基于实力的推理（精选11篇）
基于实力的推理 篇1
基于案例的推理(Case-Based Reasoning,简称CBR)是人工智能领域的一个重要分支，旨在利用已有的经验和案例去解决新问题。CBR的推理循环过程由四个环节组成，即4R循环(图1):Retrieve、Reuse、Revise、Retain。分别对应提取，重用，改编和保存(学习)。很多知名学者和团队致力于CBR的研究，自1987年以来，国际研究界每年都举行CBR研讨会。目前，CBR研究热点主要集中在：CBR与其它人工智能方法的结合与比较;CBR作为解释机制的算法研究;CBR的案例改编机制研究;CBR在推荐、计划、分类和预测等工作中的理论和应用方法;CBR在多种学科和领域的实际应用等。目前，国外已有很多成功应用CBR的系统和项目，并且应用领域逐渐拓展。国内在实际系统中应用CBR的成功例子还较少，有待进一步发展。
1 CBR的基本原理
CBR是一种新兴的学习机制和推理方法，以已有的经验和案例为知识单位进行存储，核心思想是利用过去解决问题的经验来解决新问题。本文将从CBR的知识表示和案例提取，改编等对CBR的基本原理做介绍。
1.1 知识的表示
CBR中主体知识是以案例的形式存储的，因此如何表示和存储案例和案例特征是CBR中至关重要的环节。
都柏林大学的Doyle等人提出在XML中表示CBR的相似度及其测度方法[1]。在此之前，该研究小组已经构建了一个基于XML的CBR语言———CBML，用于表示案例本身。他们近期的研究主要对CBML进行扩展，用以表示案例相似度测量知识。该扩展将两个特征值间的相似度量分为3类：精确匹配、复杂的相似度匹配以及基于差异度的匹配。CBR的XML表示为CBR技术进一步发展，尤其是网络应用的发展，开辟了很好的道路。
台湾学者在构建智能FAQ代理服务系统中，提出支持本体(ontology)的CBR方法，将本体论观点与CBR技术结合：利用本体论观点表示案例的层次结构及其特征向量，根据本体中VRelationship关系类型搜索相似案例，并进行相应的案例改编。
1.2 案例提取，改编及维护
CBR中案例提取是利用相似度原理进行的。也就是从案例库中找到与问题的特征值向量最相似的案例。在搜索相似案例时，很多基于“距离”的相似度计算方法已经被采用，“距离”越大，说明相似度越小。
案例改编采用差异驱动的策略方法。通过对案例各分量特征的不同对比生成新的案例。另外：Corchado等人将模糊逻辑应用于案例改编的自动化实现上。方法的基础是一系列TSK模糊(Takagi Sugeno Kang fuzzy)模型的集合，这些模糊模型用于指导案例改编。简化的模糊规则库允许用户获取一个系统中更一般化的知识以及对系统的逻辑结构有更为深刻的了解。
案例库维护是通过聚类算法实现的：算法思想是将传统的聚类算法应用于CBR系统中，用于案例库索引、案例增加和删除操作。利用K-means聚类算法对案例库分析，将原始案例库划分为若干案例子库，并以子库的聚类中心和算法产生的0类案例(不属于任何聚类的案例)作为案例库索引。在保持系统推理效能的前提下，最大限度地减少案例库中的案例。该方法为案例库维护提供了一条有效途径。
2 CBR在国内外的应用
2.1 在计算机和信息科学中的应用
在垃圾邮件的判定上使用CBR技术。由于垃圾邮件的内容格式不断的改变，CBR的增量式学习机制能够很好的满足这一要求。研究者使用IG评判提取出垃圾邮件的标志特征。在案例提取时，找到最接近的案例，根据垃圾邮件的评判标志来判断是否是垃圾邮件。文章还将CBR算法与纯Bayes文本分类算法进行比较。结果显示CBR在垃圾邮件判断条件的不断学习上有较强的优势。
利用CBR进行Web服务整合。CBR在其中主要用于Web服务发现，这在整个整合过程中是一个关键步骤。案例库中的每个案例代表一个以前整合过的服务，而服务是以树型结构表示其层次包含关系。在案例提取时，首先将要整合的服务分解为各个子服务，并且在服务组成的树型结构上与问题查询对应的约束进行比较，计算相似度，从而提取出最满意的服务组合模型，也就是服务的发现过程。在此之后，系统利用UDDI服务路径在Web上寻找具体的服务，并使用服务组合器进行实际的整合操作。此外，CBR在知识管理、电子商务和协同商务等方面也实现了一些具体的应用。
2.2 在生物学及医学上的应用
分子生物学中，可以利用CBR以及现有的蛋白质结晶条件数据库进行分析，对蛋白质结晶方法作出规划[7]。还有DNA序列研究、蛋白质三维结构确定等。然而，现有生物数据库大多针对某一特定领域，数据过于片面(例如只存储实验成功数据)，不能很好适应机器学习和CBR系统的应用，并且，对异质的和分布式的生物学数据库联合分析的要求逐渐增加。
CBR还用于多种疾病诊断[6]。由于多种疾病可能涉及不同器官系统，以及具有复杂的判断条件，因此传统的CBR方法不能很好应用。研究者采用3种改进措施有效地将CBR方法应用于多种疾病及并发症的诊断上，为CBR系统能够在大范围医疗领域的应用开辟了新路。
2.3 在企业管理中的应用
在企业管理方面[8]，利用CBR的相似度量方法，判断获得的新知识是否应当存储到企业知识库中，然而研究者没有提出明确的方案，对于这些企业知识如何利用CBR来实现对现实问题的解决。此外，技术投资判断、市场选择与分析、供应商管理等方面也出现了比较成熟的CBR应用;在工业设计上，出现了很多成熟的基于CBR的CAD和CAM软件产品，并已成功应用。
3 结束语
CBR作为新兴的AI推理技术，近年来在理论和应用方面都有了长足发展，并且出现了很多成熟的CBR系统和CBR开发工具。根据以上所述CBR理论和应用研究进展，可以预测未来CBR发展方向主要集中在以下几个方面：(1)作为CBR推理环节之一和研究难点之一，案例改编算法仍有待进一步发展;(2)CBR用于专家系统结果的解释以及基于CBR的解释系统的研究;(3)CBR与其它人工智能推理和学习方法的有效结合和应用;(4)CBR在各个行业的进一步的应用，实现具体的成熟的智能系统。
摘要：该文对人工智能领域的一个分支——基于案例的推理技术做了简要概述,包括CBR的原理和组成。评述了CBR近年来的理论发展和应用发展。并对未来发展方向做出了预测。
关键词：基于案例的推理,基于案例的解释,专家系统
参考文献
[1]Lorcan Cotyledonal Doyle,Pádraig Cunningham.Representingsimilarity for CBR in XML[C].Advances in Case-Based Reasoning(Proc of ECCBR-04).Madrid,Spain:Springer,2004:119-127.
[2]Yang S Y,Liao P C,Ho C S.An ontology-supported case-basedtechnique for FAQ[C].Taipei,Taiwan:Proc17th InternationalConference on Software Engineering and Knowledge Enginee-ring,2005:639-644.
[3]S rmo F,Aamodt A.Knowledge communication and CBR[C].Proceedings of the ECCBR-02Workshop on Case-Based Reaso-ning for E-ducation and Trainging Aberdeen Scotland:RobertGordon University,2002:47-59.
[4]Eva Armengol,Enric Plaza.Using symbolic descriptions to ex-plain similarity on CBR[J].Artificial Intelligence Research andDevelop-ment,2005,131:239-246.
[5]Conor Nugent,Pádraig Cunningham.A case-based explanationsystem for black-box systems[J].Artificial Intelligence Review,2005(24):163-178.
[6]Atzmueller M,Shi W,Baumeister J,et al.Case-based approaches for diagnosing multiple disorders[C].Miami Beach,FL:Proceedings of the17th International Florida Artificial Intelli-gence Research Society Conference,2004.
[7]张建华.企业知识管理中的系统学习机制[J].华东经济管理,2006,20(9):87-90.
[8]杨健,杨邓奇,张晓玲.基于案例的解释研究[J].现代计算机,2008(3):141-144.
基于实力的推理 篇2
摘 要：高血压是常见的慢性疾病，是心血管疾病的重要危险因素，但目前为止，尚未研制出根治高血压的特效药物，具有一次得病，终身服药的特点。对于不同的人群，合理地选择降压药对于治疗高血压有重要意义。本文针对高血压疾病治疗率低的问题，运用混合推理算法进行药物推荐，通过使用案例推理算法从案例库得到相似案例，进而用贝叶斯推理算法得到相应的药物，并分别与案例推理和贝叶斯推理算法所得到的结果比较，实验表明，该混合推理算法在一定程度上提高了药物推荐的准确率。
关键词：高血压；案例推理；贝叶斯；混合推理；推荐
中图分类号：TP18 文献标识码：A
Abstract：Hypertension，as a common chronic disease，is a high risk factor of cardiovascular disease.However，no specific drug has been developed currently to cure hypertension.It has a characteristic of lifelong drug therapy once contracted.For different people，it is of great significance to choose the anti-hypertensive drugs reasonably for treatment.Aiming at the problem of low curing rate of hypertensive disease，hybrid reasoning algorithm has been used to drug recommendation.First of all，similar cases are collected by case-based reasoning algorithm，then the corresponding drugs are obtained by the Bayesian algorithm.The experiment，after comparing the results of the case-based reasoning with Bayesian，shows that to some extent，the hybrid reasoning algorithm improves the accuracy of drug recommendation.
