面向对象的采矿方法选择专家系统.pdf

1 9 9 8年 7月 系统工程 第 1 6卷第 4 期 总第 8 8期 面向对象的采矿方法选择专家系统 ． 型三 ． △ 1 g S { ／ 【 提要】 地下金属矿山采矿方法的选择是相 当复杂的， 它受诸如旭质 因素， 开采技 术条件， 矿石的物理 力学性质等多种因素的影响和制约。然而 ， 正确选择 采矿方法直接关系到矿 山的经济效益， 因此 ， 科学选择采矿方法无疑具有 十分重要的意义 面向时象的采矿方法选择专 家系统 ， 埭合运 用 j智能科 学 和模糊 数 学 的 方 法来 选择 采 矿 方 法 ， 从而 把 采矿 方 法 的科 学选 择提 高 到 j一 新的高度 。 【 关 键 词 】黾 芏 立 选 择 ， 气 ， 可 信 度 ．f} 地下 采矿方 法的合理 选择 ， 历来是矿 山设计 和生产中的一十重要 课题。由于地质特性和矿床赋 存条件极 其 复杂多变 ， 很难建立完全等效的数 学方程来描 述各 种地 质因素与采 矿方 法之 间的关 系。所 以， 至今 采矿方 法选择仍 主要 依赖于 设计 人员的经 验和大脑思维 。不 完善 的知识和矿床地质特征信息的缺乏 ， 使采矿 工程师 很难获得优化的结果。在采矿方法选择过程中， 必须把理论知识同工程实践相结合， 必须依据专家的经验和 智 慧， 通过一 系列的逻辑分析 ， 从 种类繁多 的采矿 方法 中挑 选出最好 的方案 。面 向对象的采 矿方 法选 择专 家 系统就是 采矿方 法选 择的理论 与专 家的经验及智慧相结合 的产物 。 1 专家系统的知识库 专家 系统 e x p e r t s y s t e m 是 目前 在 人工智能的应 用方 面最成 熟的 一十领 域， 专 家 系统的 结构如 图 I所 示。它主要 由知 识库 的推理机 掏成 ． 知识库 用于 存放 专家知识 ， 推理 机根 据知识库中的知识进 行推理 ， 作出决 策。建立 知识 库的过程包括 获取 领域知识 ， 将其按专 家系统要 求的形式构成知识 库， 并在运行过程 中不断调 整， 充实知识库 ， 使之 达到 实用 的程 度。 基于 知识 的采矿方法专家系统 的知识库 由统一的基本元 素 对象组成 。对象既是知识 的基本元素 ， 又 是 问题求解的 独立单元 。基于 知识 的采矿方 法选择的专 家系统 的知识来 源于理论研究成果和专家知识 ． 其 中 大部 分知识来源于专家 撰写 的专著和报告 ， 涉及到的 采矿方法 有 3 2种， 影响采矿方法 选择 的因素有 矿床类 型、 矿体倾 角、 矿体走 向长度 、 矿体倾 斜长度 、 矿 体厚 度 、 矿 石稳 固性 、 顶 、 底板稳固性 、 结块 性、 自燃 性、 地面 要 求、 水文地质条件等 2 6 十因素。整十系统以对象的层坎结构为中心 ， 该结构既是知识源， 也是工作存储区． 同 时也 是问题求 解单元的集合 系统 将问题求解中涉及的概念 、 实体等表示 为对象 ． 各对象 以它 们之 间的超 类 、 子类和实例的 关系形成 一个层坎网络 ， 对象 的各 十“ 槽 记 录着对象的有关属性 ． 涉及该对 象的操 作记录 在 方 法” 中 ， 对 象有关 规刚记录 在“ 规 则” 中 ， “ 槽” 和“ 方法” 中的 内容 都具有继承性 。表示采矿方法种类的对象层坎 结构 如图 2 所示 。 收稿 日期； ] 0 9 7 一 2 0 1 作者单＆ 长沙矿山研究院 4 1 0 0 0 6 3 O 维普资讯 圉 l 专家系统的结构 图2 采矿方法对象与层次结构 系统采用 多重继承 的方式 ， 即 一个对象 可以有多个 超类 ， 采用多重继承 可以 更大 程度地提 高信 息共享 每个对象 的方法 和规则都封装在对象之中 ， 对象 中方法的启动只能通过对象之 间的消息传递 。