粉红色和褐色),病斑位置(叶子病害,岭壳病害),病斑形状(圆形,半圆形,不规则),病斑特征(无特征,稍下陷特征和下陷特征)。根据这几个因素,最后得出病害的名称(炭疽病,印度炭疽病和角斑病)。现根据以往经验得到如下一组数据:
黑褐色病斑,叶子病害, 圆形,无特征→炭疽病。
黑褐色病斑,叶子病害, 圆形,无特征→炭疽病。
粉红色病斑,岭壳病害,半圆形,稍下陷特征→炭疽病。
褐色病斑,叶子病害,圆形,无特征→印度炭疽病。
褐色病斑,叶子病害,圆形,无特征→印度炭疽病。
褐色病斑,岭壳病害,圆形,下陷特征→角斑病。
黑褐色病斑,岭壳病害,不规则,无特征→角斑病。
黑褐色病斑,叶子病害,圆形 ,无特征→炭疽病。
粉红色病斑,岭壳病害,半圆形,稍下陷特征→炭疽病。
黑褐色病斑,岭壳病害,不规则 ,无特征→炭疽病。
1)数据项的建立。
将病态的因素作为算法的数据项,由于每个病态因素又分为几个不同的情况,因此采用“病态因素.因素取值”的形式作为算法的最终数据项。结果如下:
病斑颜色:1.1,黑褐色病斑;1.2,粉红色病斑;1.3,褐色病斑。
病斑位置:2.1,叶子病害;2.2,岭壳病害。
病斑形状:3.1,圆形;3.2,半圆形;3.3,不规则。
病斑特征:4.1,无特征;4.2,稍下陷特征;4.3,下陷特征。
病斑名称:5.1,炭疽病;5.2,印度炭疽病;5.3,角斑病。
根据经验数据得到初始数据库D,如表1所示。
2)连接规则的改动。
经典的Apriori算法的连接规则是:对于两个频繁(k-1)-项集,如果他们的前(k-2)个项相同,就将它们进行连接。如对“1.1,2.1,3.1”“1.1,2.1,3.2”连接得到“1.1,2.1,3.1,3.2”。而在建立专家系统的知识库时,由于“3.1”和“3.2”是同一种因素的两种不同的取值,它们两个是互斥的关系,不可能同时存在,因此对这种情况不进行连接。这样连接后,再经过最小支持度1的筛选,就会得到满足最小信任度与最小支持度阈值的频繁k-项集。对于上述农作物病害的例子,利用改动后的Apriori算法最终取得频繁5-项集如下:
3)规则生成方法的改动。
在经典的关联规则算法中,是对频繁项集L产生它的所有非空子集,然后对L的每个非空子集S,如果满足S的信任度不小于最小信任度阈值,则产生一个关联规则“s→(l-s)”。
而在知识库的建立中,由于最后需要的是决策规则而不是关联规则,也就是,关注的重点不是几个属性之间的关联关系,而是由这几个属性组合后会得到什么样的结果。因此,只计算除结果之外的子集的信任度即可。如对于频繁“1.2,2.2,3.2,4.2,5.1”,只计算“1.2,2.2,3.2,4.2”的信任度,即S=1.2,2.2,3.2,4.2,那么,对于满足信任度大于最小信任度阈值,产生s→(l-s)的规则,即1.2,2.2,3.2,4.2→5.1。最后,再对照最初的属性值标号,转换成所理解的规则:粉红色病斑∧岭壳病害∧半圆形∧稍下陷特征→炭疽病。对上述的农作物病虫害的例子生成的规则如下:
黑褐色病斑∧岭壳病害∧不规则∧无特征→炭疽病 。支持度:0.2,信任度:0.5。
黑褐色病斑∧岭壳病害∧不规则∧无特征→角斑病。支持度:0.2,信任度:0.5。
黑褐色病斑∧叶子病害∧圆形∧无特征→炭疽病。支持度:0.3,信任度:1。
粉红色病斑∧岭壳病害∧半圆形∧稍下陷特征→炭疽病 支持度:0.2,信任度:1。
褐色病斑∧叶子病害∧圆形∧无特征→印度炭疽病 支持度:0.2,信任度:1。
褐色病斑∧岭壳病害∧圆形∧下陷特征→角斑病 支持度:0.1,信任度:1。
这样,当农作物病害专家系统的用户将作物病害的几个特征输入后,系统就可以根据知识库中的规则表,将相应的规则输出。
3 结束语
本文从数据项的建立,规则的连接和规则生成方法3个方面对关联规则的经典Apriori算法进行了改动,利用改动后的算法成功地建立了农业专家系统的知识库,验证了关联规则在决策推理中的作用。目前,该方法已经在医院专家系统等多个行业的知识库的建立中得到了验证,是一种利用数据挖掘原理建立知识库的可行的方法。
摘要：数据挖掘和专家系统同属人工智能领域。关联规则是数据挖掘的一种方法,其最典型的应用是超市的购物篮分析。专家系统主要解决的是智能推理问题而关联规则侧重于各个数据项之间有价值的联系。通过对关联规则的Apriori算法及规则的产生方法进行改动,挖掘出可应用于专家系统的知识库中的决策规则,从而找出了利用关联规则挖掘出用于决策规则的方法。
关键词：数据挖掘,关联规则,Apriori算法,专家系统,知识库
参考文献
[1]黄梯云.智能决策支持系统[M].北京:电子工业出版社,2001:103-128.
[2]朱明.数据挖掘[M].合肥:中国科学技术大学出版社,2002:115-126.
[3]R.Agrawal,T.Imielinski,A.Swami.Mining association rules between sets of items in large databases[C]//Pro-ceedings of the ACMSIGMOD Conference on Management of data,p.p.Boston,MA,USA,1993:207-216.
[4]R.Agrawal,R.Srikant.Fast algorithms for mining associa-tion rules in large database[R].Technical Report FJ9839,IBM Almaden Research Center,San Jose,CA,1994.