Keywords：hypertension；case-based reasoning；Bayesian；hybrid reasoning；recommendation
1 引言（Introduction）
高血菏浅＜的慢性疾病，也是引起心血管疾病的首要危险因素。在《中国心血管病报告》中指出，中国心血管疾病的发病率持续不断上升，全国的心血管病患者近3亿，其中高血压患者占2.7亿。研究表明，我国每年的心血管死亡人数中与高血压有关的多达200多万人[1]。可见，有效地降低血压对于心血管疾病的预防，提升人类生活幸福指数有重要的现实意义。
目前，高血压患者的治疗仍以药物为主，国外的Michel Burnier[2]等人认为高血压病人要想达到降血压的目的，必须坚持接受药物治疗；吴昊[3]等人构建了高血压领域本体和推理规则，将本题库与案例库相结合，给出患者的用药处方；黄飞[4]等人通过构建高血压本体数据库，运用本体推理的方法对高血压患者心血管风险水平进行鉴定；曹小凤[5]在基于遗传算法的药物疗效评价模型中指出，只有长期进行药物治疗，才能使血压维持在相对较低的稳定水平。本文的目标在于为高血压患者推荐合适的药物，进而提高药物的治疗率，将案例推理与贝叶斯推理相结合，构建了高血压药物推荐模型，对于高血压患者的治疗有一定的指导意义。
2 高血压定义及电子病历构建（The definition of hypertension and construction of electronic medical record）
血压是指作用于血流通过时血管壁单位面积的压力，通常划分进入收缩压和舒张压。正常的收缩压力小于140mmHg，舒张压小于90mmHg。根据WHO标准，中度血压收缩压高于160mmHg，舒张压更大超过95mmHg。如果收缩压范围在140和160mmHg和舒张压介于90―95mmHg，这是边缘性高血压。
根据WHO/ISH高血压治疗指南中将高血压定义为，不使用降压药物的前提下，收缩压SBP≥140mmHg和（或）舒张压DBP≥90mmHg。根据收缩压和舒张压血压值不同，本文将所用的高血压级别划分为1级高血压（轻度）、2级高血压（中度），以及3级高血压（重度）具体如表1所示[1]。
高血压电子病历数据库的建设，除了数据库本身的知识外，还要结合领域的相关性。根据高血压药物推荐的需要，本文所设计的电子病历数据包括患者基本信息，历史血压记录，过往服用药物及用药记录，其中用药记录中包含记录ID、登记时间、药物ID、病人ID和血压级别。
3 高血压药物推荐模型（The recommended model of hypertension drugs）
本文构建了高血压电子病历库，根据案例推理可以检索出大量相似案例[6]，对相似性处理能力有限，而贝叶斯推理有丰富的概率表达能力的特点[7]，提出了一种基于混合推理的高血压药物推荐模型，旨在为患者推荐适合自身的药物，进而有效降低血压。首先根据患者的身体指标和血压级别取得相似案例，再运用贝叶斯推理算法得到更准确的药物列表，从而辅助医师开具最适合患者的药物处方。本文提出的高血压推荐模型工作过程如图1所示。
在大量高血压医疗病历中通过案例推理得出的结果不止一种，而每一种案例所使用的药物处方往往也有所不同，即使同样的案例，最终的用药结果也有不同程度的差异。针对这些问题，将满足一定条件的案例全部抽取出来作为目标案例的相似案例，并抽取出处方记录，其表示如下：
从药物1到药物n表示检索出来的用药列表。由上述描述可知，这些药物列表存在不同程度的差异，因此在药物推荐之前需要做一定的调整。
贝叶斯推理提出了推理的概率模型，它描述了某个事件最终得以发生的概率。本文在对药物进行后验概率的计算时，需要综合考虑多方因素，如药物的.使用频率、药物的疗效等。药物的条件概率计算如公式2所示：
式中，表示药物的后验概率，在高血压患者中某个患者可能不只患有高血压一种病，还可能同时存在心脏病。考虑到这种情况，本文首先根据患者的特征值到案例库中进行匹配，如果找到了就根据上述式（2）计算概率值，否则，就根据模糊理论采用如下的计算方法：
式（3）中，综合其他疾病的药物概率对某一药物概率值排序。通过贝叶斯算法所得到的药物列表可表示如式（4）：
式（4）中，到表示通过贝叶斯推理所得到的药物列表，其按概率大小排名。
4 实验过程及分析（The experimental process and analysis）
本文将电子病历中患者的信息分为目标案例和源案例。通过与医师沟通分析，分别对案例推理、贝叶斯推理，以及本文提出的混合推理算法的准确率[7]进行分析。为了保证实验结果的准确性，将实验数据集随机分成10个相等的数据子集，取9个数据子集训练数据集，其余数据子集作为测试数据设置；重复10次，允许每个数据子集作为测试数据反过来，并使用平均10个测试结果，以评估该药物推荐模型。实验过程如图2所示。
本文所提出的混合推理算法对高血压药物的推荐过程具体实现过程如下：
（1）提取特征：根据患者的血压和身体特征从数据库中抽取所关心的特征，去除无用的特征信息。
（2）案例推理：根据提取的特征项，从案例库中抽取相似案例，并根据其历史诊疗及服药记录指导当前的决策。
（3）贝叶斯推理：对所提取的药物用式（2）与（3）计算药物的条件概率，并对药物列表排名。
（4）药物推荐：经过上述计算步骤后，便可以取得对当前患者可能适用的药物列表，推荐的医疗处方由式（4）所示，其结果由多种药物组成的药物列表。
为了更好地对比算法，本文列出了三种不同的推理算法在不同数量案例情况下准确率。图3描述了一种药物下的准确率，图4描述了两种药物下的准确率。
通过调查研究发现，高血压患者很少同时服用四五种药物，一般情况下服用的药物均为一到两种。实验表明，在药物推荐准确率上本文所提出的混合推理算法在均高于单一使用案例推理，以及贝叶斯算法，因为该混合推理算法集成了二者的的优点。另外，从实验结果可以发现，两种药物推荐的准确率比要高于一种药物的推荐，这主要是由于使用联合用药的患者还是少数，大部分只服用一种药物，通过两种药物的推荐匹配成功的可能性大大增加。
5 结论（Conclusion）
本文在对高血压研究的基础上，提出了一种药物推荐的混合推理模型。研究表明，在药物推荐的准确率上，本文所提出的混合推理模型相比于案例推理以及贝叶斯推理均有所提高，该模型对辅助医师开具高血压治疗药物有一定的指导意义。
参考文献（References）
[1] 刘力生，王文，姚崇华.中国高血压防治指南（基层版）[J].中华高血压杂志，，18（1）：13-16.
[2] Michel Burnier，Gregoire Wuerzner， etc.Measuring， Analyzing， and Managing Drug Adherence in Resistant Hypertension[J]. Hypertension，2014.
[3] 吴昊，谢红薇.基于本体和案例推理的高血压诊疗系统的研究[J].计算机应用于软件，，30（12）：155-158.
[4] 黄飞.高血压患者心血管风险水平智能分层系统[J].科学技术与工程，2014，14（7）：204-209.
[5] 曹小凤.基于遗传算法的药物疗效评价模型研究[J].软件工程，（5）：39-42.
[6] 张薇，何瑞春.基于案例推理的交通疏导辅助决策方法[J].计算机工程与设计，2014（10）：3621-3625.
[7] Alaa Saleh Altheneyan，Mohamed El Bachir Menai.Naive Bayes classifiers for authorship attribution of Arabic texts [J]. Journal of King Saud University Computer and Information Sciences，2014 （26）：473-484.
[8] Wang K，Khan M M H.Performance Prediction for Apache Spark Platform[C].IEEE International Conference on High PERFORMANCE Computing and Communications.IEEE， .
[9] Aronow W S.Treating hypertension and prehypertension in older people：When，whom and how[J].Maturitas，2015，80（1）： 31-36.
作者介：
曹小凤（1989-），女，硕士，助教.研究领域：数据挖掘，人工智能，机器学习.
基于实力的推理 篇3
摘要：随着经济的发展和社会的进步，尤其是网络信息技术的发展与进步，深刻的改变了设计工作者的方式与流程，设计工作的理论与方式正在经历着深刻的变革。本文主要就案例推理的相关理论、基于案例推理的建筑方案设计流程两个方面的内容进行论述。
关键词：案例推理；相关理论；建筑方案设计流程
随着网络信息技术的发展，案例推理的方式在建筑方案设计中具有非常大的应用潜能与功效。比如：对于建筑设计流程的模式以及发展的方向能够进行科学的探索，对于于建筑设计流程的模式以及应用过程中的问题可以进行有效的解决。因此，为了提升建筑方案设计工作的质量与效率，解决一些关键性的问题，我们需要在建筑方案设计工作中应用案例推理的方式。所以，我们需要对于案例推理的有关理论、基于案例推理的建筑方案设计流程问题进行全面客观的研究与分析工作，提升建筑方案设计工作的效率和质量，使其在建筑工程中发挥出更大的效果与功能，对于保障建筑工程的质量与安全做出一定的贡献。
一、案例推理的相关理论
（一）案例推理的概念
案例推理是一种首先在人的头脑中形成回想的机制、然后分析与找寻有关问题的相近解决方案、然后将有关的知识应用到需要解决的问题中。简而言之，案例推理是将人记忆中的设计项目的解决方式进行提取与推演，从而对于新设计项目的问题进行有效解决的一种方式。
（二）案例推理理论的基本原理
案例推理理论的原型最早是美国的人工智能专家罗杰教授提出的。其在今后的几十年中已经在众多领域中进行了比较广泛的应用。比如：法律、医疗、经济、咨询、军事、教育等等。对于当代的建筑方案设计流程工作来讲，这种案例推理的方式的应用具有非常大的意义。比如：优化有关设计方案的流程、提高设计流程的质量与效率。就具体的应用步骤来讲，需要运用三种方式进行设计流程方案的优化控制。第一，提出设计的问题。第二，给出设计问题的建议答案。第三，对于建议答案的缺点与优点进行有效的识别[1]。
二、基于案例推理的建筑方案设计流程
（一）修正设计方案
进行设计方案的修正工作需要通过三个步骤完成。首先，需要对于案例推理中的案例进行有效的修正。比如：就应用的效果而言，利用现代的网络信息技术检测与寻找到的相关案例会直接影响到建筑方案设计工作的质量与效率。而这些寻找到的相关案例往往具有理想化的特点，与现实具有一定的差距。因此，我们需要对于相关的案例进行有效的分析与归纳工作、使其对于案例推理中的案例具有重要的参考价值、对于需要应用的建筑方案设计工作中的案例进行有效修正。具体来讲，我们可以通过两个方式进行有关的修正工作。一种方式为对于设计系统进行有效的修正。另一种方式为对于自动设计系统进行有效的修正。克罗德纳在1993年提出了进行案例修正的一些具体的方法。比如：置换法重建、参数调整、局部搜索、记忆质询、专项研究、基于案例的置换、知识转化法、基于模型的修改、特殊目的修改与改编、诱导。其次，进行案例推理设计方案的修正观察实验，应用成功的案例对于现阶段的建筑方案设计工作进行有效的借鉴。比如：某图书馆一共有5层、具有众多的功能、我们需要对于其所处的位置、地段、周围的环境等进行综合性的研究与考察。最后，对于建筑方案设计工作进行全面的修正。比如：对于实验中收集的声音、图片、信息、影像资料等进行全面的开放性编码设计，运用有效的构思对于这些资料进行科学的整理与归纳，最后进行有效的提炼与整合，再通过质询功能的运用完成有关的修正工作[2]。
（二）保存设计方案
保存设计方案主要通过两个方面的工作来进行。第一，需要对于案例推理中的案例进行有效的保存。比如：修改之后的案例源是一个新的资源，我们需要对于其进行有效的保存，以便于其对于今后的工作进行有效的指导，促进建筑方案设计流程的优化，提升有关工作的质量。比如：可以通过新增的方式将修改后的案例保存在原有的档案库中，增加案例档案的数量。通过置换的方式将修正后的案例替换原有的档案，使得档案库的容量保持不变。第二，需要对于案例推理中的设计方案进行有效的保存。首先，遵照差异化的原则进行有关的设计方案保存工作，体现出方案库的特殊性。其次，需要对修改完成的设计方案与档案库中原有的方案进行比较分析，明确各自的优缺点，进行差异化的保存，并且进行优缺点的注明，以便于对今后的工作带来方便[3]。
（三）基于案例推理的建筑方案设计流程框架的建立与前景展望
基于以上修正与保存工作，我们需要对基于案例推理的建筑方案设计流程建立应有的框架。具体来讲，需要进行以下的工作。第一，得到新的设计要求与任务条件之后，需要对于任务进行有效的分析、并且对于建筑方案设计的有关问题提出有效的方案。第二，从档案库中进行相似档案的搜索与调取。第三，对于不满意的调取方案进行关闭，重新进行有关的检索。第四，依据相似的案例运用修正方案的策略进行提出方案的修正工作。第五，对于新生成的方案进行差异化的比较与分析。第六，对于形成的设计方案保存在原有的方案资料库中，以便于今后进行查找与检索工作。以上的流程我们概括起来就是从设计概念、总平面、平面、造型立面先进行设计问题的分析，从相似案例、是否满足要求进行方案的设计问题解决；从修正策略的应用中进行设计方案的修正，然后通过差异化的比较与分析之后就可以进行设计方案的保存工作[4]。以上的分析与论述工作，仅仅是从理论上进行案例推理的探讨，这种方式的应用需要在今后具体的实践工作中进行进一步的检验，对于存在的缺点与不足进行实踐化的改进，提升其质量与效果，可以使案例推理在更多领域中进行高效化的应用，让其对于经济的发展与社会的进步做出重要的贡献[5]。
三、结语
对基于案例推理的建筑方案设计流程进行科学研究，有利于促进建筑方案设计工作质量与效率的提高，也有利于案例推理在众多领域中进行科学化的应用。
【参考文献】
[1]孟洁.基于案例推理的建筑方案设计流程研究[D].哈尔滨工业大学，2015.
