论文部分内容阅读
摘要：探讨了大坝安全监测专家系统的知识类型和知识的获取过程；分析了大坝安全监测专家系统的各种知识及其表示方法，即事实性、规则性和过程性知识及表示；在此基础上建立了一种简单的基于关系数据库的大坝安全监测专家系统知识库——包括事实库、规则库及知识的推理策略；最后把知识库应用到大坝安全监测专家系统中，为大坝安全监测工作提供保障。
关键词：关系数据库；大坝安全监测；专家系统；知识库
0、引 言
在现代的专家系统知识库开发中，对于大量的知识，若以文件I/O的形式组织显得非常复杂和困难，并且难以维护和扩充数据；数据库系统具有处理海量数据的能力，但无表达和处理例如规则等知识的能力。若将数据库和知识库二者相结合，即利用数据库技术，将各种知识和规则系统化、规范化，建立知识库，将有利于提高数据库和知识库的演绎、推理能力。特别是随着经验的丰富可以不断地扩充知识库，既能体现知识库的健壮性，又有益于知识库维护的一致性和完整性。
1、基于关系数据库的大坝安全监测专家系统的知识获取
1.1知识的类型
对大坝安全状况进行监测和预警是一项综合性的工作，必须对大坝的各个环节，如上游围堰的防渗墙，主坝基础，坝体表面，左右岸的工作状况等各个方面进行全面的监测，从而达到安全监测的目的。按照知识来源和类型的不同，大坝安全监测专家系统的知识可分为以下几个方面：①专家档案库所存储的相关知识；②工程安全评判专家经验和知识；③安全监察辅助决策经验和知识；④疑难杂症专家处理经验和知识；⑤工程故障处理专家经验和知识；⑥其他知识。
1.2知识的获取过程
为了建立起健全、完善、有效的大坝安全监测专家系统知识库，以满足问题求解的需要，知识的获取一般要经过如下几个过程：
(1)知识的抽取：按照大坝安全监测专家系统的知识类别，把蕴含于大坝安全领域专家库以及各类文献如《混凝土大坝安全监测技术规范》、《水库大坝安全事故防范与除险加固技术标准手册》、《大坝安全自动监测系统设备基本技术条件》等中的知识经过识别、理解、筛选、归纳抽取出来，用于建立和充实知识库。
(2)知识的转换：把抽取的大坝安全知识由一种表示形式变化为另一种形式。一般分二步进行：第一步，把从大坝安全领域专家以及文献中抽取的知识表示为某种形式，如谓词逻辑、产生式规则、框架等；第二步，把该模式的知识表示形式转换为系统可以直接利用的内部表示形式。前者通常由知识工程师完成，后者一般通过输入及编译实现。
(3)知识的输入：把用适当模型表示的知识经过编辑、编译送入知识库。
(4)知识的检测：知识库的建立是通过对知识进行抽取、转换、输入等环节实现的，任何环节失误都会造成知识的错误表示，从而影响专家系统的性能。在知识输入时应及时进行检测，以发现知识中可能存在的不一致、不完整等问题，以便采取相应的措施。
2、基于关系数据库的大坝安全监测专家系统知识的表示
大坝安全监测专家系统所涉及的知识主要包括专业技术类知识、专家经验类知识、安全法规和设计规范类知识。从人工智能的角度，这些知识按其作用大致可分为三类：
(1)事实性知识。表示对象及概念的特征及其相互关系，以及问题求解状况，例如，各测点对象的当前测值正常或异常的性质以及测值异常情况产生的原因(监控系统异常、环境量异常、结构异常引起等)。这类知识通常可以采用传统的数据库来处理。
(2)规则性知识。它由事实组成，表示事实间的联系，即表示与大坝安全工作领域有关的问题求解知识，如推理规则等。对规则知识可用层次网络表示，其语法可用BNF范式表示：
<关联>∷＝《关联头>、<关联体>(规则簇)
(关联头>∷＝<概念节点>
<关联体>：＝<概念节点>，{(关联体)}
<规则簇>∷＝IF(前提条件集)THEN(结论)CF<值>FUN(过程>
<前提条件集>∷＝<前提条件>， {<前提条件集>}
<前提条件>∷＝<概念节点>＝(值<表达式>)
(3)过程性知识。表示在推理诊断过程中调用的自定义函数以及问题求解的控制策略等。根据大坝的工程情况，可将大坝划分为几个重要的工程部位和工程断面。工程部位和工程断面的工作情况反映大坝的工作情况，而工程部位和工程断面的工作情况由布设在其上的各类监测仪器的测值来反映。因此，大坝安全监测的知识可用如图1所示的大坝工作情况层次图来表示。
3、基于关系数据库的大坝安全监测专家系统知识库的建立
