（计算机科学与技术专业论文）地质专家系统知识获取技术研究.pdf

摘要 由知识库及推理机组成的专家系统( e x p e r ts y s t e m ) 是人工智能应用研究 最活跃和最广泛的课题之一。知识库又是组成知识性专家系统的核心部分之一， 建造知识完备、逻辑清晰和独立性强的知识库可以显著提高整个专家系统的性能， 增强其实用性。 知识获取技术所涉及到大型多专家协作系统、多种知识表示、面向对象综合 知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、 人工神经网络知识获取及学习机制等知识体系。知识获取技术的关键是保持知识 库的一致性、独立性和完整性。其中面向对象综合知识库、人工神经网络知识获 取及学习机制等技术已经成为当前专家系统获取技术的主流。 本文以研究地质专家系统为基础，研究和设计了基于分布式专家系统工具的 知识表示体系和知识获取技术的系统，同时较系统地阐述了相关知识获取技术的 理论基础和实现方法。 关键词：专家系统；知识获取；d e s t 分类号：t p l 8 2 ：u 4 5 a b s t r a c t e x p e r ts y s t e m ，w h i c hi sc o m p o s e db yk n o w l e d g eb a s ea n di n f e r e n c ee n g i n e ，i so l l eo f t h em o s ta c t i v ea n dt h em o s tw i d e - r a n g i n gt o p i c si nt h ef i e l do fa r t i f i c i a li n t e l l i g e n c e a p p l i c a t i o ns t u d y k n o w l e d g eb a s ei s o n eo fc o r e si nt h ek n o w l e d g e b a s e de x p e r t s y s t e m ak n o w l e d g eb a s ew h i c hh a sc o m p l e t ek n o w l e d g e ，c l e a rl o g i ca n ds t r o n g i n d e p e n d e n c ec a ns i g n i f i c a n t l yi m p r o v et h ep e r f o r m a n c eo ft h ee x p e r ts y s t e m , a n d e n h a n c ei t sp r a c t i c a l i t y k n o w l e d g ea c q u i s i t i o nt e c h n o l o g yr e l a t e dt om a n yk i n d so fk n o w l e d g es y s t e m s , s u c h 雒al a r g em u l t i e x p e r tc o o r d i n a t e s y s t e m , aw i d er a n g eo fk n o w l e d g e r e p r e s e n t a t i o n ,o b j e c t - o r i e n t e di n t e g r a t e dk n o w l e d g eb a s e ， s e l f - o r g a n i z e d p r o b l e m s o l v i n gm e c h a n i s m , m u l t i d i s c i p l i n a r y c o l l a b o r a t i v ep r o b l e m - s o l v i n ga n d p a r a l l e lr e a s o n i n g , e x p e r ts y s t e mt o o l sa n dt h ee n v i r o n m e n t , a r t i f i c i a ln e u r a ln e t w o r k m e c h a n i s mf o rk n o w l e d g ea c q u i s i t i o na n dl e a r n i n g t h ek e yo fk n o w l e d g ea c q u i s i t i o n t e c h n i q u e si st om a i n t a i nc o n s i s t e n c y , i n d e p e n d e n c ea n di m e g r i t yo fk n o w l e d g eb a s e i n t e g r a t e do b j e c t - o r i e n t e dk n o w l e d g eb a s e ，a r t i f i c i a ln e u r a ln e t w o r km e c h a n i s mf o r k