[2]夏春海，朱颖心.面向建筑方案的节能设计研究——设计流程和工具[J].建筑科学，2015（06）：6-9+89.
[3]古美莹.建筑整体环境性能设计流程研究[D].华南理工大学，2014.
[4]王晶.我国居住地产项目规划与建筑设计流程研究[D].天津大学，2014.
[5]杨文杰.性能化建筑方案优化设计的概念、目标和技术[J].南方建筑，2013（01）：62-67.
作者简介：刘斯若（1983-），男，湖南常德人，大学本科学历，建筑学专业，中国建筑东北设计研究院有限公司。
基于定性推理的故障诊断综述 篇4
国外故障诊断技术的研究已有近40年历史。早在20世纪60年代末, 美国宇航局 (NASA) 创导成立了美国机械故障预防小组。以后, 各国政府机构和公司广泛成立组织, 召开会议, 开展研究工作;20世纪70年代末, 由于电子测量技术和频谱分析技术的应用, 故障诊断技术开始进入实际应用阶段;到了20世纪80年代中期, 随着传感器技术、信号处理技术以及计算机技术的发展, 现代故障诊断与预测技术逐步形成并发展起来;至20世纪80年代中期以后, 机械设备的大型化、复杂化以及连续高速运行的需要, 单靠信号处理和人工分析判断已难以实现在线的精确诊断。
1 故障诊断方法
故障诊断就是寻找故障原因的过程, 包括对各种检测、测量得到的信息进行监视、分析和判别, 并结合系统特性及历史数据对系统工作状态给出分析、评价的过程。故障检测与诊断技术为提高复杂系统的可靠性开辟了一条新的途径, 是解决系统的可靠性、安全性、提供科学决策的关键技术之一。
按照通行的分类方法, 故障诊断方法可以分为基于数据驱动的方法、基于数学模型的方法、基于知识的方法等三种类型。
(1) 基于数学模型的方法
利用观测器或滤波器对系统的状态和参数进行重构, 并构成残差序列 (或称新息序列) , 然后采用一些措施来增强残差序列中包含的故障信息, 抑制模型误差和扰动等非故障信息, 最后通过对残差序列的统计分析来检测出故障的发生并进行故障的识别。
(2) 不依赖数学模型的方法
除了基于数学模型的方法以外, 其它的诊断方法包括基于数据驱动和知识的方法都可认为是不依赖于数学模型的方法, 如专家系统故障诊断方法、神经网络故障诊断方法和基于定性推理的方法等。这些方法种类繁多, 每种方法中都有许多分支。
2 定性推理
其中基于定性推理诊断设备故障, 国内外学者已经进行了详细的研究, 并提出了很多方法。
(1) De kleer的envision方法:将每个物理过程视为一个复杂的物理设备 (device) 由一些部件连接构成, 约束条件由连接外的定性方程给出, 求解所有可能的行为状态。
(2) Forbus的定性进程方法:物理现象用一些相关的进程描述, 进程由个体, 前提条件、量条件 (quantity conditions) 、关系和影响 (influences) 构成, 其工作过程是每个不同进程的激活 (active) 和停止 (inactive) 的过程。
(3) Kuipers的定性仿真方法:用部件参量及相应的一组定义在数量空间的定性约束描述系统结构, 从某一出事状态出发, 推衍各种可能的后继状态。
(4) Iwasaki和Simon的因果顺序方法 (theory of causal ordering) , 他们讨论如何在非因果数学关系模型中进行因果推理。
3 基于定性推理故障诊断方法
当一系统各变量值均为其正常期望值, 其导数亦为零。此时系统各变量的定性状态为q S (fl, t) = (正常期望值, 稳定) , i:1, 2, …, m, m为系统变量数。一旦系统出现故障, 其状态变量的值将会发生变化, 故障诊断任务巾, 状态变化的最重要定性特征为增大、减小或无变化这个重要的量化空问仅包含三个值:+、-和0。定性分析中, “x增大”披表示为[dx/dt]+, 为表达简单起见将[dx/dt]记作△x。研究故障与状态变化间的关系将是故障诊断的关键。
一般而言, 不同的故障将会造成不同的状态变化, 系统状态的变化受变量问的约束限制, 而表现出一定的规律性。据此我们可根据系统的定性模型, 利用定性仿真技术, 对每个预先设定的故障, 确定其过程变量的定性状态, 井进一步构造故障决策表, 由该表即可容易地确定故障的决策规则。
4 定性推理的应用
为了说明定性推理的应用, 举一个简单的例子。见图1所表示的水槽离心泵控制系统。该系统由一个开口水槽、一台离心泵、一个调节阀 (VI) 、一个手动阀 (V2) 、和若干管道组成。其中, 水槽的液位由一个单回路控制器 (LIC) 控制, LS是液位变送器, 上游入口流量为Fl, 下游出口流量为F2, 离心泵出口压力为P。图2是该系统的SDG模型, 节点表示过程系统中的物理变量 (如流量、液位、温度、压力和组成等) 、操作变量 (如阀门、开关等) 及相关的仪表 (如控制器、变送器等) , 实线表示增量影响, 虚线表示减量影响。
SDG中所有节点在相同时刻状态观测值的集合称为一个瞬时样本 (pattern) , 如果样本只包括“+”、“-”或“0”三种状态符号, 称为三级量空间SDG样本。在三级样本中, 节点所表示的变量超过了上限阂值 (threshold) 取“+”号, 超过了下限阐值取“-”号, 在上、下限之间为正常状态, 取“0”符号。
SDG模型看似简单, 它却能够表达复杂的因果关系, 并且具有包容大规模潜在信息的能力。以图2所表示的SDG模型为例, 令图中的每丫个节点都表示一个物理变量, 并且都按空间定义取“+”、“-”、“0”三种状态中的一种, 其中某个节点取“+”值表示该物理变量超过了允许的上限, 取“-”值表示低于允许的下限, 取“0”表示变量处于正常范围。图2所示SDG模型中所有节点取不同量空间值的瞬时样本组合数为2187个 (37=2187) .
节点组合的样本总数Pmax由公式Pmax=3n计算, N为节点数。由于有向支路的约束, Pmax计算时节点之间的位置不能调换, 因此, Pmax的计算符合“密码锁”的规律。如果仅就SDG模型表达能力而言, 支路也有包含信息的能力, 支路有两种取值状态, 增量影响与减量影响, 设支路总数为M, 则样本总数可用公式Pmax=3n·2m表达。对于图2所示的例子, 样本总数为559872个。通过这一计算充分说明SDG具有包容大量信息的能力。
5 结束语
基于实力的推理 篇5
关键词：软实力；战略公关；传播；策略
企业“软实力”是企业主体通过企业对特定资源的占有、转化和传播，吸引企业利益相关者等客体，以获取他们的价值认同，使他们产生企业所预期的行为，最终达到企业目的的一种能力。研究我国企业“软实力”如何能够得到提升，并通过“软实力”的提升来增强企业竞争实力，是帮助我国企业在全球竞争中立于不败之地致胜法宝，是顺应企业现代化发展趋势的客观要求。
战略公关是一个组织为了实现其长远发展的目标，以对象为主体，以受众为导向，通过整合各种资源，与各方利益相关公众进行双向对称沟通，以达到企业无形资产的积累，是面向未来、具备高度战略性策划的一项管理职能。
战略公关的传播是企业软实力提升的重要策略，从企业整合各种资源开展对外传播的角度，作者将战略公关中的策略管理具体划分为目标公众分析、传播体系建立、战略沟通以及关系管理四个环节。
一、目标公众
战略公关的目标公众应当包括所有对企业的长远发展有重大影响的利益相关群体。弗里曼对利益相关者理论做了较详细的研究，他认为“利益相关者是能够影响一个组织目标的实现或者能够被组织实现目标过程影响的人”。这个定义不仅将影响企业目标的个人和群体也看作是利益相关者，同时还将在企业为实现企业目标所采取的行动中受影响的个人和群体也看作是利益相关者，正式将当地社区、政府部门等实体纳入利益相关者的研究范畴，大大拓宽了利益相关者的内涵。利益相关者除了股东、员工等内部公众之外，绝大多数属于企业外部公众范畴，包括供应商、竞争者、消费者、媒体、政府以及公众利益群体等。
从战略角度分析公共关系活动受众，超出了“低比例尺”公共关系活动的高度，在受众的判断上具有更宏观性。企业对外部公众进行有效战略传播，旨在将企业精神与经营理念外化，从而为企业发展创造良好的外部环境与舆论氛围。要想达成公众与企业的相互理解(并非一定是认同)，企业首先要清楚各个公众或利益相关群体需要知道什么、分别由什么样的人员构成，可以从“对组织议题设置的兴趣”和“对组织行为的影响力”两个角度将受众群进行划分。根据这些情况，制定组织的传播战略，然后在一个整体性的沟通定位的框架下，确定对各个特定公众的沟通目标。这样不但可以避免沟通过程中出现混乱，而且还可以保证沟通信息之间的相互协调。这种由公众开始、由外向内的分析方法可以帮助企业全面、准确地设计它的传播体系。
二、传播体系
传播体系是指对企业外部传播媒体、传播内容、传播时机、传播地点的选择和设计。当消费者不能亲临企业现场和接触企业人员，甚至还没有购买企业产品时，传播体系就成为消费者了解企业，并形成对企业认知的唯一途径。这里所指的传播，不仅仅是简单的对于产品或服务的广告和营销，更重要的是对于企业理念、价值观等软资源的推广和宣传。企业文化是企业“软实力”的重要来源，如果不经过传播，不得到客体的认知和认同，那么就只是企业潜在的“软实力”。只有把潜在的“软实力”转换为现实的“软实力”，才能让企业“软实力”的作用真正得以发挥。企业对外传播策略要把握协调一致的原则，这也是公共关系的基本任务之一，即让企业的各个部门用“同一个声音”说话，确保传播信息和口径的整体协调。与此同时，传播信息还必须根据不同公众的特点进行创造性的调整，以确保能够为后者理解。这就要求，公共关系战略必须解决如何将所有相关的公共关系活动为一体的问题。就目前而言，实现这一目的的最实际有效的方法就是根据对公众或利益相关者的分析来设计公共关系活动。通过与利益相关者的互动，主动传播企业理念、价值观等观念形态和软资源，分享企业主体“软实力”资源，从而引致不同客体的认同，达到企业预期行为，最终实现企业潜在“软实力”向现实“软实力”的转换。传播体系的构建要符合企业整个CIS战略，目标是最大限度地提升企业的知名度和美誉度。
三、战略沟通
企业是企业“软实力”的主体，信息传播的发起者，如何使企业处于良好的生态环境，使企业的利益相关者对企业产生正向评价，产生企业预期的行为，从而促进企业健康与持续的发展，取决于企业主体依据客体对各种信息的认知处理规律进行的有效传播与互动。
各家公司都有不同的群体需要与之沟通，而公司的沟通必须是针对这些群体的诉求而展开，将信息化整为零，旨在向每个群体传达整体战略中的特定内容。战略沟通目的不只是依靠短期的谋略来实现宣传的目的，而是应该在关注影响公司的长远问题的基础上，去满足短期需求。然而，许多公司对关键群体的沟通问题采取的是战术性的、短期的策略，这种做法既缺乏战略眼光，又可能和公司的战略产生冲突，甚至阻碍其实施。