大坝安全监测专家系统的知识库采用通用的、功能极强的关系数据库语言——Microsoft SQL Sever来建立。基于关系数据库的知识库主要采用一系列二维表来存储知识。大坝安全监测专家系统的知识库由事实库和规则库组成。在事实库中，由事实表来存储事实性知识；在规则库中，由规则表来存储启发性知识。
3.1事实库的建立
事实库主要是存储事实性知识，其数据表包括构成事实所需的各表及其所用到的相关辅助表，如元事实表、事实表、事实索引表等。其中元事实表存储的是事实性知识中最底层的概念知识的表示方法，事实表存储的是事实性知识，事实索引表存储的是对元事实表和事实表之间建立的索引。它们的基本结构如下所示：
①元事实表(Meta-fact)：
(元事实编号，变量，谓词类型，谓词名，值)
ID_META VAR OP_TYPE
UP_NANE
VAL
②事实表(Fact)：
(事实编号，组成)
lD_FACT
CONSTITUTE
1，2，-3，＋，4
③事实索引表(Fact-index)：
(元事实编号，包含该项的事实编号)
ID_MATA
JD_FACT
3.2规则库的建立
规则库中的数据表主要由构成规则所需的各表及其对知识进行获取、维护管理和应用(推理)所用到的相关辅助表构成，包括规则表和规则索引表等。其中规则表不仅用于存储规则的基本信息，而且还储存着规则和知识的条件部分，同时规则和知识的结论部分也存储在规则表中；规则索引表则储存的是规则与事实之间的索引。其基本结构表示如下：
①规则表(Rule)：
(规则编号，条件(前提)，结论，置信度)
ID_RULE
PREMISE
CONCLUDE
CONFIDENCE
1，-3，4，＋，5，8，6，7
②规则索引表(Rule-index)：
(元事实编号，包含该项的事实编号)
ID_META
lD_RULE
3.3知识的推理策略
由于本系统知识库采用关系模式构建，因此推理过程是建立在利用SQL语言查询表的过程之上。根据大坝安全监测分析评判的特点，考虑到专家评判决策的思维过程，本系统知识 推理采用了双向综合推理策略，即在总体上采用目标决策机制，局部采用正反推理混合方法，根据实际需要运用多种推理来实现系统的总体功能。其流程如图2所示。
4、大坝安全监测专家系统知识库的管理与维护
在大坝安全监测领域，一部分知识是静态的，另一部分知识是动态的。随着大坝运行时间的延伸以及大坝工程理论的进一步发展，知识需要不断地完善和补充。
对于知识库的管理，可以采用关系数据库，即充分利用关系数据库具有数据与程序的独立性，良好的用户权限设置和数据共享等功能，实现对知识的管理、维护以及知识的安全维护和共享等。
对于知识库的维护，一方面，当现有知识无法对大坝安全进行正确判断时，需要向专家求助来补救缺少的知识；另一方面，当判断、分析原因和防治措施出现错误，或者知识库中的知识遭到意外破坏时，会导致知识库的知识不一致，应当允许专家修改现有知识库，更正错误的知识。
5、结束语
利用上述方法建立的基于关系数据库的大坝安全监测系统知识库具有以下特点：
(1)利用关系数据库成熟的管理技术对知识库中的各种知识进行集中管理，可方便地对这些知识进行增加、删除、修改、浏览等操作，增强了知识对技术人员的透明度，并极大地简化了系统设计和维护人员对已有知识的访问、管理和维护难度。
(2)利用开放数据库互连(ODBC)技术可以在多种编程环境(例如，VC，VB等)中方便地实现对各种数据库系统的访问，使不同编程语言在数据库的基础上实现了统一，从而在专家系统开发过程中可以根据需要灵活地选择开发语言以降低开发难度、提高开发效率。同时，利用关系数据库的专用开发工具可以方便快捷地开发出友好的用户图形界面，便于用户使用，从而降低了对用户计算机操作能力的要求。
参考文献：
[1]萨师煊，王珊，数据库系统概论[M]，高等教育出版社，2000
[2]刘小生，孙群，矿山安全预警专家系统知识库的研究[J]，矿业安全与环保，2008，35(30)：35-36
[3]王小军，周昌盛，吕汉兴，一种基于关系数据库的知识表示和推理方法，控制工程2005，12(I)：40-43
[4]李晶，贺贵明，三峡安全监测信息系统知识库系统设计[J]，计算机工程，2001，27(11)：150-152
