康朝海 (東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318)

滕 飛 (大慶油田有限責(zé)任公司第三采油廠，黑龍江 大慶 163113)

張東旭 (天津通卡公用網(wǎng)絡(luò)系統(tǒng)有限公司，天津 300384)

公麗穎 (東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318)

不確定性推理方法在油田應(yīng)急指揮系統(tǒng)的應(yīng)用

康朝海 (東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318)

滕 飛 (大慶油田有限責(zé)任公司第三采油廠，黑龍江 大慶 163113)

張東旭 (天津通卡公用網(wǎng)絡(luò)系統(tǒng)有限公司，天津 300384)

公麗穎 (東北石油大學(xué)電氣信息工程學(xué)院，黑龍江 大慶 163318)

在比較幾種不確定推理方法的基礎(chǔ)上，并針對(duì)油田生產(chǎn)中，事故發(fā)生時(shí)所表征的現(xiàn)象證據(jù)往往不完善，且具有一定的模糊性這一問(wèn)題，提出了一種帶有比較因子的加權(quán)不確定性推理方法。油田實(shí)例分析說(shuō)明，該方法既能保持推理精度又能加快推理的速度。

不確定性推理；可信度模型；加權(quán)因子；比較因子

推理就是從已知事實(shí)出發(fā)，運(yùn)用已掌握的知識(shí)推導(dǎo)出其中蘊(yùn)涵的事實(shí)性結(jié)論和歸納出某些新結(jié)論的過(guò)程。常規(guī)的推理一般是針對(duì)確定性知識(shí)的，但在油田生產(chǎn)中，事故發(fā)生時(shí)所表征的現(xiàn)象證據(jù)往往是不完善的，且具有一定的模糊性。目前，不確定性推理方法可以分為2大類(lèi)：控制方法和模型方法[1]。控制方法的特點(diǎn)是通過(guò)識(shí)別領(lǐng)域中引起不確定性的某些特征及相應(yīng)的控制策略來(lái)限制或減少不確定性系統(tǒng)產(chǎn)生的影響，這類(lèi)方法目前沒(méi)有處理不確定性的統(tǒng)一模型，其效果大大依賴(lài)于控制策略。模型方法的特點(diǎn)是把不確定性的證據(jù)和不確定性的知識(shí)與某種度量標(biāo)準(zhǔn)對(duì)應(yīng)起來(lái)，并給出更新結(jié)論不確定性的合適的算法，從而構(gòu)成相應(yīng)的不確定性推理模型。模型方法又可分為數(shù)值方法和非數(shù)值方法。數(shù)值方法按照所依據(jù)的理論不同又分為基于概率的方法和模糊推理方法。

在數(shù)值推理方法中，由于概率論有著完善的理論，同時(shí)還為不確定性的合成與傳遞提供了現(xiàn)成的公式，因而成為度量不確定性的重要手段。但雖然純概率方法有著嚴(yán)密的理論依據(jù)，它卻需要給出事件的先驗(yàn)概率和條件概率，而這些數(shù)據(jù)又是不易獲得的。為此，人們經(jīng)過(guò)多年研究，在概率論的基礎(chǔ)上，發(fā)展了一些新的處理不確定性的方法：主觀Bayes方法、證據(jù)理論方法和可信度方法[2-3]。筆者在對(duì)幾種常用的不確定性推理方法比較的基礎(chǔ)上，提出了帶有加權(quán)因子的不確定性推理模型(CCWR)。

1 幾種不確定方法的比較

主觀Bayes方法又稱(chēng)主觀概率論，是一種基于概率邏輯的方法。主觀Bayes方法的基本思想是針對(duì)不確定推理，將所有的知識(shí)規(guī)則連接成一個(gè)有向圖，圖中的各節(jié)點(diǎn)代表假設(shè)結(jié)論，弧代表規(guī)則，并引入用來(lái)度量規(guī)則成立的充分性和必要性的2個(gè)數(shù)值，通過(guò)與每一條弧相關(guān)聯(lián)，建立起一個(gè)有向的推理網(wǎng)絡(luò)。推理過(guò)程從圖的端點(diǎn)(原始證據(jù))出發(fā)，逐級(jí)計(jì)算概率最后推導(dǎo)出結(jié)論的概率[4-6]。