随着公司规模的扩张和业务的增加，企业会面临更多的市场、客户、产品、服务、员工、供应商和投资人等等，制定统一的沟通战略会变得更为至关重要，因为它必须和越来越多不同的群体进行沟通，并且与他们保持密切的关联。在这种需求下，整合传播理论应运而生。整合营销传播的产生是对20世纪90年代以来市场变化与信息环境的一种回应，其理论核心即借助全面的接触达成与相关利益群体的有效沟通。把IMC理论应用到企业战略层面上加以调整，进一步扩展为整合战略传播，即建立在企业对顾客以及顾客对企业的双向认同基础之上的，在企业统一的沟通战略指导下，通过传递过程中的反馈实现的双向互动交流，旨在创造有利的企业生存环境，进而实现企业的长期发展战略。
四、关系管理
在当今社会，人们发现决定一个企业经济增长状况的往往不是物质资本或人力资本，而是其他的非经济性资源。对此，社会学家们提出了社会资本的概念，即进入经营过程，对企业价值发生影响的社会资源。不同企业拥有不同的基于社会资本的关系能力。社会资本的不可模仿性源于社会资本不同于经济资本的互动性、不可转让性、具体性、整合性、信任性、合作性与赠与性等特征(见下图)。此关系越是复杂，就越有可能成为企业核心能力的来源。
本文所提及的关系管理具体指的是对于企业社会资本罗盘中企业大客户价值链的管理，亦即对企业的主要利益相关公众的管理。一般地，一个企业所面临的社会公众主要有八类：④金融类公众(含股东、银行家与投资机构、金融分析人)；⑦前向顾客(含消费者、销售商)；③后向供应商；④竞争者；④互补者；⑥地方社区(含家庭)；⑦政府；⑧大众传播媒介。针对不同类型的公众进行关系管理，主要可以采取以下8种策略：(1)合作竞争关系，(2)战略伙伴关系；(3)外包和OEM；(4)政府关系；(5)金融关系；(6)媒介关系；(7)社区关系；(8)消费者关系。
五、结束语
基于遗传算法的知识推理研究 篇6
1 掌握学习理论
掌握学习理论是美国著名教育学家布卢姆在卡罗尔的“学校学习模式”的基础上提出的，关于教学系列化和管理结构化研究的一种个别化教学理论[2]，“矫正-反馈”系统是掌握学习理论的一大特色[3]。布卢姆认为在教学前和过程中应及时对学习者进行评价，这样才能给学习者呈现最有益的学习序列，做到因材施教。
2 课程难度
本文选取难度值较低的课程作为起始课程，这一做法符合了学习认知理论的循序渐进原则。首先由课程专家依据李克特氏5点量表对课程的难度系数进行初始化，然后根据学习者反馈信息调整课程难度参数[4]。因此，课程的难度系数逐渐趋于合理和稳定，能有效降低部分学习者的异常反馈信息，具体计算公式如下所示：
其中bj(tuned)是专家预设和学习者投票线性组合后的第j个课程自适应调整的难度参数;bj(initial)是由专家所给定的第j个课程的难度初始值;bj(voting)是由学习者在测验后投票出的第j个课程的平均难度;w是调节权重，可以随课程类型变化而变化。
3 课程相似度
从认知能力发展的角度来说，相近的课程更方便学习者完成知识的同化与顺应。为了呈现符合学习者认知能力背景和需求的最佳学习路径，课程的相似度就成为了重要的课题。
为了便于计算课程的相关性，我们使用向量空间模型(VSM)[5]对课程进行建模。令A=(A1,A2,⋯,An)表示由m个知识点术语构成的n个课程文档集合，其中Aj=(A1j,A2j,⋯,Amj)T是课程文档向量，Aij表示知识点术语i在课程文档j中的信息权重。
假设课程i和课程j的知识点术语集合的个数为n。课程i和j的相似度rij可以用余弦度量法来计算：
4 基于遗传算法的知识推理模型
基于遗传算法的知识推理模型如图1所示，其主要步骤如下：
1)由有经验的教师作为专家依据教学目标对每个课程设计相应的测试题目;
2)学习者进行测试得到相应的评估数据，即：学习者需要的课程以及课程难度系数;
3)分析模块将各课程的专家预设难度系数与学习者投票得出的难度系数进行线性调整，得出各课程的难度系数;
4)系统将学习者需要进行校正活动所对应的课程难度系数和课程之间的相似度系数送到基于遗传算法知识推理模块，为学习者推荐最优个性化课程序列。
5 基于遗传算法的推理模块
5.1 基于传统遗传算法的知识推理
1)染色体编码方法
假设课程库共有n个课程，给每个课程分配从1到n的序号[6]。每个课程分配的序号与其后续课程的序号相结合形成的染色体代表了个性化课程学习路径。
2)初始化种群
该文将生成一个以难度值最低的课程作为起始基因，由随机函数随机产生其它课程序列的初始种群。
3)选择算子
采用轮盘赌选择算子来完成选择操作。
4)交叉算子
采用两点交叉算子的变形，区域交叉算子[7]，作为交叉操作的方式。
5)变异算子
采用倒置变异[8]算子，也就是逆转变异算子作为变异操作的方式。
6)适应度函数
该文把个性化学习路径上的所有相继课程染色体之间的相似度系数之和作为适应度函数。染色体的适应度函数值越高,所得染色体越优越。推荐的适应度函数定义如下:
其中，r(i-1)i代表了连继的两个课程的相似度，n代表了所需考虑的总课程量。
7)仿真实验与分析
计算机的实验平台是：处理器Intel(R)Core(TM)Duo T57502.0GHz 2.0GHz，内存3.0GB，操作系统Windows 7，在Matlab R2009a对知识推理实现仿真：假设一个学习者在诊断性测验或形成性测验中不正确检测项目数为10，其错误项目相对应的课程之间的相似度及课程本身的自适应调整难度参数如表1所示：
Pc为0.90;Pm设定为0.01;初始种群为100;迭代次数为150。
实验发现：基于传统遗传算法的知识推理算法最快迭代48次就能收敛到全局最优解，最慢迭代96次才能收敛到全局最优解。
图2是适应度函数图，其中圆圈所在的曲线代表了适应度函数最高值随着遗传迭代次数变化的曲线，方块所在的曲线代表了适应度函数平均值随着遗传迭代次数变化的曲线。
接下来，我们用表2来展示采用基于传统遗传算法的知识推理算法所寻找的最优个性化学习路径，并对路径中前后连续课程之间的相似度和课程本身的难度系数进行说明。
5.3 基于改进的遗传算法的知识推理
该文所提出的改进遗传算法与传统遗传算法的区别之处在于选择算子、交叉算子、变异算子和各遗传参数的不同，初始化、编码和适应度函数两者是一致的。
1)选择算子
中国计量学院的学者提出了两次最优个体保存法[9]，实验证明该方法能加快坐标测量系统的标定过程且算法精确。该文对两次最优个体保存法进行改进，提出了三次最优个体保存法和排序选择相结合的选择算子，即：在初始化、交叉后和变异后三次使用最优个体保存法，最后使用排序选择算子将对种群实施优胜劣汰的操作。
实验发现：新选择算子的遗传算法最快迭代10次就能收敛到全局最优解，最慢迭代30次也能收敛到全局最优解，其适应度函数图如图3所示。
2)交叉算子
厦门大学的学者提出将贪心算法引入到遗传算法的交叉算子[10]中，有效解决了TSP问题中的群体多样性和收敛速度的矛盾。该文将区域交叉算子换成基于贪心算法思想的交叉算子，即：在父代课程染色体p1、p2中分别找到交叉点的右或左课程基因cr1、cl1和cr2、cl2，选择与交叉点相似度系数大的课程基因作为下一课程基因以及新的交叉点。
实验发现：新交叉算子的遗传算法最快迭代45次就能收敛到全局最优解，最慢迭代100次才能收敛到全局最优解，其适应度函数图如图4所示。
3)变异算子
该文试着采用贪心算法和Inver-Overt算子相结合的变异算子操作方法，即每次选择的两交叉点的相似度是最大的。
实验发现：改进了变异算子的遗传算法最快迭代25次就能收敛到全局最优解，最慢迭代100次才能收敛到全局最优解，解空间分散的比较均匀，其适应度函数图如图5所示。
4)仿真实验与分析
下面我们应用Matlab对整个改进遗传算法的知识推理进行仿真实验，换言之，在与传统遗传算法知识推理中设定的一致情境中为学习者找寻一条符合其知识能力背景和需求的个性化学习路径。
Pc为0.90;Pm设定为0.01;初始种群为100;迭代次数为100。
实验发现：使用基于改进遗传算法的知识推理算法可以5次得到全局最优解6.4070，其它的解均可看成是近似最优解，其适应度函数图如图6所示。
综上所述，结合文中两种知识推理算法所进行的仿真实验，我们可以得到如下结论：使用改进的遗传算法的知识推理算法所得到的结果要明显好于使用传统的遗传算法的知识推理算法所得到的结果。前者的收敛速度更快，且产生的解空间均可看成近似最优解，解空间的染色体适应度函数值远高于后者。
6 结束语
该文提出了基于遗传算法的知识推理模型，该模型能为学习者推荐符合其知识能力背景和需求的，以难度参数值最低的课程起始的、课程序列的相似度系数之和达到最大值的个性化学习路径，为构建个性化学习服务的智能教学系统提供了支持。
摘要：该文提出了一个基于遗传算法的知识推理方法,它将为学习者构建一条最优个性化学习路径。通过在matlab R2009a中进行仿真,发现采用了最优个体保存方法、排序选择算子和与贪心算法相结合的交叉算子、变异算子的遗传算法的收敛速度要远快于传统的遗传算法,其知识推理过程中综合考虑了课程的难度系数和相似度。
关键词：遗传算法,贪心算法,知识推理
参考文献
[1]赖丁R.认知风格与学习策略[M].庞维国,译.上海:华东师大出版社,2003:128.
[2]吴杰.外国现代主要教育流派[M].吉林:吉林教育出版社,1989:345-346.
[3]张春玲.对布卢姆掌握学习理论的再认识[J].洛阳师范学院学报,2001(1):80-82.
[4]Chen C M,Lee H M,Chen YH.Personalized e-learning system using Item Response Theory[J].Computers&Education,2005(44):237-255.
[5]陶跃华.基于向量的相似度计算方案[J].云南师范大学学报,2001(9):17-19.
[6]Huang M J,Huang H S,Chen M Y.Constructing a personalized e-learning system based on genetic algorithm and case-based reasoning ap proach[J].Expert Systems with Applications,2007(10):551-564.
[7]蒋望东,林士敏.基于选择性集成的整数编码遗传算法及TSP问题求解[J].计算机与现代化,2007(5):38-43.
[8]高经纬.求解TSP问题的遗传算法实现[J].计算机时代,2004(2):19-21.