n o w l e d g ea c q u i s i t i o n a n d l e a r n i n gt e c h n o l o g i e s h a v eb e c o m et h em a i n s t r e a m t e c h n o l o g yo f k n o w l e d g ea c q u i s i t i o no fe x p e r ts y s t e m i nt h i s p a p e r , b a s e do nt h eg e o l o g i c a le x p e r ts y s t e ms t u d y , t h ek n o w l e d g e r e p r e s e n t a t i o ns y s t e ma n dk n o w l e d g ea c q u i s i t i o nt e c h n o l o g i e s ，b a s e do nd i s t r i b u t e d d e s i g nt o o l s ，i ss t u d i e da n dd e s i g n e d a tt h es a n l et i m e ，t h er e l a t e dt h e o r e t i c a lb a s i sa n d m e t h o do f e x p e r ts y s t e mk n o w l e d g ea c q u i s i t i o nt e c h n o l o g y i s s y s t e m a t i c a l l y e x p o u n d e d k e y w o r d s ：e x p e r ts y s t e m ；k n o w l e d g ea c q u i s i t i o n ；d e s t c l a s s n o ：t p l 8 2 ：u 4 5 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名：签字日期：年月 日 6 1 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：豸渤 导师签名： 签字日期：) 吵年6 月细日签字日期：仙多年石月，f 日 致谢 本论文的工作是在我的导师田盛丰教授的悉心指导下完成的，田盛丰教授严 谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢二年来 田盛丰教授对我的关心和指导。 田盛丰教授悉心指导我们完成了实验室的科研工作，对我的科研工作和论文 都提出了许多的宝贵意见，在学习上和生活上都给予了我很大的关心和帮助，在 此再次向田盛丰教授表示衷心的谢意。 在实验室工作及撰写论文期间，尹传环师兄对我的科研工作和论文提出了许 多建设性意见和大量的帮助，夏燕妮、崔文等同学对我论文中的研究工作给予了 热情帮助，在此向他们表达我的诚挚的感激之情。 另外也感谢父母、兄长和朋友，他们的理解和支持使我能够在学校专心完成 我的学业。 第一章引言 1 1 课题来源与相关意义 知识库是组成知识性专家系统的核心部分，而知识获取技术的关键是保持知 识库的一致性和完整性。一致性则是衡量一个系统性能优劣的重要因素之一，而 完整性则可能影响到最终结论。在系统创建初期，知识库规模较小，内容也比较 简单，用人工方法就可以维护，从而保证了规则的一致性和完整性。但随着时间 的推移，人们对知识库在最初设计阶段的种种考虑逐渐淡薄，同时知识库中的规 则越来越多，内容越来越复杂，规模也越来越大，知识库中各知识单元之间的相 互影响和相互联系也随之变得复杂，难以跟踪和捉摸。在这种情况下，知识库的 一致性和完整性检查就显得尤为重要。同时，为了能对知识库中的规则自由地增 加、删除、修改、查询和得到真实正确的结论，就必须对规则库进行的一致性、 完整性等检查【l 】。 目前，知识获取技术所涉及到大型多专家协作系统、多种知识表示、面向对 象综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与 环境、人工神经网络知识获取及学习机制等知识体系。其中面向对象综合知识库、 人工神经网络知识获取及学习机制等技术已经成为当前专家系统获取技术的主流 【2 1 。神经网络所具有的自学习能力使得传统专家系统技术应用最为困难的知识获取 工作转换为网络的变结构调节过程【3 】，从而大大方便了知识库中知识的记忆和提 取。在这种系统中，推理机利用数据库中的数据( 事实) 和知识库中的知识进行 推理，从而实现问题的求解。在面向对象的知识库系统方案的系统中，推理机不 再作为一个单独的模块出现，而是作为方法定义在知识库中，问题的求解由控制 器根据定义在知识库中的过程性知识来控制。整个求解过程就是消息在各对象之 间传递的过程，即对象之间相互联系的唯一方式是消息传递( 过程调用) 。由于对 象的封装性，各种类型的求解操作不会互相干扰【4 1 。 地质施工中的地质灾害问题常常是影响施工的关键问题，并且一旦出现灾害 就会造成的严重破坏和人员的重大伤亡，在通过对地质旌工资料、工程地质特征 及施工中遇见的地质灾害的分析后，得出塌方、突水、岩爆、瓦斯突出等问题是 常见的地质旌工灾害问题。