證據(jù)理論又稱(chēng)D-S理論，該理論滿足比概率論弱的公理，能區(qū)分“不確定”與“不知道”的差異，并能處理由“不知道”引起的不確定性。在D-S理論中，知識(shí)的不確定性是通過(guò)一個(gè)集合形式的“可信度因子”來(lái)表示，而證據(jù)和結(jié)論的不確定性度量則采用信任函數(shù)和似然函數(shù)來(lái)表示。然而信任函數(shù)和似然函數(shù)是以概率分配函數(shù)為基礎(chǔ)的，因此，證據(jù)理論的推理過(guò)程是首先求出結(jié)論的概率分配函數(shù)，然后再求出結(jié)論的信任函數(shù)和似然函數(shù)，從而得出結(jié)論的信任度[7-9]。

可信度方法是基于概率論一種不確定性推理方法。在某一專(zhuān)業(yè)領(lǐng)域中很難用較精確的數(shù)據(jù)模型來(lái)進(jìn)行描述，并且應(yīng)用先驗(yàn)概率及條件概率有時(shí)也比較困難，所以用可信度來(lái)表示知識(shí)及證據(jù)的不確定性則是一種相對(duì)較好的方法[10]。

在基于可信度不確定推理模型中，知識(shí)是以產(chǎn)生式規(guī)則的形式來(lái)表示的，引入可信度后，其一般的表示形式為：IfEthenH(CF(H,E))，式中，E是知識(shí)的前提條件或稱(chēng)為證據(jù)，它既可以是一個(gè)簡(jiǎn)單條件，也可以是用and及or把多個(gè)簡(jiǎn)單條件連接起來(lái)所構(gòu)成的復(fù)合條件；H是結(jié)論，它可以是一個(gè)單一的結(jié)論，也可以是多個(gè)結(jié)論；CF(H,E)是該條知識(shí)的可信度，稱(chēng)為可信度因子或規(guī)則強(qiáng)度。

除了知識(shí)的不確定性外，在不確定性推理中證據(jù)的不確定性表示也非常重要，按照證據(jù)的個(gè)數(shù)不同其獲取方法分為單個(gè)證據(jù)的不確定性獲取方法和組合證據(jù)的不確定性獲取方法。

1)單個(gè)證據(jù)的不確定性獲取方法 在不確定性推理中，如果支持結(jié)論的證據(jù)只有一條，則其可信度值一般可由用戶直接給出。

2)組合證據(jù)的不確定性獲取方法 如果支持結(jié)論的證據(jù)有多個(gè)，則按照證據(jù)間的關(guān)系來(lái)進(jìn)行求取。

①合取關(guān)系E=E1∧E2∧E3∧…∧En，即取其中可信度最小的證據(jù)。

②析取關(guān)系E=E1∨E2∨E3∨…∨En，即取其中可信度最大的證據(jù)。

不確定性的推理計(jì)算是從不確定性的初始證據(jù)出發(fā)，通過(guò)運(yùn)用相關(guān)的不確定知識(shí)來(lái)推導(dǎo)出結(jié)論的可信度值。如果支持結(jié)論的知識(shí)只有一條，且證據(jù)E的可信度CF(E)和規(guī)則強(qiáng)度已知，則結(jié)論H的可信度計(jì)算公式：

CF(H)=CF(H,E)×max{0,CF(E)}

(1)

如果支持結(jié)論的知識(shí)有多條時(shí)，由于多條知識(shí)的綜合可通過(guò)兩兩的合成來(lái)實(shí)現(xiàn)，所以先考慮2條知識(shí)的情況，則這時(shí)結(jié)論H的可信度的公式如下：

(2)