专家规则 第2篇
（征求意见稿）
第一条 为规范本市房地产价格评估技术鉴定行为，维护征收当事人的合法权益，确保房地产评估结果的客观、公平、公正，根据《国有土地上房屋征收与补偿条例》（国务院令590号）、《国有土地上房屋征收评估办法》（建房〔2011〕77号）等法律法规以及《珠海市人民政府关于印发珠海市国有土地上房屋征收与补偿办法的通知》（珠府〔2017〕75号）精神，结合本市实际，制定本规则。
第二条 本市范围内的房地产价格评估复核技术鉴定（以下简称鉴定）工作，适用本规则。
第三条 珠海市房地产价格评估专家委员会(以下简称评估专家委员会)应当依照国家有关法律、法规和规定以及专业技术规范，受理征收当事人的申请，对房地产价格评估机构（以下简称评估机构）做出的复核结果进行审核，出具书面鉴定意见。
第四条 评估专家委员会由市住房和城乡规划建设局组织成立，评估专家委员会由主任委员一人、副主任委员一人和委员若干人组成。其中主任委员由住房和城乡规划建设局局长担任，副主任由市住房和城乡规划建设局和市国土资源局分管领导担任。
评估专家委员会由房地产估价师以及价格、房地产、土地、城市规划、法律等方面的专家组成。评估专家委员会下设秘书处，负责日 常联络工作。秘书处办公室设在市住房和城乡规划建设局的房地产市场监管科。
第五条 市住房和城乡规划建设局接办窗口是鉴定申请的受理部门，负责鉴定申请工作的受理。接办窗口收到鉴定申请后，应及时审核申请资料是否齐全。申请资料齐全的，应进行登记予以受理并在1个工作日内按收文处理程序转交秘书处；申请鉴定资料不齐全的，应当一次性告知申请人补正，可以当场补正的，应当当场补正；申请内容不明确的，应当告知申请人作出更改、补充。受理时间从申请人补齐资料的次日起计算。
秘书处在受理鉴定申请之日起5日内将鉴定申请资料移交评估专家委员会。特殊情况需延长时间的，应当向申请人说明原因。
第六条 被征收人、房屋征收部门或者项目征收实施单位对原评估机构的复核结果有异议的，应当自收到复核结果之日起10日内，向评估专家委员会申请对原评估机构做出的复核结果进行鉴定。
第七条 被征收人、房屋征收部门或者项目征收实施单位申请鉴定，应提交以下资料：
（一）评估复核结果技术鉴定申请书；
（二）公民申请鉴定的，应当提供有效身份证件（原件备查，复印件备案；委托代理的，还应提交授权委托书及代理人的身份证明文件）；属于法人或其他组织的，应当提供营业执照、组织机构代码证、法定代表人身份证明（复印件，加盖该法人或组织印章）。
（三）原评估报告及复核结果或者重新出具的评估报告；
（四）评估对象的权属证明文件；
（五）与鉴定有关的其他资料。第八条 评估专家委员会根据申请鉴定项目的情况，在3日内从专家库中分类抽取三人以上（含三人）单数成员组成专家组（专家组成员中房地产估价师不得少于二分之一），并及时通知被抽取的专家。如被抽取的专家因特殊情况不能参加，应在接到1日内告知秘书处，评估专家委员会重新抽取。由评估专家委员会确定专家组组长，专家组工作由组长负责，评估专家委员会主任委员、副主任委员不担任鉴定组专家，但可参加鉴定组讨论。
在鉴定过程中，评估报告存在不能判定的重大疑难问题，由评估专家委员会集体审议确定。
第九条 专家组成员有下列情形之一的，应当主动回避：
（一）系征收当事人、受托评估机构工作人员及其近亲属的；
（二）与征收当事人、受托评估机构有利害关系的；
（三）与鉴定项目有利害关系的；
（四）可能影响鉴定公正的其他情形。
专家组成员及其协助鉴定的工作人员应当对鉴定工作情况保守秘密，如违反保密规定，依法给予处罚。
第十条 鉴定所需有关资料由评估专家委员会向评估机构调用，评估机构应在接到调用通知1日内将下列资料提交评估专家委员会：
（一）原评估报告及复核结果或者重新出具的评估报告；
（二）该项目评估业务工作档案。第十一条 鉴定工作应当按照以下程序进行：
（一）向评估机构调取鉴定所需有关资料；
（二）通知征收当事人、评估机构及其他有关人员；
（三）审阅有关资料，必要时进行现场查勘；
（四）必要时对有关人员进行询问，制作调查笔录；
（五）对评估报告的评估程序、评估依据、评估假设、评估技术路线、评估方法选用、参数选取、评估结果确定方式等评估技术问题进行审核；
（六）出具书面鉴定意见书。第十二条 鉴定过程中，评估机构应当按照评估专家委员会要求，就鉴定涉及的评估相关事宜进行说明。需要对被评估房屋等补偿事项进行实地查勘和调查的，有关单位和个人应当协助。
第十三条 评估专家委员会应当自收到鉴定申请之日起10日内，出具书面鉴定意见。
鉴定意见书一般应当包括以下内容：
（一）鉴定申请人、委托代理人等基本情况；
（二）申请鉴定的评估报告、估价对象、鉴定事项、鉴定使用的限制条件等鉴定基本情况；
（三）鉴定所依据的有关法律、法规、技术规范及其他有关资料；
（四）鉴定结论。第十四条 鉴定意见书由专家组签名，并由评估专家委员会主任委员签发，主任委员因特殊事项或需要回避时，可由副主任委员签发。第十五条 鉴定工作完成后，评估专家委员会应当及时将鉴定工作有关资料整理归档。档案主要包括以下内容：
（一）鉴定意见书；
（二）鉴定受理资料；
（三）调查情况资料；
（四）与鉴定有关的其他资料；
档案由秘书处保存，定期移交市住房和城乡规划建设局保管，供业务主管部门查阅和评估专家委员会内部使用。档案的保存期限参照相关规定。
第十六条 评估机构、征收当事人未按照评估专家委员会的要求提供有关资料或提供的资料不真实、不协助专家组开展实地查勘等与鉴定有关工作的，应当承担相应责任。
第十七条 经评估专家委员会鉴定，评估报告不存在技术问题的，应当维持评估报告；评估报告存在技术问题的，出具评估报告的房地产价格评估机构应当改正错误，重新出具评估报告。重新出具的评估报告经专家组审核后，如已改正错误，应当维持评估报告；如评估报告仍存在评估技术问题的，房地产价格评估机构应当再次改正错误，直至出具的评估报告符合专家鉴定意见的要求。