[9]王学影.关节臂式坐标测量系统关键技术研究[J].中国计量学院学报,2010(3):12-15
基于实力的推理 篇7
一、数学猜想的有效路径
数学猜想思维是通过一定的思维方法进行的。数学猜想思维的基本方法是学生数学猜想思维能力的基本要素。在数学教学中, 要培养学生的数学猜想能力, 就一定要帮助学生掌握数学猜想思维的基本方法。
(一) 通过归纳进行数学猜想
“归纳猜想”依据逻辑学观点, 是选取个别性知识做前提所推出一般性结论的猜想。小学阶段, 教师可以通过实例激发学生对“猜想”的兴趣, 并以合情推理进行探索, 归纳猜测出数学结论, 且可证明结论正确。数学中很多著名定理皆采取不完全归纳法先发现后证明。比如, 哥德巴赫 (德国著名数学家) 由3+7=10、3+17=20、13+17=30等算式发现两个奇素数之和等于“偶数”, 哥德巴赫进行深入探索, 发现:6=3+3;8=3+5;10=3+7=5+5;12=5+7;14=3+11=7+7;16=3+13=5+11。于是, 哥德巴赫得出:任何不小于4的偶数都可以写成两个素数相加的形式。此即为著名的“哥德巴赫猜想”, 虽然迄今还是一个猜想, 可数学家们在此猜想证明的活动中, 发现及发明了很多的数学定理, 为“数学发展”及“社会发展”作出巨大贡献。在实际教学中, 教师也可以依照教学内容对学生进行“归纳猜想”训练。比如, 教学“多边形的内角和”时, 可由内角和为180°的三角形入手, 从而得出四边形内角和为360°、五边形内角和为540°。进而令学生直接猜想九边形内角和是多少度, n边形内角和为多少度, 并进一步启发学生验证自己的猜想。
(二) 通过联想进行数学猜想
联想猜想, 由“熟悉与陌生”彼此沟通联系, 也已成为思考解决新问题的手段与策略。比如, 教学“三角形面积公式”之后, 学生可通过对比轻松地猜测出“梯形面积公式”的推导方法;在学习“圆柱体积公式”推导之时, 可启发学生对“圆面积公式”推导方法展开联想猜想。比如教学中常见的一个例子:已知甲、乙、丙三人中仅一人会开车。甲说:“我会开汽车。”乙说:“我不会开车。”丙说:“甲不会开车。”若三人仅一人说的是真话, 那么谁会开车呢?教师让学生展开联想:甲说:“我会开车。”丙说:“甲不会开车。”甲也许会开车, 也许不会开, 甲与丙肯定有一人讲的是真话。若三人中仅有一人说真话, 此人又在甲与丙中, 那么乙说的是假话。因为乙讲的是“我不会开车”, 因此会开车的是乙。通过上述例子, 让学生大胆展开联想猜想, 只要学生找对知识生长点, 即可充分发挥联想猜想在数学学习活动中的价值。联想猜想, 是展开数学学习的关键模式, 是培育学生良好的“思维品质”的主要方法。
(三) 通过类比进行数学猜想
类比猜想, 是指依据一类事物具有的某种特质, 得出与其相似的事物亦应具有此种特性的猜想性判断, 是以对比为基础的由特殊至一般的联想手段。类比猜想是“由此及彼”及“由彼及此”的联想手段, 具有启发思维、提供线索、触类旁通的作用, 对发展思维及创造思维非常有益。与归纳相同, 类比在小学数学活动中不难发现。通过类比, 由加法、减法运算定律极易联想到乘法、除法的运算定律, 由除法各部分彼此关系, 也能联想到分数的基本性质等。并且, 类比猜想是系统掌握新知识、巩固旧知识, 让新旧知识融会贯通的主要手段。实践教学活动中, 教师可有意诱导学生关注知识彼此的对比。如“分式与分数”“分数和除法”“乘法与加法”等的类比。巩固旧知识, 发现新知识, 极大提升学生的学习效能。另外, 教师可将“需解决的问题”和类似“已解决的问题”展开对比, 让学生进行猜想。比如, 教学“3的倍数特征”之时, 一般先让学生由“2与5倍数特征”猜测3的倍数也许会有何特征。在“2与5倍数特征”的思维定势下, 学生一般会有个位是“3、6、9”的数皆为3的倍数的猜测。此时, 教师不需急着否定学生的猜测, 可给出“13、23、16、76、19、89”一组数据让学生观察、验证, 创设认知冲突, 调动学生强烈的求知欲, 启发学生深入探究。
当然, 规律的发现本身就是一个不断更新的过程, 以上举例只是沧海一粟。在教学实践中, 学生的猜想可能貌似天马行空, 毫无路径可言, 但未必就不是一种新思考路径的产生。所以, 教师在教学中要持有开放的心态。
二、数学猜想教学的若干建议
数学是猜想最活跃的领域之一, 猜想在数学中作用甚大, 利用它可以发现解题思路, 发现新原理、新公式等。因此, 在小学数学教学中, 教师要创造机会让学生大胆猜想。下面结合自己的教学实践谈一点教学建议。
(一) 依据直观教学, 诱发猜想欲望
小学生以形象思维为主。在小学数学教学中要充分利用直观教学手段, 让学生在观察或动手中, 诱发他们的猜想欲望。如在教学“圆柱体侧面积”时, 教师可以让每个学生在课前都准备好一张标有长、宽数量的长方形纸, 在课堂上指导他们通过下面的操作过程来探究知识, 寻找规律。首先, 先让学生将长方形的纸卷成圆筒状, 再推平, 这一卷一推, 就使学生发现, 一个圆柱的侧面经过展开 (推平) 可以转化为平面图形 (长方形) 。其次, 让学生重复上面的实验, 并仔细观察这个长方形的长和宽与卷成的圆柱形各部分之间的关系。学生通过观察和操作, 得到了感性知识, 并逐步上升为理性认识。在此基础上, 让学生大胆猜想, 寻找圆柱形的侧面积公式。如果有部分学生不能猜得结果, 那么可让他们做下面一组题:把圆柱的侧面 () 得到一个长方形, 这个长方形的长等于圆柱的 () , 宽等于圆柱的 () , 因为长方形的面积等于长乘宽, 所以圆柱的侧面积等于 () 。这样, 这部分学生也能得到圆柱形的侧面积公式了。至此, 学生的求知欲望完全被激发起来了, 教师就很自然地过渡到新课的教学上来。
(二) 借助经验, 培养猜想能力
苏联的克鲁捷茨基在《中小学数学能力心理学》一书中举了这样一个例子:有一位学生在做题“四根管子通向水池, 第1、2、3号管打开后, 水池12分钟可以灌满;第2、3、4号管打开后, 水池15分钟可以灌满;第1、4号管打开后, 水池20分钟可以灌满。如果四管同时打开, 问水池需要多少时间可以灌满?”时, 起初试着用列方程的方法去解, 结果没有解出。然后, 她突然有所领悟:“管子的两倍, ……一分钟可灌满水池的……一组管子每分钟灌满水池的。于是10分钟可以把水池灌满。”这一解答, 连她本人也说不上是怎样想出来的。这种情况教师或许碰到过, 学生或许也碰到过。无一步一步的分析, 无清晰的推理步骤, 而对问题突然间的领悟、理解或给出答案, 有时会让人欣喜若狂。在教学中, 教师要让学生用熟悉的知识和经验联系、类比不熟悉的知识, 从已有知识经验中获得对新知识的启示, 使之顿悟, 培养学生的猜想能力。
(三) 利用推理, 验证猜想结果
在综合性很强的数学情境中, 固然需要对问题实质进行大胆的猜想, 然而, 猜想毕竟是猜想, 它不一定是正确的, 还需要利用推理进行验证。因此, 在小学数学教学中, 教师要注意把猜想训练和逻辑思维训练有机地结合起来。
由于小学生受知识和逻辑思维能力的限制, 小学数学中有许多结论是不加以证明的, 这给猜想的验证带来一定的困难。但教师要给学生对某一问题的猜想作出明确的表示, 让学生信服为什么猜想是正确的或是错误的。尽管猜想在解决问题时能发挥特有的作用, 产生新的奇妙的数学意境, 但它不是解决一切问题的“灵丹妙药”。在小学数学教学中, 教师要根据教学内容恰当运用猜想, 片面强调猜想是失之偏颇的。
基于模糊推理的绿色施工方案评价 篇8
路堑边坡是在山区修筑公路、铁路常见的典型岩土工程问题, 路堑施工对环境的影响主要有自然环境、社会文化环境和经济环境。本文以路堑边坡施工为例进行绿色施工评价探讨, 根据绿色评价指标确定路堑边坡的绿色施工方案。相关文献提出了一些绿色施工方案的评价方法和原则, 但也存在着一个问题, 即方案评价影响因素权重的确定。传统的方法是由专家确定或通过AHP法确定, 然而, 在一些实际的系统中, 专家往往无法凭经验衡量各项指标的相互重要程度, 只能给出这些定性变量一个大致的范围, 如“较差”、“很好”、“重要”等, 而已有的一些权重确定方法又有其局限性。本文将模糊逻辑控制的原理[4], 应用于路堑边坡绿色施工方案的评价问题, 并通过一个实例对该方法进行了验证。
一、模糊逻辑控制系统的组成
模糊逻辑控制系统主要由模糊化、知识库 (含数据库和规则库) 、推理决策和精确化计算四部分组成, 完成模糊化、模糊推理 (利用知识库) 和精确化三个过程的任务。
(一) 模糊化。
模糊化就是把精确数字转化为模糊数的过程。为了实现这个转化, 首先应该把观测值论域上的语言变量表示成模糊集, 其次要确定相应的隶属函数。为了计算简便, 一般采用三角形隶属函数。例如, 将衡量权重的语言变量“很不重要”、“不重要”、“一般”、“重要”、“很重要”分别用模糊集NV、NI、ZE、PI、PV表示, 则在某论域U=[0, 1]中, 模糊集可以分别描述成 (0, 0, 0.25) , (0, 0.25, 0.5) , (0.25, 0.5, 0.75) , (0.5, 0.75, 1) , (0.75, 1, 1) 。其隶属度函数如图1所示:
(二) 模糊推理。
模糊推理是根据知识库中的知识来进行推理的过程。其中知识的表示方法多为启发式方法, 即形如“IF x1 is X1 AND x2 is X2 ……, THEN y1 is Y1”的形式 (其中x1, x2为自变量, yl为因变量, Xl, X2, Y1分别为各变量对应的模糊集) 。实际上, 这一过程也可以看作一个函数映射关系, 即由输入的模糊数得到一个输出模糊数。假如已知输出、输入变量间的模糊关系为undefined时, 则当输入模糊数为undefined时, 有输出模糊数为undefined, 其中, 表示模糊数的乘积运算, 它的具体算法可以自行定义, 如取小运算或通常的数乘运算。
undefined
(三) 反模糊化。
这是将模糊数精确化的过程, 因为在控制中往往需要的是精确的输出控制量。反模糊化的方法很多, 如最大隶属度函数法、加权平均法、重心法等。
二、绿色施工方案评价方法
对施工方案进行绿色评价, 包括评价原则、评价指标体系以及评价方法[5]。
(一) 绿色施工方案评价原则。
1.保护环境的原则。
既满足施工需要, 又合理地使用自然资源和能源, 并保护环境的实用施工方法和措施。施工对环境的影响主要有自然环境、社会文化环境和经济环境。自然资源主要包括大气质量、水资源、土壤和地质、生态资源、植被等;社会文化环境主要包括土地使用、房屋拆迁、对相邻道路及建筑物的影响、噪声与振动、学校、文化娱乐、公园、历史文化古迹、国防设施、景观等;经济环境主要包括施工对周围经济发展、就业和居民收入、商业、公用事业、基础设施、造价及运营费用等。
2.减物质化原则。
减物质化与施工材料密切相关, 材料的绿色属性直接决定了施工方案及施工产品的绿色度, 因此必须仔细而慎重地选择和使用材料。实际施工中少用短缺或稀有的原材料, 多用废料、余料或回收材料作为原材料, 优先采用可再利用或再循环的材料, 例如路堑开挖的石碴用作路基填料或混凝土粗骨料;减少所用材料种类, 并尽量采用相容性好的材料, 以利于废弃后产品的分类回收;尽量少用或不用有毒有害的原材料。
3.与结构有关的原则。
结构设计是否合理, 对材料的使用量、产品的养护维修及淘汰废弃后的拆卸回收等有着重要影响。在结构设计中树立“小而精”、“简而美”的设计思想, 在不影响功能的情况下, 通过结构的小型化尽量节约资源的使用量如采用轻质材料、去除多余的功能及减轻产品质量等;采用模块化结构设计和易于拆卸的连结方式 (如按扣式连接) , 并尽量减少紧固件数量等。