对象中涉及的 方法可 是规 则推理 ， 也可 是 任何求解功能 ， 如模拟神经 网络 ， 由于 对象 的封 装性 ， 各种 类型的求解操 作不 台互相干扰 ， 对象 的槽可 由其结构 若干十 但 9 面组成 ， t y p e侧面记录 该属性的类 型， 如果 该属性是 由用户 回答 值的类 型， 则应有 a s k ” 侧面列出向用户询问的语句 ， 同时还 可 有“ d e { a u [ t ” 例面， 列出 用户不能提 供值时 ， 系 统 采用 的默 认值 。 p r o mp t ” 侧面 用于 列出说 明该 属性 的语句 。常 用的侧 面还有 “ s e l e c t i o n ” 、 。 n e g a t i o n ” 和 s c o r e 一 它 们的使用由属性 的类 型决 定。如属性“ 矿 石稳 固性 、 “ 矿体厚度 ” 和“ 矿体倾 角 都可 在对象“ 采矿 方法” 中说明求值的方法 。 O b j e c t 采矿方法 ‘ c h i l d r e n 空场采矿法 、 充填 采矿洼、 崩落 采矿洼 3】 维普资讯 ⋯ sl o t s⋯ 矿石稳固性 t yp e s v a] u e a s k 矿石稳 固吗 ” ‘ e x p e c t 极稳 固、 稳固、 中等 稳固、 不稳 固、 极不稳固 ． 矿 { 奉厚度 t y p e v a l u e a s k “ 矿体厚度如何 ” e x p e c t 极薄 、 薄 、 中厚 、 厚 、 极厚 矿 体倾角 t yp e s v al u e a s k “ 矿体倾角如何 e x p e c t 水平 、 缓倾斜 、 倾斜 、 急倾斜 系统提供 了对事物 不精确性的描述 ． 属性 的值 由二元组 值 确 信度 表示 ， 其 中 有两 种型式 形 式 1 E a n d S X 象 i s 对象名 型式 2 [ a n d 3 属性 o f 关 系 值 { o r 值 } [ 权 ] 通常第一个 前提 句子省 略 a n d ” 型式 1的前提 子句 中 ， 对象 为规则变 量， 前提子句的功 能是 将{ 对象句 赋值给该变 量 ， 子句 的确信度 为 1 。前提子句 中的规 则 变量 以问号 “ ” 开头 ， 为局部变量 ， 其值 在该规划的执行过程 中有效 。 在 型式 2的前提子句 中， 对 象 可 以是具 体的对象句 ， 也可 以是规则变 量 ， 该变 量的值 由型式 1的的前提子 句赋予。 关 系 可以是 “ i s 一 和“ i s n ， t ” ， 若对 象的属性值 为数字 ， c 关系 还 可以为“ “ ， “ ， “ 一” ． “ 为“ a l l ” 时 ， 指 该对象所有的规则 ， 若指 定了‘ 属性 ， 刚根据 上述 规则中结论问题 已包括该 属 性 的规则进行正向推理 。若 未指定{ 属性 。 则根据 垒部 上述 规则进 行正向推理 。这里 所指的正向推理 ， 实 质上是一种正反 向混合的推理方法 它 依次对指 定的规贝 I 进行正向推 理 ， 在对规 则前提中的对象的属性求值 时 ， 就向该对象发送一个指定属性 求值的消息 。对指定属性如何求值 ， 是该对象 自己的 事， 可 采取 任何一种求 解方式 。如果 该对象也 采用规则推理 方式 ， 则对 前提 中对象的属性 求值问题又成为一种逆 向推理形式 。 系统提 供的推理 方式采用非单调模糊 推进 机制 ， 对象的属性就 是模期推理 中的模 期变量 ， 设 在论域 值的变量 ， 它可表示 为二元组 ． 其中 0 为对象 ， 为该对象的属性 ， 在 中有限十可能取值 为． ， ， ⋯， ， ⋯ ， 即 己 ，中的 个模棚子集 ， 若 对于模糊子集 F j 的隶属度为 e， e ∈ [ 0 ， 1 ] ， 1 ≤ i ≤ 对变量 的值可 以表示 为 n 个 二元组 { 对象名 a n d 属性 o f { 对象 j s 值 [ o r [ 确信度 ] 其 中， 对象可 以是 具体的对 象名 ， 也可 以是规则 变量 ， 其值是 由前 提确 定的。 属性 应 是具体 的属性 名 。 ‘ 值 ’ 是 由基本字段 表示 ， 结论 的敦字 ‘ 值 也可 以甩前缀 表达 式表示 。 