第十八条 鉴定费由委托人承担。但鉴定改变原评估结果的，鉴定费用由原房地产价格评估机构承担。鉴定费用按照政府价格主管部门规定的收费标准执行。
专家规则 第3篇
关键词 BP神经网络 故障诊断 神经网络专家系统 规则式专家系统
中图分类号：TP311 文献标识码：A
0引言
在医学上，血液透析是一种用来实现人体内废物产品如血肌酐和尿素与自由水在肾脏中的体外去除当肾功能处于衰竭状态时候的方法。血液透析是肾脏替代疗法的三种方法之一（其他两个是肾移植和腹膜透析）。针对血液透析过程，采用数据挖掘技术对大量数据进行分析，以透析前后各过程水资源分配为目标，研究水资源分配与再利用模型，建立水资源分配管理的知识库，从而能根据任务，纯度等要求自动分配水源管路。设计相关软硬件平台，为节约透析用水总量，降低水资源消耗提供保障，该研究有较高的理论价值和广阔的应用前景。
患者的血液通过血液透析机泵和透析液进行透析。医疗行为取决于医生的推理能力医疗决策依赖于潜在的不确定信息。此外，血流速度是保证处理效果和高通量血液透析可靠性的关键元件。因此，血液引流医院使用动静脉穿刺，血液的流动率（BFR）约为200毫升/分钟，但它对病人有一定伤害。
本文提出了一种改进的方法即使用血液引流透析壶，避免穿刺，使血流率（BFR）可以达到400毫升/分钟。有了这个动机，（研究拟解决的关键问题）本文提出了一种用于血液透析系统的基于模型的控制方法，设计为在血液透析的终末期肾功能衰竭患者维持血流动力学稳定。解决了传统的专家系统知识获取瓶颈等诸多问题，比如自学能力的效率低，推理单调，所以它有一定的局限性。而人工神经网络技术是一个数学模型，应用结构像下丘脑神经元的突触连接，具有学习能力强，能够从样本中学习，获取知识，它是以权值和阈值的形式存储在神经网络中。这很容易实现并行处理，具有联想记忆的特点，有较好的鲁棒性。当结合神经网络专家系统，他们可以协同工作，优势互补，它们的功能将更加强大。
因此，建立一个神经网络专家系统用来模拟训练透析壶中的透析液位置与透析情况，血泵的速度和总的安全状态估计，这可以为护士提供辅助决策参考。
图1：血液透析器的系统结构图
1便携式血透机结构设计
根据电路的特点，对血液透析器的系统架构分为一二回路系统：体外血液透析回路和血液输送系统。图1是血液透析器系统结构图。
我们将血液透析会话分为三个阶段。第一阶段是预冲透析器和导管，它们同时通过空气泡沫放电。第二阶段是状态图血液从动脉到透析壶循环血液透析，并保持液位稳定。第三阶段是体外循环后的回血状态。
图1是血液透析器系统结构图。A泵将血液从病人的动脉通过输液管A引流至透析壶。泵C使血液通过导管引流至透析器。当泵A抽血到体外电路，局部真空可能存在，将空气吸入管如果连接没有绝对的紧密。因此，除气室的功能是排出空气。经过过滤后，血液通过输液管B回到透析壶和患者静脉。A泵的旋转方向和B泵是相反的。超声波传感器为透析壶设置上限和下限液位。出于安全考虑，空气泡沫探测器是用来探测空气导管和防止气泡注入病人体内。导管中的压力控制用于避免管道破裂，病人凝血和血肿现象的出现。
在这个系统中，当血液透析的状态是安全的，A泵的转速为一个固定值为了保持恒定的量的血液从病人的动脉流经血液透析机。B泵的转速应按在透析壶的血容量和系统状态决定。此外，气泡和导管的压力也应分别控制A泵和B泵的速度。血液排水的主要困难是血泵的转速调节，以确保适当的运行状态。
以下变量与泵的速度相关：泵的旋转速度（NA）：血液透析器系统无故障时那是一个不随时间变化而变化的参数。旋转泵B速度（NB）：随血液透析的状态变化而变化。泵A和泵B被分别设置在透析过程的开始和结束。透析壶的液位（h）：h的变化趋势反应了系统的运行状态透析壶液位状态（hs）：hs的值随液位的上升和下降而变化，控制泵A和B的速度。导管中的气泡（U）：如果导管中有空气气泡，这会造成对病人危险的空气栓塞。一旦气泡被检测到，AB两泵应停下来，剩下的血液应该在排除气泡后返回到患者体内。导管的压力（P1，P2，P3）：导管中的压力值能够反映血液透析过程的状态。压力的采集数据应实时获取以便调整AB泵的速度。
2实验理论基础
2.1专家系统综述
随着科学技术的发展，一系列高新技术与复杂系统出现。专家系统是人工智能中最活跃、最广泛的应用领域之一。第一个专家系统在1965年的美国被制造。目前，专家系统已被应用于许多领域，如农业生产，医疗诊断，智能决策，实时监测，地质勘探，教学和军事等，促进了国民经济的发展带来了巨大的经济效益。
2.2神经网络概述
1943年，一个数学模型（MP模型）在神经科学的理论研究时代正式提出了神经元，从而开创了神经科学理论的研究时代。从那时起，大量的突破性的研究促进了神经网络模型及其学习算法，特别是在1982年，一个神经网络模型的创建，介绍了计算能量函数的概念，给出基于神经网络的稳定性判据，有力地推动了神经网络的研究与开发。一个三层神经网络可以逼近任意非线性函数这个结论是在1989年被提出的 。在人工神经网络在实际应用中，80%到90%的人工神经网络模型，采用BP网络或由其变异的网络模型。
nlc202309020513
2.3神经网络专家系统的基本原理
神经网络使用了大量的神经连接，每个连接的权重表示特定的概念或知识的分布。在获取知识的过程中，它需要有专家提出的例子和相关的解决方案，然后可以通过某个具体的学习算法从样本中学习到。自适应算法可以不断修改网络的连接权值。[7]神经网络可以输入异常样本，如果输入的模式是接近某个学习样本，输出也会接近该学习样本的模式，从而使神经网络专家系统具有联想记忆的能力。适当的由专家提供的解决方案通过输入和输出系统存储在知识库。
3神经网络专家系统的结构
一个神经网络专家系统的结构，表示在图2。该系统主要由知识库，数据文件，并行推理机，信息获取模块，解释系统和人机界面等构成。
图2：人工神经网络专家系统的结构
3.1知识获取
3.1.1bp神经网络
根据结构，神经网络可以分为两类，一个是前馈网络，另一个是反馈网络。从目前的研究来看，前馈网络是一种更完善的网络。而BP网络是最常见的一种。