4.与施工工艺有关的原则。
施工工艺是否合理对施工过程中的能量消耗、材料消耗、废弃物产生种类和数量等有着直接的影响。施工时改进和优化工艺技术, 提高工程质量;采用合理工艺, 简化施工流程;减少施工工序;谋求施工过程的废料最少化, 避免不安全因素;减少施工过程中的污染物排放, 如废气、废液、施工粉尘、噪声、振动等。
(二) 绿色施工方案评价指标体系。
中国建筑科学研究院2005年10月曾提出绿色建筑施工技术要点, 根据路堑施工特点, 路堑施工主要是施工期内改变地貌、占用土地、破坏植被、影响水环境、影响野生动植物等。具体的包括: (1) 对生态系统的影响, 考虑路堑施工对热带雨林、天然林地、湿地、自然保护区等的影响, 施工过程中根据生态敏感目标的具体特点提出相应的保护措施; (2) 对重要自然资源的影响, 包括土地资源和水资源, 考虑施工的永久性占地和临时占地、取 (弃) 土场占地, 避免不合理地开发和利用耕地, 施工对水资源的影响主要为对地表水流、水质的影响和对地下水流、水质的影响; (3) 对野生动植物资源的影响, 路堑施工是否设置了动物通道、在限界内是否采取了有利于保护植被的措施等; (4) 施工对水土保持与水土流失的影响, 施工期内的开挖和切削山体、高填方等是否产生新的裸露面、对植被的损坏、扰动不良地质山体诱发地质灾害, 施工方案是否有水土保持措施, 对水土流失采取了哪些措施, 是否使用工程措施与生态防护相结合的方案; (5) 施工对地表植被的保护与绿化的影响, 施工方案是否有系统的绿化设计; (6) 运输、施工机械扬尘、噪声、振动扰民等; (7) 施工材料、能源、水资源消耗量等, 主要考虑节约使用施工材料, 使用绿色建材以及就地取材。
根据上述几方面的评价因素, 考虑到路堑的施工具体情况, 我们采取了施工期材料、能源消耗的经济指标, 施工对水土资源、植被资源的保护, 施工期对水土保持与流失工程措施及噪声振动扰民四个因素作为路堑绿色施工方案优选的评价因素。
(三) 绿色施工方案评价方法。
在路堑绿色施工方案的选择过程中, 每一种方案都有各自的特点, 因此, 它是一个多目标决策过程。设考虑的目标数为n, 拟定的可行方案数为m, 由m个决策方案组成的方案集A={A1, A2, …, An}, 其决策矩阵可表示为D=[D]= (dij) m×n。
1.定性变量的模糊化。一般对于定性变量, 可以通过一些语言变量进行描述, 如“差”、“中”、“好”等等, 这些语言变量又都可以用不同的模糊集来表示。这里用三角形隶属函数来表示一个模糊集, 于是各定性目标和定性权重可分别记为及Rij (rlij, r2ij, rm3ij) 和Wi (w1i, w2i, w3i) (i=1, 2, …, m, j=1, 2, …, n) , 其中Rij代表第i个方案中第j个定性目标的模糊数, Wi指第i个目标权重的模糊数。
2.将各定量值转换成相对隶属度值。设在决策子矩阵D= (dij) m×n中, dij是方案j (j=1, 2, …, n) 的第i (i=1, 2, …, m) 个定量目标值。为增加目标可比性, 需对目标作归一化, 对效益型目标 (即目标值越大越好) 和成本型目标 (即目标值越小越好) , 分别用公式 (2) 和 (3) 转化成相对隶属度矩阵R= (Rij) m×n
Rij= (xij-ximin) / (ximax-ximin) (2)
Rij= (ximax-xij) / (ximax-ximin) (3)
其中, undefined (符号∨和∧分别表示取大、取小运算) 。
3.利用各语言变量的隶属函数。求出Rij对于某语言变量k的隶属度μAk, 其中Ak为语言变量k的模糊集, 写成三角形分量式是 (aundefined, aundefined, aundefined) 。
若设对于Rij, 隶属度不为零的模糊集个数为l, 此时, Rij也可看作一个定性值Rij, 它由1个模糊数乘以各自的相对隶属度μAk (Rij) 组成, 即
Rij=A1·μA1 (Rij) ♁…♁AkμAk (Rij) ♁A1μA1 (Rij) (4)
其中, ♁仅表示入由2个模糊数组成, 不具有任何运算功能。
例如图1中, 定量值0.4在NI中的隶属度μFN1 (0.4) =0.4, 在ZE中的隶属度μFZE (0.4) =0.6, 则0.4=0.4ANI♁0.6AZE。
设权重为Wi (w1i, w2i, w3i) , 则由公式 (2) 和 (4) , 模糊评价Fij的结果为
Fij=Wi⨂Rij=Wi⨂ (A1·μA1 (Rij) ) ♁…♁
AkμAk (Rij) ♁A1μA1 (Rij) (5)
4.利用重心法, 求出精确输出值uij。
undefined
其中, ƒundefined指方案j中的目标i在第k个模糊数中隶属度最大的点, ƒundefined=w2iaundefined其它符号意义同前。
5.方案j的定量目标综合评价值为undefined
由vj根据增大隶属度原则, 即可得到最优方案。
三、应用实例
某高速铁路路堑边坡位于郑州西部, 边坡最大开挖高度为25.4m, 长271m。此铁路穿越不同地质地形地区, 有平原微丘区, 也有沟壑纵横、切割严重的山岭重丘区;地表多为黄土、粉沙尘;局部有玄武岩、石灰岩出露的喀斯特地貌;春、夏季雨量集中。路堑边坡破坏了原生态环境和生态景观, 为了保持边坡稳定, 恢复路域环境, 进行综合治理和防护, 需对其施工方案进行绿色评价。根据该铁路的路线、路基型式、边坡高度等边坡支护设计参数, 结合地形地质、水文条件对山区段边坡支护型式进行综合评价。本工程推荐的边坡支护形式有4种, 既喷播绿化防护;挡土墙防护;三维网植草防护;格笼植物防护。
据评价支护方案优劣的主要依据是施工期材料、能源消耗的经济指标, 施工对水土资源、植被资源的保护, 施工期对水土保持与流失工程措施及噪声振动扰民四个因素。其中施工期材料、能源消耗的经济指标和施工扰民为定量指标, 可按定额或实际测试获得;其余为定性指标, 可按其相对重要程度用0～1间的数值进行量化, 这种量化需有经验的专家才能确定较精确的数值。
按上述方法, 4种支护方案的量化指标见表1, 表中混凝土喷锚网支护的工期不包括开挖时间, 其它工序的影响未作考虑。现将权重以定性值给出, 即 (“一般”、“重要”、“重要”、“不重要”) , 用模糊数表示为W= (ZE, PI, PI, NI) , 各语言变量的隶属函数见图1。
利用式 (2) 、 (3) 对表中的数据进行归一化处理, 求得相对隶属度矩阵为:
然后, 求出R中各定量值对于各模糊集{NV, NI, ZE, PI, PV}的相对隶属度μA k (Rij) ;按公式 (6) 求出j方案中i目标的评价指标uij。最后, 由公式 (7) 得到方案j的最终综合评价值vj, vj从大到小排列的顺序也就是方案的优选顺序。按上述方法得到vj= (1.876, 1.775, 1.931, 1.867) , 则优劣排序为C>A>D>B, 方案C为最满意方案。
四、结语
绿色施工评价涉及技术、经济、环境等众多指标, 而评价指标既有定性指标、定量指标, 又有模糊指标, 具有复杂性和不可比等特点, 因此, 需要一种综合评价方法。本文运用模糊控制原理, 建立的多指标性能参数的绿色施工方案评价方法, 以定量化的数值表示评价结果, 较完整地反映了绿色施工方案的综合性能指标水平, 体现了综合评价的系统性、合理性, 且具有普遍适用性。路堑边坡的评价实例验证了该方法的可行性和合理性。
参考文献
[1].中华人民共和国建设部.绿色施工导则[S].2007-9-10
[2].赵升琼, 李惠强.基于成本分析的绿色施工方案评价[J].华中科技大学学报 (城市科学版) , 2006, 23 (2) :46～48
[3].刘志峰, 王淑旺, 万举勇等.基于模糊物元的绿色产品评价方法[J].中国机械工程, 2007, 18 (2) :166～170
[4].陈守煜.工程模糊集理论与应用[M].北京:国防工业出版社, 1998
基于实力的推理 篇9
有效的风电功率预测, 是保证电力系统安全运行和优化调度的前提, 但风电具有较强的随机性和间歇性, 这无疑增加了预测的许多难度。虽然起步比较晚, 但我国的研究人员在这方面还是做出了许多贡献, 时间序列、灰色模型[1]、神经网络[2]、支持向量机[3]、小波分析等方法得到了较好地运用。部分方法采用了间接预测, 即通过预测风速, 再建立功率曲线求取风电功率。其中的每一步都存在些许误差, 总和之后自然会增大误差。另外, 以上方法都是得到一个或一系列确定的预测点, 用户只能接受这些确定值而没有选择的余地。
云理论是由李德毅院士提出的一种不确定性人工智能方法, 该方法已经成功运用在空间负荷预测[4]、电价预测[5]等多个电力系统的研究领域中。本文给出的云推理模型用云变换将风速等定量数据转换成多个云的定性概念, 并通过挖掘多个云概念之间的关联规则, 找出内部规律, 最后利用云推理得到一系列有稳定倾向的预测值。虽然预测结果是不确定的, 但所有的点都在某个值附近小幅波动, 用户可以利用自身经验或借助其他信息恰当选取其中一个点作为预测结果, 还可以求取所有离散点的期望值作为确定性结果。
1 云模型
云是定性概念和定量数值之间的不确定转换模型。云模型一般由三个数字特征 (期望、熵、超熵) 来描述。云的期望 (Ex) 是最能代表该定性概念的数值;熵 (En) 反映了该定性概念的模糊程度, 它的大小决定了能被该概念接受的范围;超熵 (He) 反映了云的离散程度, 它的大小反映了云的厚度, 是随机程度的体现。比如风速的一个定性概念“较快”及其数字特征如图1所示。
2 云变换
云变换是指把风速、风向、风功率等定量数据转换成由多个云叠加而成的定性概念。首先, 以某风电场10月份的历史数据为依据, 对所有的数据进行归一化处理, 然后求取各类数据的频率分布, 风功率的频率分布如图2所示。
最后采用基于峰值的云变换算法[6], 即
其中:f (x) 为频率分布函数;ri为幅度系数;c (Exi, Eni, Hei) 为变换后的其中一个云概念;num为变换后的云概念的个数;为云变换的最大误差。数据频率分布的局部最高点 (峰值) 是数据的汇聚中心, 将它所对应的横坐标作为某个云概念的期望值。峰值越大, 表示数据汇集越多, 越能反映某个定性概念。
具体的峰值云变换如下, 以风功率为例:
(1) 找到风功率频率分布 (图2) 中的各个峰值位置, 将其对应横坐标定义为云的期望Exi (i=1, 2, …, num) 。
(2) 计算用于拟合原频率分布函数f (x) 的以Exi为期望的各个云概念的熵Eni[7], 并计算云概念的概率密度期望函数作为各个云的分布函数, 如图3所示。
(3) 用不带确定度的逆向云算法[8]求取各个云概念的超熵Hei, 整合之后得到所有云概念的3个数字特征c (Exi, Eni, Hei) , 并最终得到云变换之后风功率的16个定性概念。
用同样的方法可分别得到风速和风向的16个和12个定性概念。但上述变换得到的云概念还比较粗糙, 相邻两个云之间有可能距离太近, 甚至一个云已把另一个云完全包含在内, 造成概念的重复和多余, 所以有必要对云变换之后的概念进行跃升, 使每个云概念的意义更加独立和清晰。
3 概念跃升
所谓概念跃升, 是指将云变换得到的基本概念作为泛概念树的叶结点, 逐步合并距离最近的两个概念, 以得到想要的概念层次。通常有两种方法:用户指定概念个数, 直接跃升;不指定概念个数, 根据人的认知特点 (人们同时只能认知至多72个概念) 自动跃升[9]。这里采用第一种方法, 并考虑云之间的幅度系数影响[10]来进行概念合并, 多次设定概念个数进行实验后, 选取疏密合适的概念个数作为云概念跃升的结果。最终得到风功率的9个跃升概念, 如图4所示。
