论文部分内容阅读
传统的大坝安全监控专家系统多采用基于规则推理(Rule Based Reasoning，RBR)的方法，存在获取知识困难，推理速度较慢，自学习能力较差等缺陷。基于实例的推理(Case Based Reasoning，CBR)方法是新崛起的一种重要推理技术，是人工智能和专家系统领域的最新进展。CBR系统具有获取知识方便、易于理解、启发思维等优点，它较好地解决了RBR系统的固有缺陷。
目前，国内外学者在基于CBR的专家系统研究开发方面取得了一定成果，但该领域还有许多理论问题和应用技术问题需要解决。因此，本文选择基于CBR的大坝安全监控专家系统作为研究方向，从大坝安全事故实例的表示、实例库的建立、系统检索算法、系统结构设计等几个方面做深入的研究，得到了相应的结论。本文的主要研究内容和结论有：
(1)研究了大坝安全监控实例专家系统中的实例表示方法。以混凝土面板堆石坝为例，分析了该坝型的安全特征，提取了大坝事故实例和处理措施的特征信息。通过特征建模技术，构造混凝土面板堆石坝事故实例的描述模型，并确定其内容组成，实现了大坝事故实例的信息建模。
(2)采用层次结构表示方法对大坝事故实例特征信息和解特征信息进行描述，给出了事故实例特征的层次表示模型和混合存储结构模型。并将实例库组织成两级结构，以减少实例检索次数，提高检索效率。
(3)构造了大坝事故实例的索引特征，提出了一种简单实用的编码形式，用以构造索引标识码，并给出了编码实例。采用基于模糊理论的相对面积法计算相似度，针对其精度低的缺陷，引入模糊集合的隶属函数值加以改进。
(4)研究了基于特征赋权K近邻算法的权重学习算法。针对传统方法客观性差、计算复杂等缺点，采用PSO优化KNN算法的特征权系数，计算结果表明，该方法可有效地搜索出合适的特征权重，获得较好的分类精度并淘汰冗余特征。
(5)研究了大坝安全监控实例专家系统的系统需求、系统功能和体系结构。对系统的工作流程作了详细介绍，建立了系统数据库的E-R图数据模型，详细设计了实例信息、实例索引、权值信息等主要数据表。开发了专家系统的部分功能。