标准BP神经网络由三个神经层构成，即，输入层，中间隐含层和输出层。各层的神经元相互连接形成整个互连，但同一层的神经元不连接。对于多层网络的训练，首先是提供一组训练样本，其中包括输入样本与理想输出样本。当所有的网络的实际输出与理想输出一致，培训结束。否则，它需要修改权值，根据理想的输出使实际输出。在本文的三层BP网络和图3显示了网络的三层结构。
图3：网络的三层结构
3.1.2专家系统规则
泵的转速调整应根据目前的透析壶中血容量的观测，以及系统的运行状态决定。监测血容量的目标是为了保持透析壶中的液位在很窄的范围内变化。这样的血液量跟踪系统是减少在透析过程中与过程后低血糖发作的频率。
血容量调整的估计是通过以下隐藏变量表示：A泵的旋转速度（nA）：A泵控制着血液流进透析器的流动量。nA是一个时不变参数。B泵的旋转速度（nB）：B泵控制着血液流出透析器的流动量。泵A和泵B分别被设置在透析器的开始端和结束端。透析壶液位（h）：透析壶液位在预定的安全范围内，它根据透析过程中不同的人在不同的阶段中的不同操作而变化。
透析壶的液位状态（hS）：透析壶的液位状态指示液位的变化过程。
血液引流的主要困难是对血液流经透析器时的理想血容量的估计。
该系统采用专家系统的推理机制的基础知识和神经网络的推理机制来处理血液透析过程中可能出现的不同状况，整个系统处于并行工作的方式。在我们的例子中，BP神经网络的液位有五种状态：非常低，低，正常，高，非常高。相应的似然性（nA和nB）也模糊：低，正常，高。透析壶的液位状态有四种状态：正常，小，大和多（具体参数是根据控制对象的不同而调整）。模糊变量的使用，有效防止了门限效应与阈值影响。一些在专家系统的显式知识库的规则如下：
如果透析壶液位低（h低）和透析壶液位状态小（hs小）；
然后B泵的旋转速度低（nB低）和透析壶液位状态小（hs小）和A泵的旋转速度正常（正常）；
如果透析壶液位高（h高）和（透析壶液位状态小（小）或透析壶液位状态大（hs大）或透析壶液位状态正常（hs正常））；
然后B泵的旋转速度正常（nB正常）和透析壶液位状态多（hs多）；
如果透析壶液位很高（h很高）或（透析壶液位状态多（hs多）和透析壶液位高（h高）和透析壶液位状态不大（hs不大））；
然后B泵的旋转速度高（nB高）和透析壶液位多（nB多）；
如果透析壶液位正常（h正常）和（透析壶液位状态多（hs多）或透析壶液位高（h高））；
然后B泵的旋转速度低（nB低）和透析壶液位状态大（hs大）；
除了这些，空气泡沫和输液管压力与血液透析的稳定性和安全性密切相关。如果变量是不正常的，它可能会发生紧急事件如管，栓塞的断裂，凝血等等，因此A泵与B泵的转速应该根据相应情况的变化而改变。因此需要对BP网络的知识，大容量的学习，自适应，并行推理，联想记忆，与专家系统的结合，优势互补，构建神经网络专家系统，实现血液透析的快速调整。
3.2神经网络的训练
基于网络的结构和学习样本，训练方法可以被描述为四个步骤：
（1）给出的阈值€%＼j、€%aj，链接的权重Vhi、Wij在[-1， 1]之间随机变化。
（2）为每个模型（AK，YK）（A为输入层的节点，Y是隐层节点，K=1，2，……）。
①发送到输入层，通过连接权重矩阵向隐层发送激活值，然后隐层的激活值产生。
②bi=f（vhi€讇%Zh+€%ai） （1）
③计算误差LC：dj=（yjk-cj）cj（1-cj） j=1，2 （2）
（3）为每一个dj计算错误LB：ei=bj（1-bj）（djwj） （3）
（4）调整连接权值和阈值：€%=wij=€%Z€譩i€譫j （4）
（7）
其中€%Z（0<€%Z<1）是学习因子。重复步骤（2）直到错误dj是足够小的或0。
4系统仿真与实现
这表明泵A与泵B振动速度的变更与液位高度h变化的比较。当液位低，B泵将减速从而降低血液流出透析器的流量，从而在透析壶的血液量将增加。泵B一直保持低速度而不是停止以避免血液滞留在透析壶中或者发生凝管状况。实验对所提出的方法进行了验证。规则是被集成在专家系统中。神经网络是由医务人员使用的训练样本作为准备。然后神经网络和以规则为基础的专家系统进行融合。根据透析壶内的液位数据，空气泡沫探测器的输出和导管所收集的压力，泵A和泵B的速度变化。速度的变化会反过来作用于液位的变化。如果液位低并且没有下降，泵A开始运行。当液位是正常的，上升的，B泵开始以正常速度运行。当A泵顺时针旋转时B泵逆时针旋转。当液位低，B泵的旋转速度低于A泵。在这种方式中液位上升。如果液位高，泵B的旋转速度超过泵A. 因此，液位将下降到达下限值。一旦液位低于下限，B泵旋转速度将放缓。如果导管中有空气泡沫，泵A和泵B应立即停止转动并且外围管路中的血液应该被尽快返回到患者体内直到导管中的空气泡沫被排除。如果压力异常，可能会发生血肿和空气泄漏，两泵应减速。
在上述分析的基础上，实验有效的验证了所设计的神经网络专家系统控制血液透析系统，图4显示了在透析单元进行建模的结果。
图4：在实际透析会话层进行的模拟结果
5结论
本文阐述了神经网络专家系统在控制血液透析过程中所起到的稳定性和安全性应用。这个系统的目的是帮助维持血液透析过程中的稳定性与帮助血液透析患者缓解疼痛。
在这项研究中促进了仿真系统的开发，极大程度的实现了血液透析系统的安全性与稳定性并且降低针头的尺寸大小。经验的结果表明，该神经网络专家系统具有学习样本的能力，对网络的输出与预期的结果相一致，并且当神经网络完成学习过程的时候，它可以对外界刺激存储在记忆中的信息实现转换或关联，从而对系统的输入产生回应。
参考文献
[1] Rose C， Smaili C， Charpillet F.动态贝叶斯网络在适用于监测患者血液透析治疗的处理决策支持系统中的不确定因素[ C ] 人工智能工具治疗病人的监测处理不确定性，2005。ICTAI 05.第十七届IEEE国际会议。IEEE，2005：5-598.
