[搞不懂A2蛋白质？国内外专家帮你解读最新研究成果！]随着全A2蛋白质乳品在全球广受欢迎，消费者们对于天然A2蛋白质愈发了解，很多消费者更是切身获益。 大家可能知道来自澳洲的a2牛奶?品牌是A2蛋白质的先行者，不管是鲜奶、婴幼儿配...+阅读

基于人工神经网络的土坝病害诊断知识获取方法

摘要：以土坝测压管水位异常诊断为实例，对反向传播（bp）神经网络进行训练，然后通过典型示例经网络计算生成显式的诊断规则，为专家系统诊断推理时直接调用。该方法是土坝病害诊断知识获取的一种新方法，是对传统知识获取方式的拓展和补充。

关键词：土坝；病害诊断；测压管异常；神经网络；知识获取

我国目前已修建各种类型水库8.6万余座（是世界水库最多的国家之一），大中型水闸7.6万座，河道堤防20多万公里。这些水利工程和设施所发挥的巨大作用和效益大大促进了社会和经济的发展。然而从另一方面还应看到，在已建的水利工程中尚存许多不安全因素，由于修建当时的经济、技术条件限制以及其它一些因素的影响，使很多工程存在病害或隐患，另外，由于长期受各种自然或人为因素影响，加之年久失修，管理跟不上，老化现象也很严重，很大程度上影响了工程正常运行和效益的发挥，有些工程因此而失事。仅就土石坝而，历年累积溃坝率就高达3.4%。因此如何准确、及时地诊断出建筑物的隐患和病害，并对建筑物的安全性做出合理科学的评价意义十分重大。是当前水利工程管理中亟待解决的一项重要课题。水工建筑物的病害诊断是一项非常复杂的工作，需要有丰富经验的专家才能胜任。解决上述问题的一个好的办法是在做好监测的基础上，把专家经验、人工智能（ai）技术、计算机应用技术以及数值分析计算等有机结合起来，建造专家系统（expert system简称：es）。而专家系统开发中最关键的“瓶颈”问题就是知识获取，它既包括知识的体系结构、内容等难于获取，也包括推理规则中的推理参数（如可信度）难以确定等。笔者以土坝为研究对象开发了具有学习功能的土坝病害诊断专家系统esledfds[1,2]，在系统开发中为解决知识获取问题，采取了传统的访谈（interview）式的知识获取与从病害工程实例中抽取知识（事例学习）相结合的形式。实践证明该形式效果良好。论文将以土坝测压管水位异常诊断知识的获取为例，介绍一种基于人工神经网络事例学习的土坝病害诊断知识的获取方法。

1 知识源分析及知识获取方法的选择

土坝病害诊断的知识源主要有3个：（1）坝工诊断专家。大量的经验性知识存在于专家的大脑中，具有专有性和潜在性等特点。有时连专家本人也不容易系统地总结、归纳自己的知识，而且不易做出解释。这也就决定了它的难于获取，但它是es知识的主要来源。（2）相关文献资料。文献资料作为一种信息载体，包含了大量理论和经验知识。其特点是量大、分散。而且，由于不同的文献来源于不同的著者，对同一问题的看法和分析结果可能有所差异，甚至相悖，所以有助于消除单个专家知识的片面性。但从大量分散的文献中抽取es知识库所需的知识和方法，需经反复分析比较。（3）实例。一般情况下，专家头脑中知识的存储往往是片断的、非系统的，以访谈的形式，让专家叙述自己的知识时，一个个片断很难一下子系统地组织起来。而一旦真正面对实际问题（实例）坝工诊断专家却能够作很好的分析，说明这种刺激能使专家自觉或不自觉地去组织自己的知识。所以，同专家一同分析实例，可以了解专家的推理过程及所用知识，同时，经过专家分析的工程实例中蕴涵了专家的经验知识和推理判断，并且大多实例分析结果的正确与否已经得到实际验证。因此，实例是一种非常重要的知识源，可以通过一些模型、方法对实例进行学习，提炼出蕴涵在实例中的诊断知识。

笔者在esledfds的知识获取中综合利用了以上3种知识源。通过走访专家、同专家一起分析文献资料，把诊断知识整理成一条条规则，存储于外部知识库中。此外，为补充专家经验知识的不足，还对收集的80余例土坝病害实例，应用人工神经元网络进行了事例学习和新规则生成。

......