查询与决策支持系统（精选12篇）
查询与决策支持系统 篇1
1决策支持
火箭发射决策支持系统的的主要任务是从网络接收各种任务数据、设备数据、气象系统的信息,并将其转化为图像、图形、曲线、字符等方式提供给指挥员,使指挥员能快速、准确、直观地了解全面情况,为指挥员的指挥决策提供依据。
开发的决策支持系统应用软件是基于Windows的窗口程序型软件。安装、操作简单,用户界面友好,易学易使用。显示画面及其他功能的可配置性,大大方便了软件的维护。例如对于任务变换引起的软件需求改变,仅须软件维护人员对软件配置做出相应调整即可(修改程序配置文件和脚本),而不必修改软件源代码再重新编译连接。而且一般用户是不必掌握这种高级操作的。显示的可配置性也可以让用户得以按照自己的需要改善画面质量、增加新画面等等。
2 数据处理
数据处理部件主要任务是接收各部分送给决策支持系统的数据,包括计算中心的处理结果数据、设备测量数据和气象数据,按照格式约定进行解包处理后把实时数据存储到内存映射文件交换区供画面显示部件调用,同时按照需要显示的曲线要求进行曲线点的计算,计算结果也存储到内存映射文件交换区供画面显示部件调用,也为本部件进行其它处理提供数据。同时根据需要把任务的相关信息,数据处理部件和画面显示部件的相关信息也存入到内存映射中,该部件还提供数据的输入和输出接口,包括理论飞行弹道和安全控制区域文件的安装,实时飞行数据的数据存盘(计算中心的数据和气象数据等分类存盘和一体化存盘)。
3 参数字典
参数字典是用来联系各种网络数据和决策支持系统的纽带,同时也是画面控制进程获取数据的依托,网络数据中的每一个帧同时对应参数字典中的一个数据帧,参数字典文件在读取时自动检测每一行的常见错误信息,如没有“,”,或者把“,”写成其他字符等。同时根据每个参数的信息,自动累加参数在该帧中的位置和自动计算该帧的起始位置。
3.1 结构
参数表的形式如下:它的第一列为参数索引号,采用的是二级索引,其中第一级索引是帧号,二级是该参数在该数据帧中的位置,第二列为参数名称,第三列为参数在该数据帧中的相对偏移位置,其中帧标志参数,也就是二级索引为00的参数为该帧在内存映射文件中的相对偏移位置,第四列为参数所占的字节数,第五列为参数类型,是根据系统之间格式约定上的数据类型自己定义的,定义的类型和说明在参数字典的前面。
F是浮点数,
i整数,
U无符号整数,
S无符号短整数,
s字符串
b布尔,
C字符,
c无符号字符,
D双精度浮点数,
B帧信息开始标志
I 64位整数
d短整数short int
//帧标志为2的数据帧
V02-00,T0帧标志,10,0,B
V02-01,T0处理完成标志,0,1,C
V02-02,T0的来源,4,4,i
V02-03,T0的小时(0-23),8,4,i
V02-04,T0的分钟(0-59),12,4,i
V02-05,T0的秒数(0-59),16,4,i
3.2 读取
根据数据帧结构生成的参数字典,由于在画面显示时需要不断地对画面显示的参数进行更新,从而需要频繁访问参数字典。并且实时数据的获取需要根据参数字典提供的帧数据进行获取,因此,需要把参数字典读取到内存中。参数字典的读取过程中需要对参数字典的格式进行有效的判断,错误的格式给出提示信息,方便用户进行查找和修改。
4 曲线文件
曲线的绘制是根据横纵坐标的取值来进行的二维空间的绘制,因此,在绘制曲线时要定义该曲线的横纵坐标参数,定义参数的最小和最大值,曲线在屏幕开始时的位置以及曲线所占宽度和高度,以便进行曲线的绘制。
在曲线定义文件中一条曲线的定义被包括在一个BEGIN和END之间[1],结构如下:
BEGIN
LineName=1142曲线索引号
CountMax=3000曲线最大点数
x=V44-01曲线横坐标索引号
y=V45-31曲线纵坐标索引号
xmin=0横坐标的最小值
xmax=150横坐标的最大值
ymin=0纵坐标的最小值
ymax=10纵坐标的最大值
startx=630曲线在屏幕开始的横坐标
starty=150曲线在屏幕开始的纵坐标
widex=350曲线所占宽度
highy=100曲线所占高度