CF1(H)=CF(H,E1)×max{0,CF(E1)}CF2(H)=CF(H,E2)×max{0,CF(E2)}

(3)

2 帶有比較因子的加權(quán)可信度推理方法

2.1CWR推理模型

在基于可信度的推理方法中，人們總是主觀的認(rèn)為已經(jīng)存在或發(fā)生的事實(shí)證據(jù)對(duì)結(jié)論的支持程序都是相同的。其實(shí)不然。如：If流量波動(dòng)增大 and 管線泄漏檢測(cè)裝置發(fā)生報(bào)警then發(fā)生管道泄漏事故。在這一條規(guī)則中，管線泄漏檢測(cè)裝置發(fā)生報(bào)警這一條證據(jù)對(duì)結(jié)論的支持程序遠(yuǎn)遠(yuǎn)大于前一證據(jù)，所以當(dāng)這一證據(jù)出現(xiàn)時(shí)，流量波動(dòng)是否增大已經(jīng)不重要了，可以直接判斷管道泄漏事故已經(jīng)發(fā)生。

針對(duì)這一種情況，筆者在可信度推理模型的基礎(chǔ)上，對(duì)支持結(jié)論的證據(jù)引入加權(quán)因子，構(gòu)造加權(quán)可信度推理模型(CWR)，通過(guò)加權(quán)因子來(lái)說(shuō)明證據(jù)對(duì)結(jié)論的支持程度，從而提高推理精度。

CWR推理模型表述如下：

Ife1(w1)∧e2(w2)∧…∧en(wn) thenH(CF(H,e),λ)

應(yīng)該根據(jù)證據(jù)對(duì)結(jié)論的支持程度給出權(quán)值。證據(jù)相對(duì)獨(dú)立且對(duì)結(jié)論支持較大時(shí)，證據(jù)所具有的權(quán)值較高。相反，證據(jù)對(duì)結(jié)論的支持度越小，權(quán)值也就越低。

在常規(guī)的產(chǎn)生式規(guī)則中，只有發(fā)生的事實(shí)證據(jù)與規(guī)則前件中已有證據(jù)完全符合時(shí)，才能推導(dǎo)出結(jié)論，而應(yīng)用上述模型可以有效的解決證據(jù)不完整時(shí)的推理問(wèn)題。當(dāng)根據(jù)已知的事實(shí)證據(jù)可信度計(jì)算出來(lái)的組合證據(jù)可信度大于閾值時(shí)，就可以激活該規(guī)則，并推導(dǎo)出結(jié)論。

然而，當(dāng)證據(jù)過(guò)多時(shí)，仍然采用上述推理模型，計(jì)算組合證據(jù)的可信度就會(huì)浪費(fèi)大量的時(shí)間，雖然推理精度可以保證，但推理速度就會(huì)大大降低。如在油田生產(chǎn)中，事故發(fā)生時(shí)所表征出來(lái)的事故現(xiàn)象有些時(shí)候是多種多樣的，所以在規(guī)則庫(kù)中支持結(jié)論的證據(jù)會(huì)很多。針對(duì)這一問(wèn)題的產(chǎn)生，筆者在加權(quán)可信度推理方法基礎(chǔ)上引入比較因子，形成帶有比較因子的加權(quán)可信度推理模型(CCWR)。

2.2CCWR推理模型

CCWR推理模型如下：

Ife1(w1)∧e2(w2)∧…∧en(wn) thenH(CF(H,e),λ,μ)

圖1 CCWR不確定推理流程圖

CCWR推理流程如圖1所示。

3 實(shí)例分析

在油田生產(chǎn)應(yīng)急指揮規(guī)則庫(kù)中有這樣一條加權(quán)規(guī)則：If 電源全停 (0.25) and 照明全停 (0.25) and 儀表指示失效 (0.15) and繼電自動(dòng)保護(hù)裝置動(dòng)作停止 (0.25) and 開(kāi)關(guān)信息全無(wú) (0.1) then 發(fā)生變電所失電事故(0.99，0.8，0.16)。

