李翔

摘 要：熱帶風(fēng)暴潮是中國沿海一帶最常見、也最嚴(yán)重的海上災(zāi)難。在熱帶風(fēng)暴潮防災(zāi)減災(zāi)、應(yīng)急救援管理方面存在困難，也是當(dāng)前急需解決的問題。在人工智能理論的基礎(chǔ)上，同時采用最好的生產(chǎn)技術(shù)，應(yīng)用以信譽(yù)為基礎(chǔ)的向前推理策略和數(shù)據(jù)挖掘智能學(xué)習(xí)法，對知識庫和推理機(jī)進(jìn)行研究，從而設(shè)計了一種具有實(shí)際操作性的熱帶風(fēng)暴防災(zāi)減災(zāi)人工智能技術(shù)。

關(guān)鍵詞：熱帶風(fēng)暴潮；防災(zāi)減災(zāi)；應(yīng)急管理；輔助決策系統(tǒng)

中圖分類號：TB 文獻(xiàn)標(biāo)識碼：A doi：10.19311/j.cnki.1672-3198.2018.36.102

1 引言

人工智能是20世紀(jì)三項(xiàng)復(fù)雜的科學(xué)技術(shù)成就之一（分別是：人工智能、原子能和空間技術(shù)）。盡管人工智能最初是作為20世紀(jì)計算機(jī)科學(xué)的一個分支被提出，現(xiàn)在已經(jīng)發(fā)展成一項(xiàng)交叉學(xué)科，被應(yīng)用在計算機(jī)科學(xué)、心理學(xué)、生物學(xué)和神經(jīng)系統(tǒng)科學(xué)等多領(lǐng)域。

專家系統(tǒng)（ES）是人工智能領(lǐng)域最活躍、應(yīng)用最廣泛的技術(shù)。自20世紀(jì)60年代，專家系統(tǒng)作為一種研究工具被開發(fā)，Edward Feigenbaum，斯坦福大學(xué)教授，將專家系統(tǒng)定義為“一種智能計算機(jī)程序，僅通過一個專家?guī)熘械闹R和判斷程序，可以解決很多復(fù)雜問題”。在20世紀(jì)70年代，專家系統(tǒng)逐漸被廣泛接受。在20世紀(jì)80年代，專家系統(tǒng)開始應(yīng)用到商業(yè)目的，并創(chuàng)造出了商業(yè)價值。自20世紀(jì)90年代，專家系統(tǒng)進(jìn)入到了高速發(fā)展階段。目前，專家系統(tǒng)被廣泛應(yīng)用到了幾乎所有領(lǐng)域，比如商業(yè)、科學(xué)、工程和制造業(yè)等。

然而，國內(nèi)在這方面的研究還比較晚，在1977年，國內(nèi)成功的研發(fā)了第一款人工智能，1981年，先后成立了中國人工智能協(xié)會等相關(guān)智能團(tuán)體，自1986年，相關(guān)大型項(xiàng)目被列入到國家高科技研究計劃。在21世紀(jì)，越來越多的ES研究從各類基金計劃中獲得了支持。

熱帶風(fēng)暴潮是世界海上災(zāi)難中主要的一種，然而，中國與西北太平洋海域相鄰，是自然災(zāi)害的高發(fā)區(qū)。因此，國家計劃通過科學(xué)和教育來發(fā)展海洋（2008-2015，國家海洋局），這體現(xiàn)了國家對海洋自然災(zāi)害（如暴風(fēng)潮、赤潮、漏油事件、海冰、海嘯、海平面上升等）方面的應(yīng)急管理指導(dǎo)思想和要求。通過應(yīng)用專家系統(tǒng)理論，結(jié)合計算機(jī)、時間和空間信息、數(shù)據(jù)庫技術(shù)，設(shè)計了關(guān)于熱帶風(fēng)暴潮的防災(zāi)防損的專家系統(tǒng)，為建立和實(shí)施防災(zāi)減災(zāi)應(yīng)急系統(tǒng)，甚至是為熱帶風(fēng)暴潮災(zāi)害系統(tǒng)下的整個決策支持系統(tǒng)提供參考。

2 系統(tǒng)的基本結(jié)構(gòu)

熱帶風(fēng)暴潮的防災(zāi)減災(zāi)系統(tǒng)是跨越多個學(xué)科的前沿系統(tǒng)工程，然而，制定熱帶風(fēng)暴潮防災(zāi)防損專家們，不太可能把海洋、安全和信息技術(shù)等知識，以及豐富的防災(zāi)減災(zāi)實(shí)踐經(jīng)驗(yàn)，超強(qiáng)的解決問題的能力，整合在一起，進(jìn)而提供良好的技術(shù)支持和幫助。

熱帶風(fēng)暴潮和防災(zāi)減災(zāi)的有效性，取決于應(yīng)急反饋的速度和應(yīng)急救援的效率。需要制定合理的解決方案，并提供相應(yīng)的決策，使決策工具成為提高速度和效率的有力保證和技術(shù)手段。

熱帶風(fēng)暴潮人工智能防災(zāi)減災(zāi)的8種模型如下：

（1）人工機(jī)器交互模型：通過多模型用戶界面技術(shù)（MUI），新的互動渠道（間隙、聲音和手勢等），設(shè)備、綜合技術(shù)、使用者，都允許自然的使用人機(jī)對話，平行的、多渠道合作，因此，用戶的互動意圖可以通過從多渠道不準(zhǔn)確和準(zhǔn)確的輸入值中捕捉到，這樣人機(jī)互動中的自然性和高效性得到提升。