尽管现在能做出超前预报和鉴别不良地质，也能采用 得当的施工支护，目前的技术状况还是完全避免这类事故的发生。但是为了有效 地避免这类问题，特别是在某些紧急情况下做出及时准确的应急响应措施，建造 一个智能化的专家系统是十分必要和需要的。专家系统作为人工智能最活跃的一 个分支，能准确表达、存储和处理领域专家的知识和经验。进而模拟人类专家求 解领域问题，从而克服了生产现场专家的不足，有效地提高了预测精度。 1 2 地质专家系统建造背景和发展概况 近几年来，随着国民经济的飞速发展，我国在公路、铁路、城市交通、跨海 越江通道工程、水利水电工程等方面发展迅速。 据交通部统计数据，截至2 0 0 6 年底，国家高速公路网已建成4 1 万公里，居 世界第二。年均建设速度为4 0 0 0 公里。随着我国经济持续快速发展，城市轨道交 通方面的投资到了一个稳定增长的时期。与此同时，水下隧道工程的建设也得到 蓬勃发展。这些新线的建设毋庸置疑会带来大规模隧道工程的启动。据不完全统 计，未来二十年，我国在铁路公路、城市交通、水利水电、矿山采掘等领域的地 下工程建设将超过6 0 0 0 k m 。作为一种重要的地质工程类型，隧道隧洞工程在我国 基础设施建设和能源资源开发中占据了越来越重要的地位。然而，作为隐蔽工程 的隧道工程，在施工过程中，由于前方地质情况不明，经常会因遇到断层、破碎 带、暗河、高地应力等不良地质体而导致塌方、泥石流、涌水、突水、岩爆冒项 等地质灾害发生。在高山峡谷、大埋深、洞线长等复杂地质条件地区更是如此。 如，在渝怀铁路头号控制工程的圆梁山隧道工程中，在未明了工作面前方高压岩 溶地下水的条件下，施工单位盲目钻进，导致突水突泥事故，致使9 人丧命的工 程事故。2 0 0 5 年1 2 月，四川都汶高速公路董家山隧道施工中，因对工作面围岩地 质条件没有足够的认识，施工中导致瓦斯大量涌入隧道，结果衬砌台车三芯插头 因短路产生的电火花引起爆炸，造成4 4 人死亡，1 1 人受伤的特大型工程事故。这 些灾害的出现，都是由于施工过程中对工作面前方不良地质条件没有及时的了解 并采取相应有力的施工对策而造成的，其直接的后果是造成施工人员的伤亡和机 械设备的损毁。导致长时间停机停工，延误工期，严重影响工程的经济和社会效 益。给国家和人民带来严重的经济损失【5 】【6 1 。 2 这一个个工程事故无不警示我们：隧道施工必须对工作面围岩地质条件有 充分的了解并快速反应，及时采取有效措施，将工程事故消灭于萌芽之中。但是， 作为设计基础的工程勘查，其精度远无法满足施工阶段对地质情况的要求，于是， 作为补充手段的超前地质预报和能够快速提供专家对策的专家系统则显得意义尤 为重大。 由于在隧道隧洞的施工过程中，对超前地质预报工作重视不够，或者地质预 报工作的质量不高，或者预报后对可能的灾害性质、程度估计不足，或者在施工 中没有采取有效的工程措施，致使在近年的隧道隧洞施工中，各种事故频繁发生。 因此，有隧道就要有超前地质预报，这是目前地下工程发展的必然趋势。所以发 展具有高可靠性基于面向对象的事实和启发型知识库势在必行。 1 3 研究目标和研究内容 1 3 1 研究目标 隧道施工地质灾害的预测预报、地质灾害的评价和工程措施的选择等是经验 性极强的工作，需要的全面的地质知识、准确的探测设备和丰富的隧道隧洞施工 经验。而现场技术人员或者限于能力，或者限于精力，很难在这样复杂的条件下 做出正确的判断和决策。而先进、完善的专家系统则可以在短时间内，利用领域 专家经验，对所面临的环境条件的数据进行加工、处理，推理、判断，从而做出 正确的选择。指导施工，避免风险，提高工程的经济效益。中国隧道事业的发展 为本课题的开发提供了广阔的发展空间。 总之，在目前条件下开发灾害地质预测预报和施工对策专家系统，在形势上 有其必要性，在技术上有其可行性，并会产生极大的经济效益、具有广阔的市场 前景【2 l 。 1 3 2 研究内容 结合我国隧道施工事业的技术指标、环境、施工过程及故障案例，协同合作 建立起一个高可靠性的、基于面向对象的事实和启发型知识库的机理分析模型和 问题求解框架； 按照面向对象的知识表示方法和分类决策学习方法等，基于实际地质施工灾 害预报知识以及现场领域专家的经验知识，建立起相应的地质灾害超前预报知识 析取模型及相关专家系统知识库； 结合分布式专家系统工具对知识表示的定义以及实际地质灾害超前预报专家 系统知识库的需求，建立起一个高性能、高精度和具有快速检错功能的知识检查 体系，这个也是本系统的核心内容； 按照面向对象的软件结构化设计方法，采用高级语言开发平台v i s u a lc 卜6 0 进行软件开发，并基于规范化、标准化和实用化等要求协同实现地质灾害超前预 报专家系统应用软件的研制开发，这个是本系统的重点内容。 4 第二章专家系统及知识获取技术的概述 2 1 专家系统相关概念 专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工 智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突 破。