一般情况下, 可用半云 (或半梯形云) 来描述最接近论域边界的两个定性概念, 相邻概念之间出现交叠, 体现了云模型的不确定性。假设风功率的9个云概念分别为:{极低, 很低, 低, 较低, 中等, 较高, 高, 很高, 极高}, 则它们的数字特征如表1所示。
用类似的方法对风速和风向进行多次概念跃升实验, 从中选取较合适的概念个数, 最终得到相应的5个和9个跃升概念, 分别如表2和表3所示。
4 关联挖掘
4.1 概念隶属判定
概念跃升之后, 需要判定所有的历史数据属于相应类别的哪个概念, 从而精简数据库, 促进关联规则挖掘的成效。概念隶属判定有随机判定法和极大判定法两种方法, 两者都需先求出某个数据对相应云概念的所有隶属程度, 然后, 随机判定法从隶属程度大的前几个概念中随机选择某个定性概念, 而极大判定法选择隶属度最大的那个概念作为隶属概念。选用极大判定法, 以风速的某个待判定数据a为例:首先, 生成以风速概念的Eni为期望, Hei为方差的5个正态随机数Eni'=Norm (Eni, H2ei) (i=1, 2, …, 5) ;然后计算得到a对风速概念的5个隶属程度;最后将最大的µi所对应的概念Ci作为a的隶属概念。
为了便于挖掘规则, 把风功率、风速和风向的定性概念改用阿拉伯数字命名, 则风功率的9个云概念命名为{1, 2, ⋅⋅⋅, 9}, 风速的5个云概念命名为{10, 11, ⋅⋅⋅, 14}, 风向的9个云概念命名为{15, 16, ⋅⋅⋅, 23}。这样, 得到仅包含{1, 2, ⋅⋅⋅, 23}的简化数据库, 如表4所示。
4.2 关联规则挖掘
采用改进的Apriori算法[11]对概念隶属判定后的数据库进行规则挖掘, 总共有500组历史数据, 只要某组数据重复出现2次, 就认为该组数据对关联知识有一定的贡献, 因此设置支持度阈值为0.004, 信任度阈值为0.2。得到30条符合条件的关联规则, 如表5所示。其中第一条规则{1, 10, 20}可以这样理解, 如果风速“很低”, 并且风向为“东北”, 则风功率“极低”。
5 规则发生器
云推理是基于规则发生器的不确定性推理, 而规则发生器由规则前件和规则后件组成。设有定性规则“if A then B”, A和B分别为对应于论域U1和U2的定性概念。把A叫作规则前件, B叫作规则后件。
给定论域中的一个特定点x, 通过正向云算法生成该特定点属于定性概念的确定度y, 称为前件云发生器;给定一个确定度y∈[0, 1], 通过逆向云算法生成论域中满足这个确定度的云滴x, 称为后件云发生器。一个前件云发生器和一个后件云发生器连接起来就构成了一个单条件单规则发生器。规则发生器的前件可以是多个的 (即多维) , 而后件通常只有一个。
本文采用双条件单规则发生器, 即“if A1, A2then B”。其中, A1和A2作为规则前件, 分别代表风速和风向的某个云概念, B作为规则后件, 代表风功率的某个云概念。如果用一个双条件单规则发生器来描述一条关联规则, 那么, 前面挖掘出的30条定性规则便可用30个双条件单规则发生器来描述, 相当于一个组合规则发生器。
6 云推理预测
设预测点前一时刻的风速和风向值为 (x1, x2) , 输入前述组合发生器中将得到30个预测结果, 这显然是不可取的。预测中如果考虑历史数据隐含着的某种历史规律, 那么它体现的是一种整体的预测策略;而若考虑最近数据呈现出的某种当前趋势, 则它体现的是一种局部的预测策略。单纯将历史规律作为预测知识是有些陈旧的, 唯有综合考虑这两种策略, 用当前趋势对历史规律惯性加权, 才能进行较准确地推理和预测。
首先考虑历史规律:把 (x1, x2) 输入每个双条件单规则发生器的前件会得到一个隶属度, 该隶属度体现了 (x1, x2) 对该条规则的激活强度。那么, 我们将得到30个激活强度 (y1, y2, …, y30) 。从中找到最大值ymax, 则对应的规则“if Ai1, Ai2 then Bi”最能反映点 (x1, x2) 所具有的历史特性, 因而该规则的后件Bi可作为相应预测知识的历史规律。
其次考虑当前趋势:越靠近预测点的数据越能反映其当前趋势, 因此, 可选邻近预测点的t个数据, 通过逆向云算法得到当前趋势的云模型Ct。
最后综合考虑历史规律和当前趋势:采用第2节中提到的概念合并算法, 将Bi和Ct合并得到Dt, 从而构造新的预测规则“if Ai1, Ai2 then Dt”进行推理预测。
由以上方法可以得到云推理的组合规则发生器, 如图5所示。具体的算法步骤如下[12]:
(1) 将预测点前一时刻的风速和风向值 (x1, x2) 输入30个双条件单规则发生器的前件 (CGA1, CGA2, …, CGA30) 得到 (y1, y2, …, y30) , 找到最大值ymax所对应的规则“if Ai1, Ai2 then Bi”, 将其后件Bi (Ex B, En B, He B) 作为预测知识的历史规律。
(2) 取邻近预测点的t个数据, 通过逆向云算法得到当前趋势的云模型Ct (Ext, Ent, Het) 。
(3) 综合Bi和Ct得到新的预测知识Dt (Ex D, En D, He D) , 将其作为组合规则发生器的后件CGD-1。构造新规则“if Ai1, Ai2 then Dt”进行预测。
(4) 生成一个期望值为 (En Ai 1, En Ai 2) , 方差为 (H2eAi 1, H2eAi 2) 的二维正态随机数 (E'n Ai 1, E'n Ai 2) 。
(5) 生成一个期望值为En D, 方差为H2e D的正态随机数E'n D。
(6) 若x1≤Ex Ai1, x2≤Ex Ai2, 则预测值
7 预测实例
预测采用我国某风电场10月份的500组历史数据, 每组数据包含风速、风向和风功率三类数据。根据风功率的数据特点, 采用邻近预测点的5个数据迭代地构造当前趋势的云模型Ct1, Ct2, …, Ct24, 再用第5节的云推理方法迭代地预测未来值y'501, y'502, (43) , y'504。虽然云推理属于不确定性推理, 但每个点的预测结果都在某一可靠范围内, 如未来第24个小时的预测结果为{0.3641, 0.3627, …, 0.3398, 0.3587, …, 0.3411, 0.3622, 0.3648, …}。如图5所示。
为了便于分析比较, 运行云推理程序10次, 并取其期望值与ARIMA (1, 1, 1) 模型[13]和RBF神经网络的预测结果进行比较, 如图6所示。
三种预测方法的误差分析如表6所示。可以看出, 无论是最大相对误差、最小相对误差, 还是平均相对误差, 云推理模型都具有一定的优势。其中, 最大相对误差较ARIMA模型和RBF神经网络分别下降了10.93%和56.62%, 最小相对误差分别下降了4.79%和1.74%, 平均相对误差分别下降了4.43%和2.84%。
8 结论
云模型是随机性和模糊性的完美结合。根据风电的特点, 提出了一种基于云推理的短期风电功率预测模型, 通过与ARIMA模型和RBF神经网络比较发现, 该模型具有明显的优势和特点:
(1) 预测结果灵活。云推理预测得到的是一系列有稳定倾向的预测值, 且所有的预测值均在一定范围内小幅波动。用户可以利用多年的经验或借助其它各方面的信息, 在该预测范围内恰当选择预测值, 也可取其期望作为确定性结果, 显示了该模型较强的选择性, 且易与其他知识结合的特点。
(2) 适用于短期预测, 预测误差较小。通过多次运行实验, 并取其期望与其它预测方法比较发现, 该模型的风电功率预测在24小时之内效果较好, 各方面的误差都有不同程度地减小, 具有一定的预测精度。
(3) 扩展性能好。除风速和风向之外, 如能利用气温、气压、降雨量等方面的历史资料, 将云推理发生器的前件从2维扩展到5维甚至更高维度, 将有利于提高预测的效果, 显示了该模型较高的推广价值。
基于实力的推理 篇10
关键词：软实力；硬实力；存在问题；学习档案
当今社会非英语专业学生的硬实力已经成为了衡量他们能力的一种传统性指标，那么面对日益复杂多变的现代社会，他们还需要一种软实力来提升自己的综合素养。这些软实力包含了他们的道德情操、人际沟通能力、社会关系等多个方面。本文将选取其中一个在当前高等教育改革中非常重视的环节，即反思能力来进一步展开讨论，认为基于软实力的视角，非英语专业学生更应该努力培养并提升自己的反思能力，从而更好地进行学习。
一、非英语专业学生软实力存在的问题
所谓软实力，其最初是由美国哈佛大学教授约瑟夫·奈提出来的，但是当时他提出来的领域主要是针对政治领域而言。后来这个名词逐步发展到了经济社会领域。尤其是在当前的信息化时代，人们的软实力更是有着重要的地位与作用。虽然说目前为止仍然没有一个针对非英语专业学生软实力的明确规定，但是我们可以参照软实力的基本概念以及非英语专业学生学习大纲中的规定，把非英语专业学生的软实力界定为：应该在具备自身专业知识和技能的同时，还应该具备更为广阔的能力和素质，这里的能力主要是指获取、运用并分析问题的能力，素质主要是指文化素质、心理素质等。对照以上软实力的概念，我们发现，当前非英语专业学生的软实力培养还存在不少问题，具体表现如下：
1.非英语专业学生软实力的现状不容乐观
根据调查结果，当前，我国非英语专业学生的思维能力不够强，他们的能力与素质还相对较为薄弱，尤其是他们的逻辑思维能力还需要进一步提高。因此，他们应更多地重视自身硬实力方面的提升，为了在将来走上工作岗位的时候，能够顺利获得用人单位的青睐。殊不知，缺乏软实力的后果在当代社会中也是非常严重的，将不利于他们整体素质和能力的提升。
2.非英语专业学生软实力的培养不够到位
根据非英语专业学生教学大纲，我国高等教育虽然一直在提倡所谓的素质教育，但是真正实施起来的情况并不多见，仍然拘泥于传统的教学模式，硬实力仍然占据着主导地位，并没有对软实力的培养工作重视起来，尤其是忽略了这些非英语专业学生自己专业技能与知识以外知识和技能的培养，从而使得非英语专业学生的软实力得不到应有的提高，仅仅停留在表面上的素质，并没有真正符合以社会综合发展要求的硬实力作为支撑下的软实力。
二、基于软实力培养非英语专业学生的反思能力
1.反思能力的内涵
在20世纪80年代，建构主义理论开始成为了教育学习理论的主流代表，其本质就是强调学生的自主性学习，要求学生在学习活动中进行知识的主动建构，然后还要对自己的学习活动进行反省、概括和抽象。因而美国课程论专家小威廉姆斯E·多尔作为主要代表，提出了新型的教学规范，即现代学习活动中应该具备丰富性、回归性、关联性、严谨性等“4R”原则。其中的回归性就是指学习者的反思过程。那么，所谓反思性学习能力就是指学习者能够对学习过程进行重新探索、讨论和探究，进而提升自己的组织、整合、探究、诊释能力，它包含了检查思维过程，并从问题评估解决中吸取经验，对原有的认知结构做出一定的调整。一般来说，这种反思性学习能力具有这么几方面的基本特征，即自主性、合作性、探究性、发展性和创新性。
2.反思能力对非英语专业学生软实力提升的重要性