（2）解釋和分析模型：可以通過根據(jù)用戶和系統(tǒng)容易接受的方式，解釋和分析問題、知識、推理和結(jié)論。

（3）知識獲取模型：可以通過半自動和全自動方式獲得來自內(nèi)部環(huán)境的知識。

（4）知識庫模型：知識庫一般包括專家經(jīng)驗(yàn)和領(lǐng)域知識，同時，也是一種知識和數(shù)據(jù)的存儲庫，在知識庫中，可以通過知識獲取、推斷和智能學(xué)習(xí)來提供權(quán)威知識和數(shù)據(jù)，可以被分為事實(shí)數(shù)據(jù)庫、規(guī)則數(shù)據(jù)庫和知識數(shù)據(jù)庫。

（5）推理機(jī)模型：該模型用于控制和調(diào)整整個人工智能的核心部分。

（6）可靠性分析模型：這是一個不精準(zhǔn)的推理模型（IR），并通過可信性因素對目標(biāo)的可信度進(jìn)行計算。

（7）聰明的學(xué)習(xí)模型：這是一個數(shù)據(jù)挖掘模型。

（8）結(jié)論模型：根據(jù)推理結(jié)果和可信度計算來產(chǎn)生輸出結(jié)果。

3 關(guān)鍵技術(shù)

3.1 知識庫模型

熱帶風(fēng)暴潮防災(zāi)減災(zāi)受到很多因素的影響，因此，要根據(jù)熱帶風(fēng)暴災(zāi)害的實(shí)際情況，選擇理想的應(yīng)急響應(yīng)系統(tǒng)，比如：等級、影響范圍和行進(jìn)路線、當(dāng)?shù)氐暮０毒€和地形結(jié)構(gòu)，不僅僅是人工智能的問題，也是內(nèi)容框架溝通的一個系統(tǒng)的知識庫。

知識體系的質(zhì)量，知識庫的知識組織、表達(dá)和存儲方式，將對推理機(jī)的推理效率，在知識庫中對知識的綜合整理和更新，以及專家系統(tǒng)解決問題的能力，產(chǎn)生直接影響。

在熱帶風(fēng)暴潮防災(zāi)減災(zāi)知識庫中的知識，來自海洋專家、安全專家、富有經(jīng)驗(yàn)的應(yīng)急救援人員、案例、防災(zāi)防損文檔和材料、有關(guān)部門的應(yīng)急計劃等隱形知識。

知識表達(dá)是知識工程的關(guān)鍵技術(shù)之一。防災(zāi)方面的知識主要總結(jié)如下：

（1）事實(shí)性知識：這是指對客體及其概念特征的認(rèn)識和相互關(guān)系，問題解決條件，是決策規(guī)則和推理規(guī)則的基礎(chǔ)。

（2）啟發(fā)式知識：這是指與領(lǐng)域有關(guān)的問題解決的知識，以案例和經(jīng)驗(yàn)來表達(dá)，也是推理機(jī)操作的信息。這種信息可以在程序知識中，通過分類等方式編制成規(guī)則。

（3）根據(jù)實(shí)際情況應(yīng)用，比如生產(chǎn)表達(dá)、語義網(wǎng)絡(luò)、架構(gòu)表達(dá)、本體表達(dá)、謂詞邏輯、主語中心表達(dá)，都接近于人類思想、自然易懂的、自由添加刪減和改變的規(guī)則等，而且通過關(guān)系數(shù)據(jù)庫將語言進(jìn)行組織、保存和管理。

3.2 推理機(jī)模型

推理機(jī)是人工智能思考的核心方法。推理機(jī)的設(shè)計與知識表達(dá)方法是非常相關(guān)的，因此，知識推理機(jī)應(yīng)該用合理的推理機(jī)械進(jìn)行操作，具備高效準(zhǔn)確的問題解決能力。在該系統(tǒng)中，采用從事實(shí)出發(fā)的前向推理，同時基于可信度，匹配相應(yīng)的沖突解決策略。

首先應(yīng)將事實(shí)基礎(chǔ)輸入推理機(jī)模型，然后，對數(shù)據(jù)庫中是否包含問題的解決方案進(jìn)行檢查。

3.3 智能學(xué)習(xí)模型

從國內(nèi)人工智能的實(shí)際情況來看，由于用人單位的人員結(jié)構(gòu)偏差、技術(shù)人員結(jié)構(gòu)缺陷，困難在不斷擴(kuò)大，實(shí)時修改、知識庫的研究和發(fā)展，越來越明顯的成為發(fā)展瓶頸。在理想熱帶風(fēng)暴潮防災(zāi)減損人工智能學(xué)習(xí)模型中，數(shù)據(jù)挖掘引擎是數(shù)據(jù)挖掘系統(tǒng)的最基本部分，可以用于相關(guān)性、演化和變異分析。

參考文獻(xiàn)

[1]Nils J.Nilssorr. Artificial Intelligence A New Synthesis[M].Morgan Kaufmann，1999.

[2]Joseph C.Giarratano. Expert Systems： Principles and Programming，F(xiàn)ourth Edition[M].Course Technology，2006.

[3]George F.Luger. Artificial Intelligence： Structures and Strategies for Complex Problem Solving，4E[M]. Pearson Education，2004.