2 0 世纪6 0 年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程 序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问 题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大 的搜索空间也难于处理。 自1 9 6 8 年研制成功了第一个专家系统d e n d r a l 以来，专家系统( e x p e r t s y s t e m ) 技术发展非常迅速，已经应用到数学、物理、化学、医学、地质、气象、 农业、法律、教育、交通运输、机械、艺术以及计算机科学本身，甚至渗透到政 治、经济、军事等重大决策部门，产生了巨大的社会发展和经济效益，成为人工 智能的重要分支1 7 j 。 2 1 1 专家系统的产生和发展 1 9 6 8 年，斯坦福大学费根鲍姆( e a f o g e n b a u m ) 等人在总结通用问题求解 系统的基础上，结合化学领域的专门知识，研制成功第一个专家系统一一 d e n d r a l 。与此同时，费根鲍姆( e a f e i g e n b a u m ) 在总结前人的经验和实践后， 给出了专家系统的定义：“专家系统是一种智能的计算机程序，它运用知识和推理 来解决只有专家才能解决的复杂问题。 也就是说，专家系统是一种模拟专家决策 能力的计算机系统。此后，各种不同功能、不同类型的专家系统如雨后春笋般相 继建立起来。m y c s y m a 系统是式由麻省理工学院( m i t ) 于1 9 7 1 年开发成功并 投入应用的专家系统，它能够解决各种数学问题，包括微积分运算、微分方程求 解等。m y c s y m a 系统用l i s p 语言实现对特定领域的数学问题进行有效处理。 d e n d r a l 和m y c s y m a 系统是专家系统的第一阶段。这个时期专家系统的特点 是高度的专业化，专门问题求解能力强，但结构、功能不完整，移植性差，最大 的缺点是缺乏解释功划7 】【8 】。 4 0 多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到 几乎各个领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过 5 同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益【9 】。 2 0 世纪7 0 年代中期，专家系统进入了第二阶段技术成熟期，出现了一批 成功的专家系统。具有代表性的专家系统是m y c i n 、p r o s p e c t o r 、a m 、c a s n e t 等系统。m y c i n 系统是美国斯坦福大学研制的用于细菌感染型疾病的诊断和治疗 的专家系统，能成功地对细菌性疾病做出专家水平的诊断和治疗。它是第一个结 构较完整、功能较全面的专家系统。第一次使用了知识库的概念，引入了可信度 的方法进行不精确推理，能够给出推理过程的解释，且有人机交互功能。m y c i n 系统对形成专家系统的基本概念、基本结构起了很重要的作用。p r o s p e c t o r 系 统是由美国斯坦福研究所开发的一个探矿专家系统【引。它首次实地分析某山区一带 的地质资料，发现了一个钼矿，成为了第一个取得显著经济效益的专家系统。 c a s n e t 是一个与m y c i n 几乎同时开发的专家系统，由拉特格尔( r u t g e t ) 大学 开发，用于青光眼诊断与治疗。a m 系统是由斯坦福大学与1 9 8 1 年研制成功的专 家系统。它能模拟人类进行概括、抽象和归纳推理，发现某些数论的概念和定理。 第二阶段的专家系统的特点是： ( 1 ) 单学科专业型专家系统； ( 2 ) 系统结构完整，功能较全面，移植性好； ( 3 ) 具有推理解释功能，透明性好； ( 4 ) 采用启发式推理，不精确推理； ( 5 ) 用产生式规则、框架、语义网络表达知识； ( 6 ) 用限定性语言进行入一机交互。 2 0 世纪8 0 年代以来，专家系统的研制和开发明显地趋向于商业化，直接服务 于生产企业，产生了明显的经济效益。例如d e c 公司于卡内基一梅隆大学合作开 发了专家系统x c o n ，用于为v a x 计算机系统制定硬件配置方案，节约资金近1 亿美元。另一个重要发展是出现专家系统开发工具，从而简化了专家系统构造。 如骨架系统e m y c i n 、k a s 、e x p e r t ，通用知识工程语言o p s 5 、r l l ，模块式 专家系统工具a g e 等【。丌。 专家系统的发展已经历了三个阶段，正向第四代过渡和发展。第三代专家系 统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和 多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统 开发工具和环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和 实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识 库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工 神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体 的第四代专家系统【1 0 】。 