[2] Fueda Y，Hattori T，Minato K，等。一种基于复杂医学工程的血流量变化与评估[C]//，2012 ICME国际会议奖，IEEE， 2012： 581-583.
[3] Zixing C， Durkin J， Tao G.先进的专家系统原理设计与应用，设计和应用[J].。科学出版社，北京，2005.
[4] L N，张S。美国专家系统研究现状及展望[ J ]。计算机应用研究，2007，24（12）：1-5.
专家规则 第4篇
液晶电视是光、电等系统组成的复杂电子设备,涉及高压及弱电系统,技术更新快,维修资料缺乏,给液晶电视的故障维修带来了困难。利用基于计算机技术、信息处理技术和人工智能技术的专家系统对其故障进行诊断,可以比较准确地判定液晶电视故障发生的部位及类型,使更多的家电维修人员具有领域专家级的诊断能力,提高维修效率[1]。
基于符号处理的专家系统,其问题求解是一个在解空间搜索的过程,对于电路故障诊断等比较复杂的对象,搜索空间大,速度慢[2]。液晶电视的故障诊断很复杂,不仅由于其涉及的技术广,而且还表现在故障特征量的隐含性、故障起因与故障征兆之间的多元性,并且还与环境因素、信号状况等有关,这些特点决定了其知识表达模糊,领域知识获取不完备,构造用于推理的系统模型及规则困难。因此,以知识获取、知识表示和知识推理为基础,建立合适的规则库结构及推理策略是开发液晶电视故障诊断专家系统的关键。
1 维修经验的知识表示
液晶电视故障诊断专家系统需要的知识一般有两大类:一类是常识性、资料性的知识,比如常用晶体管、集成电路的参数,基本的维修方法及维修工具使用的介绍,液晶电视的故障现象、品牌、机芯、型号等;另一类是家电维修专家的维修经验,用于液晶电视的故障诊断。
知识表示方法与系统的推理控制策略密切相关,液晶电视故障诊断专家系统的知识具有比较鲜明的特点,对知识运用及推理的实时性要求高,知识的表达及知识库的结构必须有利于实现快速推理。考虑到液晶电视电路的特点及复杂性,使用基于规则的形式来表示故障诊断知识,采用结构分解、功能分解、故障分解等方法建立故障树,对故障树各节点进行编码,使得故障检修过程表述清晰,便于故障规则库的建立[3]。图1是TCL-26H机芯“花屏、马赛克”的故障检修树。
产生式规则是一种适合表示因果关系的知识表达形式,液晶电视的故障征兆和故障原因之间的对应关系较为复杂,经验性的维修知识具有一定的模糊性,但是,一般而言,其故障现象与故障元件之间还是有比较明确的逻辑性及相关性,因此采用模糊产生式规则来表示维修知识是合适的。模糊产生式规则把隶属度的概念引入知识表示中,表示方法为[4]
IF ( E ) THEN ( H ) (CF)
其中,E为一些现象或判断的逻辑组合,H为结论,CF(H,E)为可信度因子,其值界于0和1之间。
例如,长虹LS08机芯的液晶电视,出现“无亮度信号(F1)”的故障时,首先检测“屏幕有无很暗的彩色图像(F2)”,如果答案是“Y”,则检测“TDA15063内视频电路处理后产生的Y,U,V信号,在74,75和76脚上是否有1.5～1.9 V电压(F3)”, 如果答案是“Y”,进一步检测“TDA9178的6,8,9脚上是否有1.5～1.9 V电压(F4)”,括号中是事实的序号。此维修经验用产生式规则表示为
IF F1 THEN F2 (0.1)
IF F2 THEN F3 (0.3)
IF F3 THEN F4 (0.5)
2 规则库结构的设计
知识库一般由规则库、事实库和综合数据库3部分组成,各库之间相互独立,一个库的修改不会影响其他库,这样可以提高系统工作效率,便于知识的搜索。规则库储存专家的维修经验,是专家系统的核心部分,其结构是否合理对推理机的效率影响很大。系统以故障树为基础,结合关系数据库技术来确定规则库的结构,尽量缩小搜索空间,简化推理。
不同品牌、机芯、型号的液晶电视其电路是不同的,甚至有些差别很大。规则库进行推理时需要很多的信息,如液晶的电视品牌、机芯、型号,故障的现象,元器件及芯片参数,电路关键点电压和在路电阻等。把不同的事实存放在不同的二维表中,二维表根据具体内容有不同的字段,其中一个字段为主关键字,需要注意的是,相关二维表之间的某个字段必须建立起某种关联,使系统能够按照某种推理策略实现相关的搜索。系统的各个事实库及规则库的存储结构如图2～图6所示。
规则是否可以采用是通过检查当前是否有已知事实与前提中的条件匹配来决定的,液晶电视的品牌、机芯和型号之间通过Brand_ID、Core_ID字段建立关联,故障现象与具体的型号通过Model_ID字段建立关联,因为型号不同,电路可能不相同,检修方法及思路就会不一样,但事实上机芯相同而型号不同的液晶电视,其电路基本上是相同的,减小了建立规则库的工作量。规则库的Fault_ID字段用于与某一型号液晶电视的某个故障建立关联,Rule_Father_ ID字段用于区分故障树的父节点,Yes_No字段用于区分搜索时故障树的走向,CF字段是规则的可信度因子,用于判断规则的可信度以及故障树是否已搜索到末端。
3 系统的推理策略
3.1 推理的匹配、冲突消解及操作
目前专家系统广泛采用基于事例的推理以及基于规则的推理策略,基于规则的产生式专家系统虽然推理效率低,知识获取困难,自学习能力差,但比较成熟且简单易用,开发周期短。鉴于液晶电视故障维修具有模糊性、经验性、不确定性等特点,采用基于规则的推理策略是合适的。产生式系统的推理机制取决于推理的目标及搜索空间的形状,故障的维修是从一组给定的现象或测量参数出发,搜索一个确定的故障元件,控制策略上采用正向模糊推理方法。系统的推理过程如下[5]:
1) 首先采集故障特征构成可用的知识集,如品牌、机芯、故障现象、测量的参数等,并存放在事实数据库中。
2) 在规则知识库中顺序取出第一条规则,将故障特征向量与规则前提向量进行模糊匹配。这需要推理机搜索规则库的Rule_ ID,Rule_Des,Rule_Father_ ID,Yes_No,Fault_ID字段,实现类似于深度优先的故障树遍历。
3) 按照相关算法计算结论的综合可信度COUT,当COUT>S时,输出检测的结果,S为预设的阀值。
4) 冲突消解采用深度优先的原则,以规则排序的方式处理。
5)把所选择规则的结论添加到数据库,作为新的前提条件。
6) 取出下一条规则,重复以上步骤,直至所有的规则读取完毕,实现故障树的搜索,查找出最终的结果。
基于规则的推理从规则库选择相应的规则并匹配规则的前提部分,根据匹配结果得出结论。这种推理策略在求解小规模问题时,效率较高,但只能对预设并与规则前提匹配的事件进行推理,存在知识获取的瓶颈。
3.2 事实或结论的不确定性
在检修电路时,所看到的现象或事实往往具有某种不确定性,比如在观察屏幕的颜色时,可能认为是紫色,也可能认为是浅红色,在读取检测仪表数值时可能因为干扰或不确定性而导致证据的不确定性。可以用可信度系数C′表征事实的不确定性,C′∈[0,1],当规则具有一个以上条件时,需要根据各条件的可信度求得总条件部分的可信度。采用以模糊集理论为基础的方法,把所有条件中最小的可信度作为总条件的可信度,即CIN=min[C1′, C2′, C3′,…,Cn′],CIN为总条件的可信度。
按照规则推理的结论依然存在某种不确定性,其不确定性由总条件的可信度及规则的可信度决定,按照文献[6]提出的方案对这一问题进行处理,把规则的可信度与总条件的可信度相乘求得结论的可信度,其关系为
COUT=CIN×CF (1)
式中:CF为规则的可信度因子,COUT为结论的可信度。例如,长虹LS08机芯无亮度信号的检修中,有如下规则:
IF 没有很暗的彩色图像 (CIN=0.6)
THEN 更换TDA15078 (CF=0.8)
则COUT=CIN×CF=0.68
3.3 多个规则支持同一事实的不确定性
当有多个规则支持同一事实时,这些规则之间的关系是析取的。例如,康佳LC-TM2018型液晶电视无伴音故障,应用多条规则都可以得到“更换N2000 MSP3463G”的结论。应用基于概率论的方法来求一组规则支持的事实的可信度,首先把各个证据的可信度转换成可信性比例,再把各个证据的可信性比例相乘求出这些证据所支持事实的可信性比例,最后求得事实的可信度,其转换公式如[6]
R=R1×R2×···×Rn (3)
式中:C为各规则的可信度,R为可信性比例。如康佳LC-TM2018型液晶电视无伴音故障中,“更换N2000 MSP3463G”的规则1的可信度C1为0.8,规则2的可信度C2为0.3,则R1=C1/(1-C1)=4,R2=C2/(1-C2)=0.43;可信性比例R=R1×R2=1.72;相应的可信度C为C=R/(1+R1)=0.63。
按照以上方法计算事实的可信度时,必须核实支持同一个事实的各个规则之间是否相互独立,是否存在相互蕴含的关系,这样建立规则库时工作量是比较大的。
4 结束语
提出一种适用于液晶电视故障诊断专家系统的规则库结构及推理策略,用二维表合适的结构存储故障树的搜索规则,采用模糊的正向推理策略,对事实或结论的不确定性进行了合适的处理,结构及推理策略简单、直观,对特定的液晶电视故障诊断专家系统非常有效。实践结果表明,该结构及推理策略实现简单,具有良好的推理能力,减少了推理时间,提高了诊断的效率,能方便地与Web技术相结合,系统具有合理性和有效性。然而,由于液晶电视故障维修的复杂性,系统还存在一些缺陷,主要是知识库的局限性,系统也无法对液晶电视模糊的故障征兆进行处理,运用神经网络、遗传算法、小波分析等进行电路故障的分析和知识的提取,设计具有模糊诊断能力的液晶电视故障诊断专家系统是以后进一步研究的方向。
摘要：提出一种适用于液晶电视故障诊断专家系统的规则库结构及推理策略,规则库结构及推理策略简单、直观,采用模糊的正向推理策略,对事实或结论的不确定性进行了合适的处理。实践结果表明,该结构及推理策略实现简单,具有良好的推理能力,减少了推理时间,提高了诊断的效率,能方便地与Web技术相结合,对建立特定的液晶电视故障诊断专家系统非常有效。
关键词：液晶电视,专家系统,规则库,推理
参考文献
[1]尤文坚,戴励.复杂电磁环境下超长显示屏的设计与实现[J].电视技术,2012,36(3):51-54.
[2]刘宝赋,张科,廖志忠,等.快速推理的知识库技术研究[J].计算机工程与应用,2002(20):60-62.
[3]黎旺星.基于模型诊断技术在数字电视机中的应用[J].电视技术,2003,27(11):63-65
[4]路亚峰,张涛,张贤,等.机载电子设备故障诊断专家系统的设计与实现[J].电子测量技术,2010,33(1):118-120.
[5]薛寒,谢利理,叶留义.基于模糊推理的电机故障诊断专家系统研究[J].计算机测量与控制,2010,18(1):8-10.