END
利用结构指针[2]存储曲线定义文件struct ZXJ_COOR-DINATEVALUE*pcoord,该结构指针除了包含曲线定义的所有参数外,另外还有两个变量UINTdotnums用来存储点计数UINTlinecountpos用来存储各曲线的相对偏移地址。获取存储曲线相对偏移地址的计算方法为:
pcoord->linecountpos=4+linenum*44+counts;这里每一条曲线信息占44个字节,前面的4为曲线总数占用的字节,占用4字节;counts=counts+pcoord->CountMax*8+4;这里循环为曲线点的字节累加过程,每一个点都分为float x和float y占8个字节,这里的+4为点计数占用4字节,linenum为定义的曲线总数,在曲线定义文件的开始位置提供该参数的数值。该映射文件定义为映射文件2,它的结构下面将详细叙述。同时根据曲线所占的字节数来自动开辟内存空间,内存空间的大小为所占字节数的两倍,而后面的一半用来存储理论飞行弹道曲线数据。理论飞行弹道的安装存储也在后面叙述。
5 安全控制区域
安全控制区域[5]就是指飞行器飞行过程中的一个安全控制范围,超出设定的范围,系统将会报警,从而可能引发安全控制措施,包括对飞行器的引爆。需要使用的是时间、速度、经度和纬度,安全控制区域配置文件的格式定义为:
曲线索引号
时间速度一速度二速度三速度四
经度纬度一纬度二纬度三纬度四
曲线索引号定义为那条曲线绘制安全控制区域。每一组曲线包括4条曲线:安全控制区域告警上、安全控制区域告警下、安全控制区域炸毁上、安全控制区域炸毁下,安全控制区域配置文件的读取和处理流程如图1所示,在映射文件中的结构见内存映射文件结构及其使用说明中的映射文件3。
6 理论飞行曲线
首先接收通过网络发送过来的理论飞行曲线[6]文件;安装理论飞行曲线(安装的过程其实就是程序读取每一包数据文件然后调用数据解包和处理程序进行处理);理论飞行曲线安装完毕以后把存储在映射文件中的前一半曲线数据整块复制到后一半,同时把这一块数据存储成二进制文件,供程序启动时调用来完成理论飞行曲线的存储。完成的关键代码如下[3][4]:
memcpy((byte*)pMapFile2Buff+m_MAPFILE2SIZE,pMapFile2Buff,m_MAPFILE2SIZE);CFile m_LilunDataFile m_LilunDataFile("lilundata.dat",CFile::modeCreate|CFile::modeWrite)m_LilunDataFile.WriteHuge((byte*)pMapFile2Buff+m_MAPFILE2SIZE,m_MAPFILE2SIZE)
曲线数据的分布如图2所示;理论飞行曲线安装存储完毕后,画面显示部件在启动进行画面显示时加载理论飞行曲线文件,从而完成理论飞行曲线的显示。
7 内存映射文件
内存映射文件是实现数据处理部件和画面显示部件进行实时数据交换的桥梁,数据处理部件接收和处理完毕的数据按照实时参数,曲线点以一定的格式存储到内存映射文件中,而画面显示部件则根据参数字典和曲线定义文件的格式进行数据的读取和显示。本部件使用了四个内存映射文件,其结构和说明如下:
7.1 映射文件1
该映射文件主要来存储画面显示部件和数据处理部件的一些基本信息,从600以后就是网络接收过来的实时数据,这些数据是经过解包以后根据帧的标志存储到内存映射文件中的,其中595处存储的是映射文件2的大小,供画面显示部件读取来开辟映射文件的大小,因为画面显示部件不知道映射文件2到底要开辟多大,599处存储的数据处理部件自我更新的标志,如果辅助工具部件要求数据处理部件进行自我更新,则此标志置为1,自我更新完毕后重新置为0。
注意:参数类型存储的是类型char的ASCL码值
7.2 映射文件2
该映射文件用来存储曲线信息和实时处理的曲线数据,后半部分为理论飞行曲线区。
7.3 映射文件3
用来存储安全控制区域数据,曲线中的每一个点计数其实包含有五个点,一个x和四个y用来组合绘出四条安全控制区域曲线。