6 2 1 2 专家系统的特点 王万良在人工智能及其应用书中提n - 专家系统具有以下特点： ( 1 ) 具有专家水平的专业知识。专家系统中的知识按其在问题求解中的作用 可分为三个层次，即数据级、知识库级和控制级。数据级知识是指具体问题所提 供的初始事实及在问题求解过程中所产生的中间结论、最终结论。数据级知识通 常存放于数据库中。知识库知识是指专家的知识。这一类知识是构成专家系统的 基础。控制级知识也称为元知识，是关于如何运用前两种知识的知识，如在问题 求解中的搜索策略、推理方法等。具有专家专业水平是专家系统的最大特点。专 家系统具有的知识越丰富，质量越高，解决问题的能力就越强。 ( 2 ) 能进行有效的推理。专家系统能利用专家知识来求解领域内的具体问题， 必须有一个推理结构，能根据用户提供的已知事实，通过运用知识库中的知识， 进行有效的推理，以实现问题的求解。专家系统的核心是知识库和推理机。专家 系统不仅能根据确定性知识进行推理，而且能根据不确定的知识进行推理。领域 专家解决问题的方法大多是经验性的，表示出来往往是不精确地，仅以一定的可 能性存在。此外，要解决的问题本身所提供的信息往往是不确定的。专家系统的 特点之一就是能综合利用这些模糊的信息和知识进行推理，得出结论。 ( 3 ) 具有启发性。专家系统除能利用大量的专业知识以外，还必须利用经验 的判断知识来对求解的问题做出多个假设。依据某些条件选定一个假设，使推理 继续进行。 ( 4 ) 具有灵活性。专家系统的知识库与推理机即相互联系、又相互独立。相 互联系保证了推理机利用知识库中的知识进行推理以实现对问题的求解；相互独 立保证了当知识库作适当修改和更新时，只要推理方式没变，推理机部分可以不 变，使系统易于扩充，具有较大的灵活性。 ( 5 ) 具有透明性。专家系统一般都有解释结构，具有较好的透明性。在使用 专家系统求解问题时，不仅希望得到正确的答案，而且还希望知道得到该答案的 依据。解释机构可以向用户解释推理过程，回答用户“为什么( w h y ) 、“结论是 如何得出的( h o w ) 等问题。 ( 6 ) 具有交互性。专家系统一般都是交互式系统，具有较好的人机界面。一 方面它需要与领域专家和知识工程师进行对话以获取知识。另一方面它也需要不 断地从用户处获得所需的已知事实并回答用户的询问。 专家系统本身是一个程序，但它与传统的程序不同，主要体现在以下几个方 面： 7 ( 1 ) 从编程思想来看，传统程序是依据某个确定的算法和数据结构来求解某 个确定的问题，而专家系统求解的问题通常没有算法而是依据知识和推理来求解， 即 传统程序= 数据结构+ 算法 专家系统= 知识+ 推理 这是专家系统与传统程序最大的区别。 ( 2 ) 传统程序把关于问题求解的知识隐含于程序中，而专家系统则将知识与 运用知识的过程即推理机分离。这种分离使专家系统具有更大的灵活性，使系统 便于修改。 ( 3 ) 从处理对象来看，传统程序主要是面向数值计算和数据处理。而专家系 统则面向符号处理。传统程序处理的数据是精确地的，对程序的检索是基于模式 的布尔匹配，而专家系统处理的数据和知识大多是不精确的、模糊的，知识的模 式匹配也多是不精确的。 ( 4 ) 传统程序一般不具有解释功能，而专家系统一般具有解释机构 ( e x p l a n a t i o nf a c i l i t y ) ，解释自己的行为。因为专家系统依赖于推理，它必须能够 解释这一过程。 ( 5 ) 传统程序根据算法求解问题，每次都能产生正确的答案，而专家系统则 像人类专家那样工作，一般能产生正确的答案，但有时也会产生错误的答案，这 也是专家系统存在的问题之一。但专家系统有能力从错误中吸取教训，改进对某 一问题的求解能力。 ( 6 ) 从系统的体系结构来看，传统程序与专家系统具有不同的结构。专家系 统的一般结构如图2 1 所示川。 用户领域专家知识工程师 图2 - 1 专家系统的一般结构 f i g u r e2 - 1g e n e r a l c t i l 北o fe x p e r ts y s t e m 8 知识库= 统核心 2 1 3 专家系统的类型 按照专家系统的特性及功能分类，专家系统可以分为1 0 类，如表2 1 所示。 表2 1 专家系统类型 专家系统类型解决的问题 解释 根据感知数据推理情况描述 诊断 根据观察结果推理系统是否有保障 预测 指导给定情况可能产生的后果 设计根据给定的要求进行相应的设计 规划设计动作 控制控制整个系统的行为 监督比较观察结果和期望结果 修理执行计划来实现规定的补救措施 教学诊断、调整、修改学生行为 调试建议故障的不久措施 1 解释性专家系统 解释型专家系统能根据感知数据，经过分析、推理，从而给出相应的解释。 如化学结构、图像分析、语言理解、信号解释、地质解释、医疗解释等专家系统。 代表性的解释性专家系统由d e n d r a l ，p r o s p e c t o r 等。 