不确定性推理在森林培育专家系统中的应用

不确定性推理在森林培育专家系统中的应用

随着集体林权制度改革的全面推进，1亿元hm。在森林培育过程中,立地条件等知识的不确定性是普遍存在的,这种知识的不确定性会对得到的结论产生直接影响。国内外许多学者对专家系统中不确定性知识的处理、可信度及其在推理过程中的应用进行了相关研究,结果表明贝叶斯推理和可信度模型是不确定性管理中2种常用的技术,而神经网络和模糊逻辑常被用来处理模糊、不确定性的知识和数据另外,针对专家系统知识获取的瓶颈问题,神经网络越来越多地应用到专家系统中。利用神经网络的自学习和自适应能力,在规则未知的情况下建立模式,处理模糊、不完整的信息来解决专家系统获取知识困难的问题“十一五”期间,吴保国等1模糊逻辑的部分描述在经典的二值逻辑中,通常以0表示“假”,以1表示“真”,一个命题非真即假。但在模糊逻辑中,一个命题不再非真即假,它可以被认为是“部分的真”。模糊逻辑取消二值之间彼此的对立,用隶属度表示二值间的过渡状态。对于模糊集合,论域上的元素可以“部分地属于”集合A。一个元素属于集合A的程度称为隶属度,模糊集合可用隶属度函数μ在森林培育专家系统中,适地适树的专家知识通过交互式提问流程转化为一系列问题和相关可能的答案,供用户选择咨询,而每一个问题都需要进行可靠性预估。所以,利用模糊逻辑,使用多值域可信度(CF),对确定性和不确定性知识用多个逻辑值进行表达2森林经营专家的知识管理2.1规则的可信程度适地适树是造林活动中非常重要的技术措施,适地适树就是要根据实际的立地条件和经营目标,选择适宜的造林树种,使造林树种的特性与造林地条件相适应。森林培育专家系统在造林设计过程中充分考虑到了适地适树的重要性,根据造林地的海拔、坡度、坡向、土壤类型等立地因子确定造林树种和造林模式。在森林培育专家系统中,采用不确定性推理机制,利用规则的可信度来处理知识的不确定性。可信度代表了我们对于一系列推理规则的置信程度,专家系统中采用可信度来建立规则结论为真的可信程度。著名的MYCIN系统就是采用可信度来度量不确定性的。规定可信度的取值范围为[-1,1],其中,CF=-1时,表示前提为真,但结论必为假;CF<0时,表示前提为真,但不支持结论为真;CF=1时,表示前提为真,结论必为真;CF=0时,表示前提真假与结论无关式中:E为前提条件,H为事实结论,前提条件和事实结论都可以有多个;CF(H,E)为可信度,取值在[0,1]之间,表示前提条件E对结论H的支持程度,CF(H,E)的取值越大,说明E对H的支持程度越高,H为真的可能性越大。以内蒙古东南部地区的山地地形为例,产生式规则与可信度表达具体应用到森林培育专家支持系统中的形式如下:IF(海拔500~2000m)AND(阳坡)AND(陡坡)AND(上坡位)AND(土壤厚度中)AND(褐土)THEN可以选择的造林树种为华北落叶松CF=m(m∈[0,1])2.2规则认可度的确定通常在结构化选择问题中,最终的答案是不确定的。原因可能是多方面的,也许林业专家的规则有一定的模糊性,也许用户对于问题的答案不确定,所以森林培育专家系统采用基于可信度的不确定性推理。规则可信度的计算综合考虑3种情况:将专家给出的特定规则的可信度规定为1;将专家给出的不确定的规则,通过使用频率来动态计算获得规则的权重值和可信度;对于用户不确定的选择而产生的规则,采用模糊层次分析法计算可信度。同时,考虑到推理机可能会推理得出不止一个结论的情况,这就需要用户进行反馈,并重新计算可信度。