其中Y0-Y4为安全控制区域的安全控制区域告警上、安全控制区域告警下、安全控制区域炸毁上、安全控制区域炸毁下。
7.4 映射文件4
存储画面显示部件传送过来的画面名称和画面更新标志,该映射文件主要是完成画面显示部件和辅助工具部件进行数据交换的一个中介功能,辅助工具部件要完成画面的切换功能,首先要选择切换的画面,画面名称和数量就从该映射文件的画面数量和画面名称中获取,而辅助工具部件选择好的单四画面控制和画面索引就存储到该映射文件的前面提供给画面显示部件,画面显示部件根据标志和画面索引进行画面的切换处理。
8 实时获取数据
经过上面的分析可以知道,如果要获取一个参数索引为V10-10的实际值,必须获取存储该索引的地址,还要获取该索引的参数类型。而要获取存储该参数的地址可以通过首先搜索下表获取到数据包在映射文件1中的位置和在参数表中的位置,则有:
V10-10在包中的相对偏移位置:数据包10在映射文件中的位置+10*68+56(其中的68为每一个参数占68个字节,56为参数索引8字节+参数名称48字节)
V10-10参数类型位置:V10-10在包中相对偏移位置+8字节
假设char*pch=(char*)pMapFile1Buff,则有:
V10-10在包中的相对偏移:*((UINT*)&pch[V10-10在包中的相对偏移位置])
V10-10参数类型为:*((UINT*)&pch[V10-10参数类型位置])
从而根据参数类型我们可以获取参数的实时数据,假设参数类型为float,则有:
float*f_pMap1;=(float*)&pch[ZXJDATAPOS+数据包10在参数表中的位置+V10-10在包中的相对偏移]
从而:*f_pMap1则获取到了该参数的实时数据。
9 结果显示
通过上述的方法处理,完成了理论飞行曲线的处理、安全控制区域曲线的安装和实时数据的处理,完成的效果显示如图2所示[7]。
参考文献
[1]刘路放.Visual C++面向对象程序设计教程.高等教育出版社.
[2]丁展,刘海英.Visual C++.网络通信编程.
[3]候俊杰.深入浅出MFC(2).武汉:华中科技大学出版社,2001:105～137.
[4]肖宏伟.Visual C++开发答疑300问,人民邮电出版社,2003:15～30.
[5]纪盛东,崔长勇.面向对象的指挥显示软件设计:导弹试验技术,2005(3):27～30.
[6]敬锦,李辉.运载火箭飞行仿真系统体系结构设计及实现,2007(8):49～52.
[7]jun Sun,Hui Li,Jumei Fu.Research of texture for3Dmodel-ingbased on Creator[J].IEEE,2004.
查询与决策支持系统 篇2
地质灾害预警决策支持与应急指挥系统对地质灾害险情发现、险情鉴别、险情处置业务流程、数据流程进行调查分析，按区域、移民新城区、单体地质灾害分别建立了地质灾害预警决策支持及应急指挥逻辑模型；利用数据仓库技术实现了对地质灾害及防灾、救灾各类信息的快速检索查询；利用视频会议系统、大屏幕系统、卫星系统、单兵系统、通信指挥车系统、GPS定位系统等通过综合组网，快速搭建技术会商和应急指挥通信平台，创造了可视化程度高的、信息畅通的、可辅助决策并适应快速响应的条件和环境，充分调用了数据仓库、滑坡稳定性评价、预测预报、数据采集、治理工程等子系统建设的各项成果，有效地支持地质灾害预警决策及应急指挥。2 系统业务流程
应急指挥案例总结归档险情处置编制应急处置方案审批应急处置方案应急指挥过程信息管理灾情评估发送会商报告与建议编制会商报告与建议编制会商纪要险情鉴定准备专家要查看的信息会商人员签到会商过程信息管理会商执行准备会商要讨论的内容会商准备任务跟踪制定会商计划成立地质灾害应急防灾指挥部险情报警险情核查提交险情核查报告险情发现 图2-1系统业务流程图
地质灾害预警决策支持与应急指挥系统对一个地质灾害的生命周期（险情发现、险情鉴定、险情处置）进行管理和流程监控，同时建立技术会商平台和应急指挥平台，有效地支持了地质灾害预警决策支持与应急指挥。系统构成
地质灾害预警决策支持与应急指挥系统由险情上报、技术会商、应急指挥、配置管理四大模块组成。