[5]黄万里，岳建平基于数据库的大坝安会监控专家系统知识库设计，大坝与安全，2004，3：55-59
[6]刘海英，基于关系数据库的专家系统外壳设计[D]，燕山大学硕士学位论文，2006
关键词：关系数据库；大坝安全监测；专家系统；知识库
0、引 言
在现代的专家系统知识库开发中，对于大量的知识，若以文件I/O的形式组织显得非常复杂和困难，并且难以维护和扩充数据；数据库系统具有处理海量数据的能力，但无表达和处理例如规则等知识的能力。若将数据库和知识库二者相结合，即利用数据库技术，将各种知识和规则系统化、规范化，建立知识库，将有利于提高数据库和知识库的演绎、推理能力。特别是随着经验的丰富可以不断地扩充知识库，既能体现知识库的健壮性，又有益于知识库维护的一致性和完整性。
1、基于关系数据库的大坝安全监测专家系统的知识获取
1.1知识的类型
对大坝安全状况进行监测和预警是一项综合性的工作，必须对大坝的各个环节，如上游围堰的防渗墙，主坝基础，坝体表面，左右岸的工作状况等各个方面进行全面的监测，从而达到安全监测的目的。按照知识来源和类型的不同，大坝安全监测专家系统的知识可分为以下几个方面：①专家档案库所存储的相关知识；②工程安全评判专家经验和知识；③安全监察辅助决策经验和知识；④疑难杂症专家处理经验和知识；⑤工程故障处理专家经验和知识；⑥其他知识。
1.2知识的获取过程
为了建立起健全、完善、有效的大坝安全监测专家系统知识库，以满足问题求解的需要，知识的获取一般要经过如下几个过程：
(1)知识的抽取：按照大坝安全监测专家系统的知识类别，把蕴含于大坝安全领域专家库以及各类文献如《混凝土大坝安全监测技术规范》、《水库大坝安全事故防范与除险加固技术标准手册》、《大坝安全自动监测系统设备基本技术条件》等中的知识经过识别、理解、筛选、归纳抽取出来，用于建立和充实知识库。
(2)知识的转换：把抽取的大坝安全知识由一种表示形式变化为另一种形式。一般分二步进行：第一步，把从大坝安全领域专家以及文献中抽取的知识表示为某种形式，如谓词逻辑、产生式规则、框架等；第二步，把该模式的知识表示形式转换为系统可以直接利用的内部表示形式。前者通常由知识工程师完成，后者一般通过输入及编译实现。
(3)知识的输入：把用适当模型表示的知识经过编辑、编译送入知识库。
(4)知识的检测：知识库的建立是通过对知识进行抽取、转换、输入等环节实现的，任何环节失误都会造成知识的错误表示，从而影响专家系统的性能。在知识输入时应及时进行检测，以发现知识中可能存在的不一致、不完整等问题，以便采取相应的措施。
2、基于关系数据库的大坝安全监测专家系统知识的表示
大坝安全监测专家系统所涉及的知识主要包括专业技术类知识、专家经验类知识、安全法规和设计规范类知识。从人工智能的角度，这些知识按其作用大致可分为三类：
(1)事实性知识。表示对象及概念的特征及其相互关系，以及问题求解状况，例如，各测点对象的当前测值正常或异常的性质以及测值异常情况产生的原因(监控系统异常、环境量异常、结构异常引起等)。这类知识通常可以采用传统的数据库来处理。
(2)规则性知识。它由事实组成，表示事实间的联系，即表示与大坝安全工作领域有关的问题求解知识，如推理规则等。对规则知识可用层次网络表示，其语法可用BNF范式表示：
<关联>∷＝《关联头>、<关联体>(规则簇)
(关联头>∷＝<概念节点>
<关联体>：＝<概念节点>，{(关联体)}
<规则簇>∷＝IF(前提条件集)THEN(结论)CF<值>FUN(过程>
<前提条件集>∷＝<前提条件>， {<前提条件集>}
<前提条件>∷＝<概念节点>＝(值<表达式>)
(3)过程性知识。表示在推理诊断过程中调用的自定义函数以及问题求解的控制策略等。根据大坝的工程情况，可将大坝划分为几个重要的工程部位和工程断面。工程部位和工程断面的工作情况反映大坝的工作情况，而工程部位和工程断面的工作情况由布设在其上的各类监测仪器的测值来反映。因此，大坝安全监测的知识可用如图1所示的大坝工作情况层次图来表示。
3、基于关系数据库的大坝安全监测专家系统知识库的建立
大坝安全监测专家系统的知识库采用通用的、功能极强的关系数据库语言——Microsoft SQL Sever来建立。基于关系数据库的知识库主要采用一系列二维表来存储知识。大坝安全监测专家系统的知识库由事实库和规则库组成。在事实库中，由事实表来存储事实性知识；在规则库中，由规则表来存储启发性知识。