专家规则 第5篇
经验表明, 重大环境污染事故 (如爆炸, 毒气泄漏, 海上溢油等) 是化学工业集群区长期稳定运行的重要安全隐患, 在一些环境污染事故应急处理中, 处理效果不理想、费用高以及引起周围群众恐慌等现象往往是由处理处置技术与方案不合理引起的。由于针对重大环境污染事故处理处置技术的解决策略在书籍中难以找到, 且在不同的环境条件下现场解决方案不尽相同, 长期以来应急处理处置人员往往是根据多年积累的经验对工业集群区重大环境污染事故进行应急处理处置。然而这些经验技术的积累要求具有较长时间的实际工作经验和广泛的知识, 所以只为少数人员所掌握。目前我国工业正在蓬勃发展, 各地新建了不少工业集群区。在这些新建的工业集群区中, 由于缺乏有经验的重大环境污染事故应急处理处置人员, 一旦出现诸如有毒气体泄漏等重大环境污染事故时, 应急处理处置就显得捉襟见肘。因此十分有必要开发一套用于指导化学工业集群区出现重大环境污染事故时用于应急处理处置的决策支持系统。根据目前的实际情况, 专家系统是解决诸如此类问题的首选方法。
1 专家系统及其功能
目前对专家系统的定义是:一个能在特定领域内, 以人类专家水平去解决该领域内困难问题的计算机程序。其主要特征是它依靠人类专家经验性的规则来分析和解决问题, 也就是说将工作人员多年积累的工作经验收集整理, 加以计算机决策辅助, 来解决某领域的困难问题。它是将经验性的知识应用于尚未完全得到理解的领域的一种方法, 因而很适合在重大环境污染事故应急处理处置技术这样一个尚未完全成熟的领域中应用。
本专家系统是化学工业集群区重大环境污染事故应急处理处置决策支持系统的一个组成部分, 其主要功能是: (1) 诊断功能:根据用户输入的数据和信息, 对重大环境污染事故的实际现场情况作出及时分析, 根据以往类似案例的解决经验以及数据库中收集的应急处理处置技术流程、应急物资、应急设备等迅速给出最佳处理处置方案。 (2) 检索功能:对重大环境污染事故常见处理处置技术流程、应急物资与设备、应急处理处置方案, 采用列表的形式进行检索, 对具体的案例给出原因和解决策略的详细分析。 (3) 培训功能:充分利用计算机多媒体的优势, 运用文字、图形等多种方式向用户介绍重大环境污染事故应急处理处置的有关法律法规, 相关知识以及经验教训等对化学工业集群区的职工进行演习和培训。
本专家系统和化学工业集群区大气、海洋日常气象数据运行模型数值模拟软件相互支持、相互验证, 共同为化学工业集群区的重大环境污染事故应急处理处置提供决策与帮助。以期最大程度减少重大环境污染事故造成的经济、环境危害。
2 专家系统的开发
系统的开发过程可以分为以下几个步骤。
2.1 知识的获取
这是专家系统开发过程中最为重要的阶段。专家系统的成功在很大程度上取决于从人类专家处获得的知识。在本系统的开发过程中, 从重大环境污染事故应急处理专家、化学工业集群区工程师、实际工作人员和环境污染事故应急处理处置指导书籍中获得了大量有用的知识。
2.2 知识的转化
在系统的开发过程中, 采用假设和结论 (If…, Then…) 的形式把从人类专家处获得的知识和数据转化成为适合于计算机表达应用的形式, 存储在系统的数据库中。在知识转化过程中, 不断从相关工业集群区专家、相关科技书籍以及现实生活中重大环境污染事故处理处置的方案等处获得反馈信息, 及时对知识转化和表达中出现的错误进行修改, 并更新处理处置方案。
2.3 专家系统的构建
根据数据库的内容与结构, 确定逻辑推理的方式并编程实现逻辑推理, 开发友好的用户界面, 实现和完善专家系统的功能。
2.4 专家系统的验证
在本专家系统开发完成以后, 首先由重大环境污染事故应急处理专家对知识的转化过程进行了验证, 确定重大环境污染事故应急处理处置的知识被正确地转化成为数据库中的知识;然后针对化学工业集群区中的具体问题, 比较专家系统给出的解决方案与人类专家给出的解决方案, 验证本专家系统的准确性。本专家系统的验证工作拟在天津某化学工业集群区进行, 根据实际使用情况, 对数据库中不合理的规则和知识表达形式进行了修改。
3 专家系统的总体结构
重大环境污染事故应急处理处置专家系统就是运用电子计算机技术来模拟环境学专家的综合、分析、判断等思维过程的过程。针对上述功能定位, 本系统在分析环境学专家分析处理实际污染事故过程的基础上, 综合应用一般模型和形象思维模型, 设计工作模型。本系统采用标准的专家系统机构。包括知识库、推理机、综合数据库、人机界面、解释机构等几个部分。
3.1 知识库
知识库的构建分三步, 第一步是从领域专家处吸取知识;第二步是将知识归纳整理, 以一定的数据结构存入计算机;第三步是建立知识库管理系统来对知识进行组织、检索和维护。知识库里, 大约存放着几百条辨别规则和几千条关于重大环境污染事故应急处理处置方面的知识。一边与用户进行对话, 一边进行推理诊断。这种推理规则称为“产生式规则”。
从人类专家处获得的知识, 经过组织后以规则If…, Then…的形式存储在知识库中。根据以往的经验, 知识的良好组织是系统能够灵活应用的必要条件。为此知识库采用了模块化结构, 即把知识分成若干相互独立的知识库, 如故障诊断知识库, 故障检索知识库, 活性污泥法培训知识库等。系统在工作时, 推理机根据实际情况将相应的知识库调入内存使用。
3.2 推理机
推理机包含解决问题的策略和推理方法, 它是专家系统的“思维”机构, 模拟领域专家的思维模式, 控制并执行问题的求解和答案。它接收从“人机界面”传送来的信息, 根据数据库汇总的记录, 调用知识库中的有关知识对该信息进行相应的处理, 并将处理结果送往人机界面或其它结构。
该系统在使用过程中, 根据不同情况, 采用的推理策略以产生式规则的正向推理为主, 以实例推理为辅。根据重大环境污染事故产生的污染物在规则知识库中搜索与之匹配的标准应急处理处置技术、物资以及设备, 得到重大环境污染事故应急处理处置的最佳方案。利用用户输入的相关知识点, 采用的是关键词启发式搜索策略。
3.3 综合数据库