对于非英语专业学生来说，他们的反思性学习能力是非常重要和关键的，可以提高他们的逻辑思维能力，增强自主学习意识和学习能力，还可以提高他们分析问题、解决问题的能力。因此，对于非英语专业学生来说，他们反思能力的提高与培养，对于综合意义上的软实力提升是有非常重要的作用。事实上，反思能力集中反映了软实力培养中的新观念和新方法，为了积极应对当前非英语专业学生软实力普遍偏低的现状，我们必须尽快培养学生的反思能力，进而提升他们的软实力。因此，作为一种“自下而上”的新型学习理念，反思性学习能力的培养对于非英语专业学生来说绝对是重要且有价值的。这是因为当前社会呼唤具有创新意识和创新能力的复合型和通用型人才，学生可以通过反思学习过程来重新认识自我、分析自我及进行自我评价，并基于此提升自己的体验和能力。
3.培养非英语专业学生反思能力，提升他们的软实力
既然对于非英语专业学生来说，他们的软实力目前还处于较为薄弱的情形之下。然而，在他们面对日益激烈的市场竞争的时候，他们必须重新定位自己的学习能力。除了需要具备传统意义上的硬实力以外，更需要从软实力的角度来重新提升自己的综合素质。这里我们主要探讨的是培养学生的反思能力，它属于一种自主学习能力，有助于软实力的大大提升。那么反思能力的培养途径具体如下：
1.引导他们进行反思性写作
对于非英语专业学生来说，他们的反思能力并不是一朝一夕就可以培养出来的，而是应该通过一定的写作形式来提升他们的反思学习能力。也就是说，非英语专业学生可以进行学习日志的写作，从而对自身的学习活动中所经历的内心活动以及真实情感，通过反省的方式记录下来，让学生自己能够对自身的学习过程有一个较为深入的了解，全面深入地反省自己的学习行为和学习结果，尤其要深入渗透自身在学习中的优点和缺点，这种反思性学习日志将有助于学生更好地了解自己，对于自己的学习过程将起到不可低估的巨大作用。
事实上，对于非英语专业学生来说，无论是哪门功课的学习，都需要成功的学习日志增强自己的自主学习能力，让他们通过反思性学习活动来提升自己对学习的兴趣和需求，认真思考并分析学习活动中的各个环节，一旦发现问题，就要能够通过自己的反省思考来努力分析问题并解决问题，然后还要对问题进行深入的评估，以增强自身对于问题的思考和解决能力。那么，这样的学习者才是具有思考能力和反思能力的学习者。
虽然说国内外关于反思性写作的研究也较多，也已经证明了这种反思性写作的学习日志的确能够有效提高学生的反思能力，能够培养学生质疑和思考的能力，让他们在学习过程中变得更为自信和积极。因此，我们认为，在教学过程中，我们应该积极引导非英语专业学生进行学习日志的写作，让他们找到自己的内心困惑。反省能力是一种很高的境界，它将帮助学生在学习过程中变得更为成熟和主动。
2.建立学生学习档案
对于非英语专业学生来说，他们的学习情况除了让他们自己建立学习日志以外，还应该为他们建立相应的学习档案，或者说，是他们的成长记录。学生的学习档案对于学生来说，具有学生成长印记的重要意义，它是通过一个文件夹的形式来记录并收藏每一个学生的学习成果和反思性报告，真实地再现了每一个学生学习过程中的每一个小进步以及不足之处。这些学习档案可以帮助学生对过去的学习状况有一个更为直观的了解，能够引导自己将来的学习，重新设定将来的学习目标和学习任务，并且原先的学习档案将能够以一种反思的形态来激发学生的学习热情，提升他们的学习效率。
因此，非英语专业学生软实力的提升，将大大依赖于反思能力的提高。那么，学生的学习档案将是提高他们反思学习能力的有效手段之一。我们应该对非英语专业学生进行课程教学的学习档案建设，并通过学习过程动态地对这些学习档案进行编辑和整理，而且要对学生的每一件学习成果进行注解，并详细记录建立学习档案的原因和意义所在。事实上，笔者也曾问过相关学生，他们认为，学习档案为他们的学习提供了良好的反思材料。从这个意义上说，我们应引导非英语专业学生进行反思学习，为他们建立相关的学习档案，这是非常必要和重要的，将更好地让他们看清自己的成长历程。
总之，对于非英语专业学生来说，他们的反思能力是非常值得关注的一个方面，它将直接影响到软实力的提升问题。这是因为当前高校学生的硬实力已经无法随意改变，而软实力则可以通过各种努力来不断培养与提升。因此，本文认为，反思能力的培养将大大有利于提升学生的软实力，从而为他们成为综合型人才打下良好的思维基础。
参考文献：
[1]黄邦科.在英语教学中培养学生反思性学习的能力考试：教研版，2007（8）.
[2]王朋.大学生反思性英语学习研究[D].华东师范大学硕士论文，2006.
[3]郑菊萍.反思性学习简论.上海教育科研，2006（8）.
基于实力的推理 篇11
根据以上分析, 可以建立一种基于语义Web的推理系统模型, 见图1。其中, “推理一”表示具有描述逻辑推理功能的推理机, 可以将“本体一”中的知识进行类别划分并且可以发现“本体一”中的矛盾, 在这里可以使用RACER推理机, 因为基于Tableaux算法的RACER不仅可以很好地进行描述逻辑的推理, 而且可以和Protégé很好地结合。这样可以方便地使用它来进行以OWL DL描述的本体的推理。关于“推理引擎”可以使用专家系统通常的推理引擎, 这里, 我们使用的推理引擎是Jess, 但在使用Jess时通常需要对由“本体二”所生成的SWRL规则通过XSLT进行转换成为Jess能够接受的规则表达形式。在推理系统中的知识库使用语义Web的本体描述语言OWL DL来进行表示, 规则使用语义Web规则语言SWRL进行定义。在图1中, “本体一”表示的是根据领域知识建立起来的本体, “本体二”是经过“推理一”进行基于描述逻辑的推理后建立的层次化更加良好, 并且满足一致性要求, 没有冲突发生的本体。其中, 可以看到, SWRL规则的定义使用“本体二”中的TBox和ABox, 也就是“本体二”的概念、属性或者实例, 在这些OWL DL基本元素的基础上, 根据相应的推理要求结合SWRL语法格式可以产生和本体具有良好结合的SWRL规则。
2.4 推理系统的设计步骤
2.4.1 进行领域本体的设计以及在领域本体基础上的规则设计
本体的建立也就是知识库建立的过程[6], 可以结合应用, 根据具体的本体论工程模型进行本体的设计, 通常使用的工具是Protégé, Protégé是一个开放的开发环境, 提供了多种插件进行功能的扩充。建立SWRL规则时要充分考虑, 并且结合已经设计好的本体进行相关规则的设计, 避免出现规则冲突。建立SWRL规则仍然可以使用Protégé, 只是在Protégé下增加了SWRL Tab的插件, OWL本体建立和SWRL规则建立在同一开发环境下的好处是, 在制定规则时可以自动调用本体中的知识, 这样可以避免人工写入时发生错误的可能性。领域本体建立好以后, 可以通过将本体知识导入到描述逻辑推理机上 (比如RACER) 进行推理, 这样可以对本体进行分类整理, 发现其中的隐含知识。这一步, 主要是建立起来了一套基于语义Web本体论的知识库和规则。OWL DL知识库具有描述逻辑的特性, 可以更好地表现知识, 进行推理。SWRL规则可以充分地结合本体进行规则的设计, 这样可以让规则和知识完美地结合, 在设计规则的时候更方便。
2.4.2 将OWL领域本体和SWRL规则转化为推理引擎可以接受的格式
在第一步中已经设计好了知识库和规则, 虽然设计的知识库和规则在表现能力及知识共享方面有很多优点, 但通常的专家系统推理引擎是不能识别上述格式的知识库和规则的, 所以要进行格式的转换, 使得推理引擎可以对相应的知识库和规则进行模式匹配运算。关于本体知识库格式的转换, 首先将本体导入到描述逻辑的推理机, 通过描述逻辑的推理机将本体进行推理, 因为ObjectTypeProperty属性实例是对象关系的实例, 通常需要由推理机首先将其客体连接到具体的DataTypeProperty, 这样就可以在推理机中形成具体的三元组, 将三元组导入格式转换程序进行格式转化, 转换后的格式推理引擎可以接受。关于SWRL规则的格式转换, 因为SWRL文件本身就是XML文件, 并且具有固定的语法格式规范 (通过Schema定义) 。所以可以通过XSLT的方式来进行格式的转化, 从而使推理引擎可以接受规则。
2.4.3 将知识和规则导入到推理引擎中进行推理
通过上一步的格式转换, 推理问题已经转变成为一个专家系统的推理的情况了, 因为不论知识库还是规则都已经符合专家系统的知识格式要求了。将知识和规则导入到专家系统的推理引擎, 进行模式匹配运算。最终将运算的结果通过专家系统的API和用户应用程序进行交互。关于推理引擎的选择, 种类很多, 可以根据具体情况进行选择。在使用中, 最好选择可以提供OWL格式转换插件的推理引擎, 比如Jess就是一个很好的选择。
3 结束语
语义Web作为一项新的信息表达形式, 在目前的研究中出现了许多分支, 语义Web作为一种信息表达方式其出发点是更好地进行信息描述, 使机器和人都可以理解信息, 而针对目前Web上的信息量十分庞大的情况, 语义Web的重点是要解决机器对语义理解的问题, 目前的语义Web在描述现实世界的静态事物上已经表现得很好了, 这主要取决于基于描述逻辑的本体理论的应用。正是这种应用推动了机器对所描述事物的理解。
本体的建立只是在描述逻辑的基础上建立了一个知识库, 虽然这种知识库改进了传统的知识表示方法的一些缺点和不足, 但这种知识库并不能够充分的表达一些推理层面上的复杂规则, 这主要是由于描述逻辑的缺陷所造成的。例如对于简单的if…else…判断, 描述逻辑是无法表达的, 这同样体现在本体中, 所以, 在定义一些限制规则的时候, 往往无法完全地应用本体 (或者描述逻辑) 去表示。为了能够充分地表达这些规则, 采用SWRL作为规则的表现形式, 因为SWRL规则的建立是在所建立的本体基础之上的, 所以SWRL作为规则的表现可以充分和本体知识库结合。当需要对本体所建立的知识进行某种推理的时候, 可以根据本体建立SWRL法则, 这样做的好处是, 可以实现本体的描述和规则的分离, 因为本体是作为一般意义上的定义, 所以, 我们采用本体建立的知识库在应用时并不需要进行大的修改, 只要增加所需要部分的知识信息, 并且在此基础上设计相应的SWRL推理规则, 就可以完成推理服务。这样做可以提高本体知识的利用率, 比如, 在实例中所建立的本体不仅仅可以用在排课系统, 而且可以用在排考、校园资源管理等方面的应用中, 在这些系统中应用所建立的OWL本体知识库, 只需要建立相应的SWRL法则就可以完成相应的推理服务。
参考文献
[1]Van Kralingen R W, Visser P R S, Bench-Capon T J M, et al.A principled approach to developing legal knowledge systems.Interna-tional Journal of Human-Computer Studies, 1999;51 (6) :1127—1154
[2]朱创录.基于语义Web的自动推理研究.http://www.shwanfangda-ta.com/WFknowledgeServer_Mirror/D/Thesis_Y893403.aspx.2006
[3]史忠植, 董明楷.语义Web的逻辑基础.中国科学 (E辑) :信息科学, 2004;34 (10) :1123—1138
[4]Uschold M, Grueninger M.Ontologies:principles, methods and ap-plications.Knowledge Sharing an Review, 1996;11 (2) :245—248
[5]邓志鸿, 唐世渭.Ontology研究综述.北京大学学报 (自然科学版) , 2002;38 (5) :124—127
[6]袁金平, 鲍爱华.语义Web及其逻辑基础.计算机工程, 2008;34 (24) :194—199