确信度 应为数字 ， 也可 以用前缀 表 达式表 示。 无 确信 度时其 默认 值为 1 。 规 则的功能是进 行摸 糊合取推理 ． 若前 提确信 度大于 闽值 0 ． 2 ， 则 执行结论 子旬 ， 将 对 象的属性赋 以 值 ， 其确信度 为前提确信度与结论 确信度 之积 。 模 糊加权推理可以完成模糊综合 评判 的功 能 ， 设 X 为在论域 中取值 的模 糊变量 t 船 在 u 中 的 棚。 十取值 为 { F } ， 1 ≤ i ≤ ， i ≤ ≤ m ， 即 中的模糊子 集 ， 则复合命题 P‘ 。 { [ i s F ] } 的确信度 为 c 一 ma x Co * i -- 1 ⋯ 其 中 为集合 1 ， 2 ⋯⋯ ， 的子集 ， c 为命题 i s 的确信度 ， W ∈ [ 0 ， 1 ] 为杈值 ， 1 ≤ i ≤ n ， J∈ J ， 各权值满足条件 仲 一 1 J 一 1 对于各条规则推导出同一结论 的情 况 ， 设命题 Q i s G由 K 条规贝 导 出， 取 G值 的确信度分别为 C Q ， 1 ≤ i ≤ k ， 则命题 0 的确信度 为 G 0一 rl x G Q 1 0 f { 对象 i s { 值 [ 确信度 ] 其 中 ， 规则中 对 象 、 属性 、 值 与 确信度 的取值与上 述挠则形式相 同。 前提 中的 权 应 为数字． 或 值 为敦字的全局变量 。 对于无 权 的前提于旬 ， 其子 旬确信度必须太于 闻值 0 ． 2 ， 前提的确信度为有 权 子句 的确信 度的加权和。 若前提确信度大 于 0 ． 2 ． 则执行结论句子 ． 将 对象 的 属性 赋以 值 ， 其 确信度 为前提 确信度与结 论子 句的确信度之积 2 ． 2 蠼 期 杂策村 推囊 的 基本原 囊 决 策树方法是一种高效 的决策 方法 ， 早 在 1 9 8 3年 ， Qu i l i a n就提 出了从倒子 归纳决策树的算珐 1 1 。 但是 由于基于规则的 幕统必须 将决 策树 转化为规氟 形 式 ， 因而限 制了决策树算 法的应用 系统 面向对象 的表示方 法为决策树方法提供一个 良好的环境。 模糊决策树推理就是直接利用决策榭进行推理的一种扩充。 这种推理 方法在两个方面扩充 了决 策树 的推 理方法 一 方面 由于决策属性 对各个可 能取 值都 有一定的确信 度 ， 因此对 每个属性的决策都是模糊 决策 ； 另一方面 系统 允许每个决策 都可以针对一 组属性的逻辑组合进行 ． 设对 象 。 有 K个子类对象 { 0 。 ， 1 ≤ ／e ≤ K， 其属性 A 在第 K个子类对象中的取值为聪 ， 1 ≤ ≤K。 1 ≤ ≤1 ， 1 ≤ J≤ t， 其逻辑关系可表示为； 。 V [ i s F 1≤ ≤ K] 1 J 1 ， ≤ r 其 中 和 V 分别表示 逻辑与和逻 辑或的关系。 设对象 。 属性 A 的丰 静 入值 为二元组 。 ⋯ 一， 且 F 一 G ， 】 ≤ ／ e ≤ K， 1 ≤ i ≤ ， 1 ≤ J≤ ⋯ t 剐子 对象 仉 与实际输 入的相似度 为 S 0 。 一 ml n ma x C 1 i 1 1 J ， 1 ≤ ≤ K 3 4 维普资讯 若有 S O。 一 ma x S O 1 k K 则选择子对象 O 。 3解释功能 为了用户维护和使用方便 ， 系统设置 了解释功能 。 解释 整个 采矿方法选择结果 的决 策过程 。 4 结 论 从面向对象的采矿方法选择专家系统的总体结构可以看出， 该系统具有以下特点 1 专家系统的知识 库由统一的基本元素 对象组成． 这有别于基于规则的采矿方法选择专家系统} 2 系统采用了多重继承 的方式， 提高 了信息共享} 3 面向对象的知识表示 ， 极大地提高了系统的灵活性， 用户可以根据自已的意愿 采用不同的推理机制。 实践证明， 该系统是有效而可行的。 参考文献 1 冯夏庭， 王泳嘉著． 采矿工程智能系统． 