若現(xiàn)在根據(jù)現(xiàn)場(chǎng)人員匯報(bào)上來(lái)的事故描述在綜合數(shù)據(jù)庫(kù)中只有如下證據(jù)：電源全停CF(e1)=1，照明全停CF(e2)=1，儀表指示失效CF(e3)=0.9，繼自裝置動(dòng)作停止CF(e4)=1。

3.1推理方法1：采用CWR模型

組合證據(jù)的可信度：

已知λ=0.8，由CF(E)>λ可知該規(guī)則已經(jīng)被激活，CF(H,E)=0.99。

結(jié)論可信度：

CF(H)=CF(H,E)×max{0,CF(E)}=0.99×0.885=0.87615由此可以判斷“發(fā)生變電所全所失電事故”的可能性為87.615%，可認(rèn)為已發(fā)生事故。

3.2推理方法2：采用CCWR模型

由帶有比較因子的加權(quán)可信度推理模型可知μ=0.16；將證據(jù)的權(quán)值與比較因子進(jìn)行比較：

w1>μw2>μw3>μw4>μ

通過(guò)2種方法的比較，明顯可以看出帶比較因子的加權(quán)可信度推理更方便快捷有效。

4 結(jié) 語(yǔ)

在比較幾種常用的不確定性推理方法的基礎(chǔ)上，提出了帶比較因子的加權(quán)不確定性推理模型(CCWR)，并給出了這種模型的推理方法。實(shí)例分析表明應(yīng)用CCWR推理方法可以在維持原有精度的前提下有效地提高推理速度。

[1]高鷹，謝勝利.免疫粒子群優(yōu)化算法[J].計(jì)算機(jī)工程與應(yīng)用，2004,40(6)：4-6.

[2]劉潔.基于不確定信息處理的機(jī)器人地圖創(chuàng)建[D].吉林：東北電力大學(xué)，2006.

[3]利珊.不確定性中的隨機(jī)性和模糊性[J].金華職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2010,10(3)：46-48

[4]于少偉.基于云理論的新的不確定性推理模型研究[J].山東大學(xué)學(xué)報(bào)(理學(xué)版)，2009，44(3)：84-87.

[5]孟福真.不確定性礦配問(wèn)題的優(yōu)化方法研究[D].長(zhǎng)沙：中南大學(xué)，2009.

[6]杜江，任瀅.故障智能診斷專(zhuān)家系統(tǒng)模型研究[J].光電技術(shù)應(yīng)用，2009,24(4):73-79.

[7]胡睿.鉆井工程事故診斷專(zhuān)家系統(tǒng)研究[J].中國(guó)石油大學(xué)勝利學(xué)院學(xué)報(bào)，2010,24(3):14-18.

[8]李德毅，杜鷁.不確定性人工智能[M].北京：國(guó)防工業(yè)出版社，2005.

[9]盧丹丹.基于人工智能的大學(xué)英語(yǔ)輔導(dǎo)教學(xué)專(zhuān)家系統(tǒng)[D].北京：北京化工大學(xué)，2009.

[10]陳穎，徐曉暉，李志全.基于免疫克隆原理的改進(jìn)粒子群優(yōu)化算法的研究[J].系統(tǒng)仿真學(xué)報(bào)，2008，20(6)：1471-1474.

10.3969/j.issn.1673-1409(N).2012.08.043

TP202.4

A

1673-1409(2012)08-N131-03

2012-05-20

黑龍江省教育廳科學(xué)技術(shù)研究項(xiàng)目(12511014)。

康朝海(1976-)，男，1998年大學(xué)畢業(yè)，碩士，講師，現(xiàn)主要從事復(fù)雜系統(tǒng)的優(yōu)化控制及故障診斷的方面的教學(xué)與研究工作。

張東旭(1984-)，男，2007年大學(xué)畢業(yè)，碩士，工程師，現(xiàn)主要從事智能控制及地理信息系統(tǒng)的應(yīng)用方面的研究工作;E-mail:25327109@qq.com。

[編輯] 洪云飛