2 诊断型专家系统能根据取得的现象、数据或事实推断出系统是否有故障， 并能找出产生故障的原因，给出排除故障的方案。这是目前开发、应用得最多的 一类专家系统。如医疗诊断、机械故障诊断、计算机故障诊断等专家系统。代表 性的诊断专家系统有m y c i n ，c a s n e t ，p u f f0 1 , 功能诊断系统) ，p i p ( 肾脏病 诊断系统) ，d a r t ( 计算机硬件故障诊断系统) 等【l 。 3 预测性专家系统 预测性专家系统能根据过去和现在的信息( 数据和经验) 推断可能发生和出 现的情况。例如用于天气预报、地震预报、市场预测、人口预测、灾害预测等领 域的专家系统【1 2 】。 4 设计型专家系统 设计型专家系统能根据给定要求进行相应的设计。例如用于工程设计、电路 设计、建筑及装修设计、服装设计、机械设计及图案设计的专家系统。对这类系 统一般要求在给定的限制条件下能给出最佳的或较佳的设计方案。代表性的设计 型专家系统由x c o n ( 计算机系统配置系统) ，k b v l s i ( v l s l 电路设计专家系统) 9 等【1 3 】。 5 规划型专家系统 规划型专家系统能按给定目标拟定总体规划、行动计划、运筹优化等，适用 于机器人动作控制、工程规划、军事规划、城市规划、生产规划等。这类系统一 般要求在一定的约束条件下能以较小的代价达到给定的目标。代表性的规划型专 家系统由n q 忸( 机器人规划系统) ，s e c s ( 制定有机合成规划的专家系统) ，t a t r ( 帮助空军制定攻击地方机场计划的专家系统) 等。 6 控制型专家系统 控制型专家系统能根据具体情况，控制整个系统的行为，适用于对各种大型 设备及系统进行控制。为了实现对控制对象的实时控制，控制型专家系统必须具 有能直接接收来自控制对象的信息，并能迅速地进行处理，及时地做出判断和采 取相应行动的能力。所以控制型专家系统实际上专家系统技术与实时控制技术相 结合的产物。代表性的控制型专家系统由y e s m v s ( 帮助监控和控制m v s 操作 系统的专家系统) 等。 7 监督型专家系统 监督型专家系统能完成实时的监控任务，并根据检测到的现象做出相应的分 析和处理。这类系统必须能随时收集任何有意义的信息，并能快速地对得到的信 号进行鉴别、分析和处理。一旦发生异常，能尽快做出反应，如发出报警信号等。 代表性的监督型专家系统由i 也a a r o r ( 帮助操作人员检测和处理核反应堆事故的 专系统) 等。 8 修理型专家系统 修理型专家系统是用于指定排除某类故障的规划并实施排除的一类专家系 统，要求能根据故障的特点制订纠错方案，并能实施该方案排除故障；当制订的 方案失效或部分失效时，能及时采取相应的补救措施。 9 教学型专家系统 教学型专家系统主要适用于辅助教学，并能根据学生在学习过程中产生的问 题进行分析、评价、找出错误原因，由针对性地确定教学内容或采取其他有效的 教学手段。代表性的教学型专家系统由g u i d o n ( 讲授有关细菌传染性疾病方面 的医学知识的计算机辅助教学系统) 。 l o 调试型专家系统 调试型专家系统用于对系统进行调试，能根据相应的标准检测被检测对象存 在的错误，并能从多种纠错方案中选出适用于当前情况的最佳方案，排除错误【1 0 1 。 表2 1 是根据专家系统特性及功能对专家系统进行分类的。这种分类往往不是 很确切，因为许多专家系统不止一种功能。还可以从另外的角度对专家系统进行 1 0 分类。例如，可以根据专家系统的应用领域进行分类。当前专家系统主要的应用 领域有：医学、计算机系统、电子学、工程、地质学、军事科学、过程控制等【刀。 2 2 知识获取技术 2 2 1 知识获取的概念 知识获取是一个从专家或其他专门知识来源汲取知识并向知识型专家系统转 移的过程或技术。 知识获取和知识型系统建立是交叉进行的。知识型系统初建时，一般只获取 最必需的知识，以后随着系统的调试和运行而逐步积累新的知识。对知识库进行 扩充和更新时，需要检查新老知识的相容性，以维持知识库的整体性，同时还需 要对新补充的知识进行分类存储，以便快捷、准确地调用。知识获取是构筑知识 型专家系统的一个重大课题，目前国际国内的研究尚不够充分，所以其仍然是高 性能知识性专家系统的一个瓶颈问题。2 0 世纪6 0 年代以前，大部分人工智能程序 所需的知识都是由专业程序员手工编写输入程序的。当时较少直接面向应用系统， 知识获取问题还未受充分重视。随着专家系统和其他知识型系统的兴起，领域内 的研究人员认识到必须对落后的知识获取方式进行改革，让用户在知识工程师或 智能程序( 知识获取程序) 帮助下，在系统的运行过程中直接、逐步建立所需的 知识库。 以下是几种计算机直接获取知识的基本途径： 借助于知识工程师从专家获取： 借助于智能编辑程序从专家获取： 借助于归纳程序从大量数据中归纳出所需知识： 借助于文本理解程序从教科书或科技资料中提炼出所需知识【1 4 1 。 2 2 2 知识获取的过程 正如王万良在人工智能机器应用这本书提到：知识获取主要是把用于问 题求解的专门知识从某些知识源中提炼出来，并转化为计算机内表示存入知识库。 知识源包括专家、书本、相关知识库、实例研究和个人经验等，然而当今专家系 统的知识源主要是领域专家，所以知识获取过程需要知识工程师与领域专家反复 交流、共同合作完成，如图2 2 所示。 