冶金工业出舨社， 1 S 9 4 年 8 月 2 李仲学 计算机专家系统技术及其在矿业工程中的发展与应用． 第三届全国采矿大会 1 9 8 9 年 1 7 1 1 7 4 3 冯夏庭． 林韵捧著． 岩石力学与工程专家系统． 辽宁拜学出版社， 1 9 9 3 年 4 焦传武． 张玉卓 建筑将下条带开采专家系统 第三届全国采矿大台， 1 9 8 9 年， 5 8 5 --5 7 0 5 De nh y B． ＆ At k[ o n T． Ex p e r t S y s t e m Ap p he a t i o n i n t h e Mi ni n I a d us t r y ． The Mk aw g Eo g i n e e r i n s 1 9 8 5 Ob j e c t i v e Or i e n t e d Pr o f e s s i o n a l S y s t e m o f Mi n i n g S e l e c t i n g Me t h o d [ A b s t r a c t ] [ Ke y w o r d s ] Z h o u Ke p i n g Th e mi n i n g s l e c t i n g me t h o d o f u n d e r g r o u d me t a l mi n e r a l i s mu c h c o mp l e x { o r i t i s s u f f e r e d t h e i n f l u n c e s a n d r e s t r a n t s o f m t n y f a c t o r s ’ s u c h a g e o l o - g y， mi n i n g t e c h n i q u e c o n d i t i o n s a n d t h e p h y s i c a l a n d me c h a n i c a l c h a r a c t e r s o f t h e mi n e r a l s e t c ．Ho we v e r ， t h e p r o p e r s e l e c t e d mi n i n g me t h o d r e l a t e s d i r e c t l y t h e e c o n o mi c a l b e n e f i t o f t h e mi ff i n g u n i t ， a n d s o t h e s c i e n t i fi c rai n i n g me t h o d i s v e r y i mp o r t a n t u n d o u b t e d l y ， Th e o b j e c t i v e o r i e n t e d p r o f e s s i o n a l s y s t e m o f mi n i n g s e l e c t i n g me t h o d i s u s i n g s y s t e ma t i c t l y t h e me t h o d o f i n t e l l i g e n t s c i e n c e a n d f u z z y ma t h e ma t i c s t o s e t e c t t h e mi n i n g me t h o d a n d p r o mo t e s t h e s c i e n c e s e l e c t i n g o f mi n i n g me t h o d t o a n e w h 哟 h t ． M i n i n g me t ho d s e l e c t i n g， p r o f e s s i o n a l s y s t e m ， Re s p o n s i b i l i t y ． 35 维普资讯