3.1事实库的建立
事实库主要是存储事实性知识，其数据表包括构成事实所需的各表及其所用到的相关辅助表，如元事实表、事实表、事实索引表等。其中元事实表存储的是事实性知识中最底层的概念知识的表示方法，事实表存储的是事实性知识，事实索引表存储的是对元事实表和事实表之间建立的索引。它们的基本结构如下所示：
①元事实表(Meta-fact)：
(元事实编号，变量，谓词类型，谓词名，值)
ID_META VAR OP_TYPE
UP_NANE
VAL
②事实表(Fact)：
(事实编号，组成)
lD_FACT
CONSTITUTE
1，2，-3，＋，4
③事实索引表(Fact-index)：
(元事实编号，包含该项的事实编号)
ID_MATA
JD_FACT
3.2规则库的建立
规则库中的数据表主要由构成规则所需的各表及其对知识进行获取、维护管理和应用(推理)所用到的相关辅助表构成，包括规则表和规则索引表等。其中规则表不仅用于存储规则的基本信息，而且还储存着规则和知识的条件部分，同时规则和知识的结论部分也存储在规则表中；规则索引表则储存的是规则与事实之间的索引。其基本结构表示如下：
①规则表(Rule)：
(规则编号，条件(前提)，结论，置信度)
ID_RULE
PREMISE
CONCLUDE
CONFIDENCE
1，-3，4，＋，5，8，6，7
②规则索引表(Rule-index)：
(元事实编号，包含该项的事实编号)
ID_META
lD_RULE
3.3知识的推理策略
由于本系统知识库采用关系模式构建，因此推理过程是建立在利用SQL语言查询表的过程之上。根据大坝安全监测分析评判的特点，考虑到专家评判决策的思维过程，本系统知识 推理采用了双向综合推理策略，即在总体上采用目标决策机制，局部采用正反推理混合方法，根据实际需要运用多种推理来实现系统的总体功能。其流程如图2所示。
4、大坝安全监测专家系统知识库的管理与维护
在大坝安全监测领域，一部分知识是静态的，另一部分知识是动态的。随着大坝运行时间的延伸以及大坝工程理论的进一步发展，知识需要不断地完善和补充。
对于知识库的管理，可以采用关系数据库，即充分利用关系数据库具有数据与程序的独立性，良好的用户权限设置和数据共享等功能，实现对知识的管理、维护以及知识的安全维护和共享等。
对于知识库的维护，一方面，当现有知识无法对大坝安全进行正确判断时，需要向专家求助来补救缺少的知识；另一方面，当判断、分析原因和防治措施出现错误，或者知识库中的知识遭到意外破坏时，会导致知识库的知识不一致，应当允许专家修改现有知识库，更正错误的知识。
5、结束语
利用上述方法建立的基于关系数据库的大坝安全监测系统知识库具有以下特点：
(1)利用关系数据库成熟的管理技术对知识库中的各种知识进行集中管理，可方便地对这些知识进行增加、删除、修改、浏览等操作，增强了知识对技术人员的透明度，并极大地简化了系统设计和维护人员对已有知识的访问、管理和维护难度。
(2)利用开放数据库互连(ODBC)技术可以在多种编程环境(例如，VC，VB等)中方便地实现对各种数据库系统的访问，使不同编程语言在数据库的基础上实现了统一，从而在专家系统开发过程中可以根据需要灵活地选择开发语言以降低开发难度、提高开发效率。同时，利用关系数据库的专用开发工具可以方便快捷地开发出友好的用户图形界面，便于用户使用，从而降低了对用户计算机操作能力的要求。
参考文献：
[1]萨师煊，王珊，数据库系统概论[M]，高等教育出版社，2000
[2]刘小生，孙群，矿山安全预警专家系统知识库的研究[J]，矿业安全与环保，2008，35(30)：35-36
[3]王小军，周昌盛，吕汉兴，一种基于关系数据库的知识表示和推理方法，控制工程2005，12(I)：40-43
[4]李晶，贺贵明，三峡安全监测信息系统知识库系统设计[J]，计算机工程，2001，27(11)：150-152
[5]黄万里，岳建平基于数据库的大坝安会监控专家系统知识库设计，大坝与安全，2004，3：55-59
[6]刘海英，基于关系数据库的专家系统外壳设计[D]，燕山大学硕士学位论文，2006