数据 问题 提问 知识 概念 解答 形式化 结构知识 图2 2 知识获取过程 f i g u r e2 - 2k n o w l e d g ea c q u i s i t i o np r o c e s s 知识获取的基本任务是为专家系统获取知识，建立起健全、完善、有效的知 识库，以满足求解领域问题的需要。因此，它需要做以下几项工作： 1 抽取知识 所谓抽取知识是把蕴含于知识源中的知识经过识别、理解、筛选、归纳等抽 取出来，以便用于建立知识库。 领域专家及相关的专业技术文献是知识的主要来源，但知识并不都是以某种 现成的形式存在于这些知识源中供选择的，为了得到系统所需的知识需要做大量 的工作。领域专家虽然可以处理领域内的各种困难问题，但往往缺少总结，不一 定能有条理地说出处理问题的道理和原则：领域专家可以有大量处理过的实例的 经验，但不一定能建立起相互之间的联系，有时候甚至是靠直觉或灵感解决问题。 大多数情况下，领域专家并不熟悉专家系统的有关技术。这些都为知识的获取带 来了困难。为了从领域专家处获得有用的知识，需反复与专家交谈，然后通过分 析、综合、去粗取精，归纳出可供建立知识库的知识。 知识的另外一个来源是系统自身的运行实践。这就需要从实践中进行自我学 习，总结出新的知识。一般来说，一个系统初步建立后，通过运行会发现知识不 够健全，需要补充新的知识。此时除了需要领域专家提供进一步的知识外，还可 由系统根据运行经验从已有的知识或实例中演绎、归纳出新的知识，补充到知识 库中去。这时系统就具有自我学习的能力。 2 知识的转换 所谓知识的转换是指把知识由一种形式变换成另一种表示形式。 人类专家或科技文献中的知识通常是用自然语言、图形、表格等形式表示的， 而知识库中的知识是用计算机能识别、运用的形式表示的。两者有较大的差距， 所以必须将专家抽取的知识转换成适合知识库存放的知识。只是转换一般分两步 进行： 第一步，把从专家及文献资料处抽取的知识转换为某种知识表示模式，如产 生式规则、框架等； 第二步，把该模式表示的知识转换为系统可直接利用的内部形式。 1 2 前一步通常由知识工程师完成，后一步一般通过输入及编译实现。 3 知识的输入 把某种模式表示的知识经编辑、编译送入知识库的过程称为知识的输入。 目前，知识的输入一般是通过两种途径实现的：一种是利用计算机系统提供 的编译软件；另一种是用专门的知识编辑系统，称为知识编辑器。 4 知识的检测 知识库的建立是通过知识抽取、转换、输入等环节实现的。这一过程中的任 何环节上的失误都会造成知识的错误，直接影响到专家系统的性能。因此必须对 知识进行检测，以便尽早发现并纠正可能存在的不一致性、不完整的问题，并采 取相应的修正措施。 2 2 3 知识获取的模式 王万良在人工智能机器应用中提到：按知识获取的自动化程度划分，知 识获取主要有非自动、自动和半自动三种获取模式。 1 非自动知识获取( 人工移植) 非自动知识获取也称为人工移植。在这种方式中，知识获取分两步进行，首 先由知识工程师从领域专家或有关的技术那里获取知识，然后再由知识工程师用 某种知识编辑软件输入到知识库中。其工作方式如图2 3 所示。 图2 - 3 非自动化知识获取 f i g u r e 2 3n o n - a u t o m a t e dk n o w l e d g ea c q u i s i t i o n 非自动方式是专家系统建造中用得较为普遍的一种知识获取模式。在非自动 获取模式中，知识工程师起着关键的作用。其主要任务是： ( 1 ) 与领域专家进行交谈，阅读有关的文献，获取建造专家系统所需要的原 始知识； ( 2 ) 对已获得的原始知识进行分析、归纳、整理，形成用自然语言描述的知 识条款，然后返回领域专家进行检查； ( 3 ) 把已经确定的知识条款用知识表示方法表示出来，用知识编译器进行编 译输入。 知识编译器是一种用于知识输入的软件，通常是在建造专家系统时根据实际 1 3 需要编制的。一般来说，知识编译器应具有如下主要功能： 把用某种模式或语言表示的知识转换成计算机可表示的内部形式并输入到 知识库中； 检测输入知识库中的知识的语法错误； 检测知识的一致性，报告产生错误的原因，以便进行改正。 2 自动知识获取 所谓自动知识获取是指系统具有获取知识的能力。它不仅可以直接与领域专 家对话，从专家提供的原始信息中学习到专家系统所需的知识，而且还能从系统 自身的运行实践中总结、规划出新的知识，发现知识中可能存在的错误，不断自 我完善，建立起优良、知识完善的知识库。为达到这一目的，它至少应具备以下 能力： ( 1 ) 具有识别语言、文字、图像的能力。专家系统中知识主要来源于领域专 家以及有关的科技文献资料、图像等。为了实现知识的自动获取，就必须使系统 能与领域专家直接对话，能阅读有关的科技资料。这就要求系统应具有识别语言、 文字和图像的能力。只有这样，它才能直接获得专家系统所需的原始知识，为知 识库的建立奠定基础。 ( 2 ) 具有理解、分析、归纳的能力。领域专家提供的知识通常是处理具体问 题的实例，不能直接用于知识库。为了将它变成知识库中的知识，必须在理解的 基础上进行分析、归纳、提炼、综合，从中抽取出专家系统的所需的知识并放入 到知识库中。