数据库用于存放所有的原始数据资料, 求解过程中的中间数据、动态数据查询表、最后结果及推进记录。知识库和数据库涉及的环境科学术语、污染物名称应急物资设备等转换为由数字或者英文字母组成的代码。规范化的代码可以避免环境科学术语以及污染物的不一致以及人为原因引起的输入差错。
3.4 人机界面
即专家系统与环境学专家、设计者以及最终用户间的界面, 由几组程序和相应的硬件组成, 负责将用户输入的信息转化成系统内规范化的表示形式, 再把这些内部表示交给相应的模块去处理, 系统输出的内部信息也由它转化成用户易于理解的外部表示形式显示给用户, 完成输入和输出工作。
目前, 我国多数突发性环境污染事故应急体系仍处于初级应用阶段, 处理处置技术及应急响应等方面存在诸多不足, 缺乏以技术为支撑的应急处理处置系统, 人海战术仍然是目前应对紧急情况时的主要处理手段。因此, 研究科学、合理的应急处理处置技术, 增强突发性环境污染事故中的快速反应和组织抢险能力, 具有重要的经济价值和社会意义。
4 重大环境污染事故应急处理处置专家系统在海洋溢油污染事故中的应用
以海洋溢油几种常见的处理处置方法为例, 利用产生式规则推断溢油状况与处理处置技术的关系, 关于溢油状况的推断过程除了考虑到形式化的推理过程, 还应该考虑到气象水文条件的多样性、多变性和不确定性, 在面对某些气象条件复杂、溢油状况不典型或合并气象条件海洋条件较多的溢油事故时, 添加专家的特异性判别指标。溢油状况、气象水文条件等与溢油事故处理处置办法的产生式规则表述如下:
4.1 气象水文条件与溢油事故处理处置方式:
A、平静海面, 附近航道畅通, 离海岸距离较近→人工回收、机械回收 (油回收船、油吸引装置、吸油材料、网袋装置、油拖把等) 、生物处理
B、平静海面, 附近航道畅通, 离海岸距离较远→机械回收 (油回收船、油吸引装置、吸油材料等) 、深海沉降、外海燃烧
C、风速1 5 m/s, 潮流2 m/s, 波高2m, 离海岸距离较近→围油栏, 人工回收、机械回收、生物处理
D、风速1 5 m/s, 潮流2 m/s, 波高2m, 离海岸距离较远→围油栏, 机械回收、深海沉降、外海燃烧
E、风速>1 5 m/s, 潮流>2 m/s, 波高>2m之一, 离海岸距离较近→使用分散剂
F、风速>1 5 m/s, 潮流>2 m/s, 波高>2m之一, 离海岸距离较远→使用分散剂、外海燃烧
G、风速、潮流、波高两个或者两个以上未知→添加专家的特异性判别指标
4.2 溢出油量与溢油事故处理处置方式:
A、溢出油量10吨 (这种场合多属油轮装卸时的跑、冒、滴、漏和小型油轮发生事故以及岸上油罐溢油事故等, 多数是在港区内发生的溢油, 一般海况比较平稳) →围油栏, 人工回收、机械回收、使用分散剂等。
B、10吨<溢出油量<500吨→围油栏, 机械回收。
C、溢出油量≧500吨→围油栏, 机械回收、外海燃烧
4.3 油种与溢油事故处理处置方式:
A、流动点30℃的原油[我国原油 (如大庆、胜利、任丘原油) 、印尼原油等流动点的温度均在30℃以上]→人工回收、机械回收 (采用刮板式、倾斜板式回收船等)
B、流动点<30℃的原油 (中东、阿拉伯原油) →围油栏, 使用分散剂、机械回收 (刮板式装置的油回收船、油吸引装置、吸油材料、油拖把等)
C、重油等燃料油→围油栏, 人工回收、机械回收
D、当同时出现气象水文条件、溢出油量、油种几种情况, 且相互之间无共同处理处置方法时, 以气象水文条件为最优先考虑对象, 其次为溢出油量、油种。
4.4 将上述各影响因素以及溢油事故处理处置方法用谓词表示出来
利用Robinson归结原理分析这些规则, 用启发式搜索的方法推断出处理处置方法。对海洋溢油的处理处置工作提供支持。
用谓词演算和Robinson归结原理总结溢油事故处理处置方法, 下列列出部分产生式规则:
其中, “∧”表示合取, “∨”表示析取, 表示求反。
4.5 推理过程
假设有一艘装载巴林原油的大型油轮从波斯湾驶往中国渤海曹妃甸, 在印度洋某处发生部分泄露, 已知泄露地点距离海岸较近, 风速为30 m/s, 潮流为5 m/s, 波高为3 m/s, 溢出油量9.5吨。
结论推理过程如下:
(1) H2∧J1∧J2∧J3∧S1→Z4; (2) H 2; (3) J 1; (4) J 2; (5) J 3; (6) S 1。
问:结论是什么?
可化为子句集: (1) (H2∧J1∧J2∧J3∧S1) ∨Z4, 即H2∧J1∧J2∧J3∧S1∨Z4; (2) H2; (3) J1; (4) J2; (5) J3; (6) S1。
由图1可见, 根据Robinson归结原理, 得出结论是Z4, 即使用分散剂。
该溢油应急处理处置专家系统采用Robinson归结原理得到了正确的结论。具体的推理判断过程主要靠软件具体完成。该系统采用正向推理, 其中, 中止条件是知识库中再无可适用的知识或经推理得到了问题的解。推理过程如图2。
研究人员主要用于协助重大污染事故应急工作人员提出各种情况下如何处理处置重大污染事故事故。重大污染事故应急工作人员只要懂得如何操作计算机, 通过人-机对话的方式, 按环境科学知识即可生成一个重大环境污染事故应急处理处置专家咨询系统, 可提出各种重大环境污染事故的应急处理处置决策方案。
5 结论
利用环境科学的专家知识, 将各种重大环境污染事故的影响因素以及处理处置方法做成一个专家系统。该系统在对重大环境污染事故专家提出处理处置决策方案的全过程分析研究的基础上, 综合采用产生式规则、利用各种环境事故影响因素与处理处置方法的关系, 用Robinson归结原理推断出最佳处理处置方案, 为重大环境污染事故应急工作人员提供决策支持。作为一个重大环境污染事故应急处理处置专家系统的例子, 为计算机技术在环境学领域的进一步应用提供了新的例证。
参考文献
[1]施汉昌, 王玉珏.污水处理厂故障诊断专家系统[J].中国给水排水.2001, 27 (8) :88-90
[2]刘秋红, 焦仁普, 张钰等.基于产生式规则和归结原理的农业专家系统[J].安徽农业科学.2008, 36 (10) :4307-4309.