2.2.1层次分析法基本原理及步骤在规则可信度的计算过程中,综合考虑如下3种情况:1)专家给出的根据特定立地因子得到适合的造林树种或造林模式的规则,将规则的可信度规定为1。CF=1表示前提条件为真时结论必为真,此规则得出的结论是确定的。2)对于某些专家给出的具有不确定性,但是可以推理得到相关造林模式的规则,需要计算规则的可信度。这类规则可信度的计算方法采用促进规则置信度的方法规则在推理得出正确结论的过程中屡次使用,可以促进该规则的置信水平,相当于一个促进因素(PF)可以增加规则的可信度(CF)。由于促进因素(PF)的影响,规则新的可信度就是置信水平增加之后的可信度(PCF)。一条规则在推理得出正确结论的过程中使用的次数,称为频率(γ),每一次推理过程中规则的可信度(PCF)是根据使用频率(γ)决定的。通过专家系统提问,用户选择回答的过程中动态统计规则的使用频率(γ),进而获得权重值和可信度,具体计算方法如下:若规则R步骤1:权重因子(ω)的计算如下。步骤2:通过权重因子计算规则的促进因素(PF)。这个促进因素(PF)可以增加现有规则的置信水平。设规则R步骤3:由于促进因素(PF)的影响,计算规则置信水平增加之后的可信度(PCF)。通过这种逻辑推理可以看出,PCF(R3)考虑到在咨询选择过程中用户可能会因为欠缺某些知识而无法回答相关问题,所以系统每一个问题都增加了“不确定”的选项来供用户选择。当选择“不确定”时,所考察的立地条件或事实不能通过系统进行匹配,系统自动为用户提供下一个问题。这种情况下专家给定规则中的某些因子没有被用户所选择,所以不能直接采用第2种情况中提到的促进规则置信度的方法进行可信度计算,而是通过计算各立地因子的权重值,进而得到可信度。立地因子的权重值可采用模糊层次分析法得到。该方法通过专家对各立地因子进行评判,求得专家评判的加权平均值,建立模糊判断矩阵,再进行矩阵的一致性转换及一致性检验,最后应用模糊层次分析法的权重计算方法对矩阵进行运算,得出层次模型中各个因子的权重值,系统根据用户所选的因子权重值进行相加来得到此条规则的可信度。以内蒙古东南部地区的山地地形为例,采用模糊层次分析法得到立地因子权重值的步骤如下。步骤1:得到土壤类型、坡向、坡位、土层厚度、海拔和坡度6个元素的专家打分值模糊判断矩阵R中的2个元素进行比较时,2个元素间具有的模糊关系的隶属度,可用1~9标度给予定量描述步骤2:模糊判断矩阵R是模糊互补矩阵,需将其转换为模糊一致矩阵;由模糊一致判断矩阵求土壤类型、坡向、坡位、土层厚度、海拔和坡度6个元素的权重值(见表2)。步骤3:系统根据用户所选择的立地因子的权重值进行相加,得到此条规则的可信度。2.2.2系统的反馈方法推理机可能会推理得出不止一个结论。在这种情况下,需要用户对每一个可能的结论进行反馈,作为用户对系统的反馈,可信度按照如下方法进行重新计算设CF(R1)如果2个规则都可以使用式中:0.8是来自于多值域可信度对于确定性的逻辑值表达。对于第3条规则R2)如果规则R3)如果规则R4)如果2个规则都不可使用3不确定推理算法3.1用户推理机时根据用户的实际情况进行推定造林推理是利用规则库中的规则结合事实库中的造林技术信息,根据某一地区的立地条件,判断该地区此种立地条件下适合的造林树种和造林模式。森林培育专家系统的适地适树的推理过程中增加了不确定性推理机制,利用规则的可信度和权重值来处理知识的不确定性。系统的推理是基于用户咨询过程中所提供的立地条件文本特征进行的。