在非自动知识获取中，这一工作是由知识工程师完成的，而在自动 知识获取中，是由系统取代知识工程师完成的。 ( 3 ) 具有从运行实践中学习的能力。在知识库初步建成投入使用后，随着应 用向纵深发展，知识库的不完善就会逐渐暴露出来。此时知识的自动获取系统应 不断地总结经验教训，从运行实践中学习，产生新的知识，纠正可能存在的错误， 不断进行知识库的自我完善。 总之，在自动知识获取系统中，原来需要知识工程师做的都由系统取代了， 并且还要做更好的工作。自动获取知识的过程如图2 _ 4 所示。 文字、图像 领域专家 图2 - 4 自动知识获取 f i g u r e 2 - 4a u t o m a t i ck n o w l e d g ea c q u i s i t i o n 1 4 一 解纳译 一 理归翻 3 半自动知识的获取 自动知识获取是一种理想的知识获取方式，涉及到人工智能的各个领域，尚 处在研究阶段，例如模式识别、自然语言理解、机器学习等，对硬件亦有较高的 要求。这几年在自然语言理解、机器学习方面的研究已取得了较大的紧张，在人 工神经网络的研究中已提到了多种学习算法。这些都为知识的获取提供了有利条 件。因此，在建造知识获取系统时，应充分利用这些成果，逐渐向知识的自动获 取过渡，提高其智能程度。事实上，在近些年建造的专家系统中，不同程度地做 了这方面的尝试与探讨。在非自动知识获取的基础上增加了部分学习功能，使系 统能从大量实例中归纳出某些知识。由于这样的系统不同于纯粹的非自动知识获 取，但又没有达到完全自动知识获取的程度，因而称之为半自动知识获取1 7 】。 1 5 第三章地质专家系统知识获取分析模型与方法 3 1 分布式专家系统结构 正如田盛丰、黄厚宽在 人工智能与知识工程这本书中提到：对于复杂的 问题求解，构造一个具有多种知识表示形式、多种问题求解机制的大型的、统一 的智能系统是非常困难的，而由多个程序或多台微机合作进行求解，无疑是一个 高效的解决办法。分布式专家系统工具( d e s t ) 系统作为一种开发工具，为用户 提供了以下机制： 一种通信语言，用于各程序之间的通信。 三个基本的程序，分别完成主控、推理和对话功能。由用户构造推理程序的 知识库，完成一个专家系统的功能。 利用以上机制，用户可以完全不用程序设计，仅通过建造知识库就可以构造 一个专家系统，也可以自行开发一个复杂的分布式系统。 系统提供的三个程序用于完成基本的问题求解任务。主控程序启动推理程序 的工作，并易于由用户自行开发的程序实现，从而将d e s t 系统嵌入到用户的复 杂程序中去。推理程序由推理机和知识库组成，完成推理、解释等动能。对话程 序则为推理程序提供人机接口。 解决程序之间通信问题的一个途径就是建立一个标准的通信语言。d e s t 系统 中各程序之间的通信通过文件的传递完成。文件命名的方法是：文件名为接收文 件的程序的代号，扩展名为发送文件的程序的编号。例如，三个基本程序的代号 与编号如表3 1 所示，则主控程序发送给推理程序的文件名为t i m 0 0 1 。 表3 1 三个基本程序的代号与编号 t a b l e 3 1t h r e eb a s i cp r o c e d u r ec o d ea n dn u m b e r 程序代号编号 主控程序 m g 0 0 1 推理程序 d m0 0 2 对话程序 q t 0 0 3 文件格式如下： f r o m ： m e s s a g e ： c o n t e n t ： 1 6 c o n t e n t ： e n d ： 典型的消息如表3 2 所示，共有三种类型： ( 1 ) 提出询问并等待回答。 ( 2 ) 开始或结束一个过程。 ( 3 ) 提供信息。 例如，如果主控程序想要向推理程序发出“开始推理 的消息，则建立文件 ”d m 0 0 1 ”，其内容为： f r o m ：m g m e s s a g e ：0 0 1 c o n t e n t ：r e a s o n e n d ： 如果推理程序想要询问用户一个关于某对象的某个属性的问题，则向对话程 序发出文件“q t 0 0 2 一，其中的消息通常包括“q u e s t i o n 一、“w h y 一、“d e f a u l t 一、“p r o m p t 、 和“m e d i a 一等，而对话程序返回的信息通常包括该属性的值及其确信度【】。 1 7 表3 - 2 典型的消息 t a b l e 3 1t y p i c a lm e s s a g e 消息名内容 q u e s t i o n 所询问属性的特征，包括名称、取值类型、显示语句和期望值 w h y 询问此问题的理由，通常是有关的规则 d e f a u l t 所询问属性的默认值 p r o m p t 关于问题的描述 m e d i a 所询问属性的多媒体信息，包括媒体类型、标题、文件名和播 放方法 t e x t 显示的文本 r e a s 0 n 开始推理 n e x t 开始下一个知识库的推理 d k b 开始知识库d k b * 的推理，其中为数字 d e b u g 开始跟踪推理路径 r e s u l t显示推理结果 c o n t i n u e 继续 a n s w