但是,用户可能会因为欠缺某些知识而无法回答相关的问题,所以系统每一个问题都增加了“不确定”选项来供用户选择。当选择“不确定”时,考察的立地条件或事实不能通过系统进行匹配,系统自动为用户提供下一个问题。通过这种方式,推理出错的几率就会降低,因为用户不用被迫选择不确定的答案。另外,推理机可能会推理得出不止一个结论。在这种情况下,需要用户对每一个可能的结论进行反馈,作为用户对系统的反馈,并重新计算可信度然后再返回推理结论。2)用户根据已掌握的事实选择造林地符合的立地条件因子。3)调用规则库中的知识进行匹配。4)判断咨询过程中产生多解的情况,如有,则转到5),否则转到7)。5)用户对每一个结论进行反馈。8)推理结束。以上造林推理过程可用图1表示。3.2造林树种选择系统在交互式问答过程中,系统可根据用户的上一条回答,智能判断下一条的提问。基于用户的回答,系统给出该立地条件下适宜的造林树种或造林模式和可信度。专家系统推理算法主要包括2个部分,即生成用于推理的数据库和基于该生成数据库进行正向推理。具体算法的流程如下1生成用于推理的数据库在推理过程中实现生成推理所需的动态数据库。该数据库中存储推理所需的既有事实和知识、推理过程中产生的中间结果以及最后得到的相关结论等数据。具体实现算法如下。步骤1:将知识库初始化。步骤2:逐个扫描知识库中所有规则的前提条件。步骤3:利用开发技术将所有规则前提显示在页面供用户进行选择。步骤4:把用户选择的前提信息加以标识,同时复制到数据库中。步骤5:重复上述各步骤,直到用户根据提示完成选择。完成用于推理所需的数据库后,开始进行推理过程,即从规则前提出发,经过推理规则,以获得所需结论或知识。具体推理算法如下。步骤1:扫描上述生成的用于推理的数据库中整条记录。步骤2:判断此条记录中是否存在“不确定”字段,若存在,则转向步骤3,否则转向步骤6。步骤5:调用规则库中立地因子不足的规则进行匹配,并转向步骤7。步骤6:调用规则库中所有因子条件满足的规则进行匹配。步骤7:返回匹配规则的结论和规则的可信度。步骤8:判断结论是否多解,若多解,则转向步骤9,否则转向步骤11。步骤7中不同类型规则可信度的计算不同,如果该条规则是调用规则库中所有因子条件满足的规则匹配成功的,并且该条规则的可信度是1,则直接返回可信度;否则采用促进规则置信度的方法计算可信度并返回;如果该条规则是调用规则库中立地因子不足的规则匹配成功的,可采用模糊层次分析法得到因子权重和规则的可信度并返回,推理流程如图3所示。4基于模糊逻辑方法的森林培育专家系统的信度设计本文研究得到的推理机算法实现了智能化的造林咨询,其特点主要体现在以下2个方面:1)在根据立地条件得到适地适树造林模式的交互式问答过程中,推理机可根据用户的上一条回答动态确定下一条的提问,避免了用户交互提问时系统提示知识库中不存在该类知识的情况,即供用户选择的知识一定是知识库中存在的知识。这样的设计体现了专家系统的智能化和有效性。2)在森林培育专家系统中适地适树的推理过程增加了不确定性推理机制,利用规则的可信度和权重值来处理知识的不确定性。利用模糊逻辑方法对于确定性和不确定性知识用多个逻辑值进行表达。对于规则可信度的计算本文综合考虑3种情况,不同规则采用不同的可信度算法:1)专家给出的特定条件下得到正确结论的规则可信度设为1;2)专家给出的具有不确定性,但是可以推理得到相关造林模式的某些规则,采用促进规则置信度的方法计算可信度;3)专家给定规则中的某些立地因子没有被用户所选择的情况下,可采用模糊层次分析法得到各个因子