险情上报模块包含的功能有险情分布、险情信息标注、险情报警、报警信息管理、险情核查、险情报告、险情报告处理。实现对发生的险情进行报警录入，核查险情的真实性，对核查后的险情进行处理及生成核查报告上报上级部门。显示险情的分布图，并在分布图中对险情地点进行标注等针对险情的管理操作。
技术会商模块实现针对某次险情发起会商，制定会商计划。对会商计划、会商执行、会商结果进行管理。提供辅助编制报告与建议功能，对专家会商全过程进行追踪、记录、存储、管理，并将会商中得出的建议与报告发送到相应单位，为最终决策提供参考。
应急指挥包括应急指挥平台、GPS系统接口、应急预案库管理以及应急预案辅助编制、信息交流，接收会商文件并对灾情进行应急响应、追踪，对灾情进行评估，最终形成案例归档。
配置管理模块主要是针对需要配置的模块进行管理，主要包括灾害点信息配置、专家信息管理、信息服务注册、多维展现模型库管理、应急通讯平台模式管理、会商内容模式管理、审批流程管理、用户个性化设置。险情分布险情信息标注险情上报险情报警报警信息管理险情核查险情报告查阅险情报告处理会商计划书会商计划会商任务查询我的会商任务会商内容查询会商人员签到查询会商执行会商过程信息查询会商内容执行情况查询会商纪要查询会商结果会商报告与建议查询会商文件发送记录查询会商文件接收记录申请单管理预案审批管理应急指挥应急预案库应急指挥信息执行追踪查询救灾资源管理GPS设备管理GPS设备应用分类管理GPS设备使用情况查询信息点标注灾（险）情评估管理案例归档管理信息交流查询灾害点信息配置专家信息管理信息服务注册配置管理多维展现模型库管理应急通信平台模式管理会商内容模式管理审批流程管理用户个性化设置我的审批任务历史审批单查询应急指挥平台三维视景漫游系统定位应急指挥信息执行追踪GPS设备使用情况GPS定位灾情调查情况信息交流会商结果技术会商平台会商计划会商计划书会商任务管理多维展现模型配置会商内容管理三维视景漫游系统定位会商执行会商人员签到会商信息服务平台（树形导航）会商信息服务平台（图形导航）会商过程信息管理会商内容执行管理会商纪要管理会商报告与建议会商文件发送记录预警决策支持与应急指挥系统技术会商
图3-1系统构成 系统特点
4.1 二维和三维GIS间的联动
能从二维GIS系统中的灾害点快速导航到三维GIS系统中并定位灾害点，将二维GIS和三维GIS的优点充分进行结合，查看灾害点信息更方便、全面、直观，实现空间信息可从宏观到微观间切换。
图4-1二维和三维GIS间的联动
4.2 利用自定义模板辅助生成报告
系统内置报告生成模版，灾害点基本信息可直接从库中读取、报告内容可在网页上根据模版设置直接输入，通过报告辅助生成模式直接产生图文并茂的OFFICE报告文档，可直接在网页上在线编辑OFFICE报告文档并保存。支持核查报告、会商报告、应急预案在线辅助生成。
图4-2利用自定义模板辅助生成报告
4.3 灾害点现场和历史信息分屏显示
在视频会商中，灾害点信息包含灾害点现场信息、灾害点基本信息、监测预警信息、专业监测信息、三维信息、稳定性评价结果、险情核查报告等，系统将这些信息有机地组织起来，在9分屏中进行灾害点的多维信息展示，能够根据需要快速切换不同分屏中展示的信息内容。专家可以查看灾害点现场信息，也可以查看灾害历史信息，专家和现场人员可以进行语音和视频即时交流。
图4-3灾害点现场和历史信息分屏显示
图4-4图形导航展示多维信息
4.4 应急指挥过程跟踪与回放
在应急指挥平台中，集成的GPS系统能够采集应急指挥车和应急指挥重要人员的运动轨迹并在地图上实时显示其位置，实现应急指挥过程的跟踪。应急指挥结束后还能进行轨迹回放，总结经验和教训。
图4-5应急指挥过程跟踪与回放
4.5 基于SOA架构的信息集成
系统创新地将SOA技术用于多维信息集成，各系统和模块之间的耦合度低，系统扩展性强。各系统提供的公共功能和模块通过SOA服务管理平台注册到SOA公共服务池中，形成各种公共组件，供其它子系统和模块调用。通过自定义的SOA协议，每个公共组件都具有唯一的调用地址。
图4-6基于SOA架构的信息集成 典型应用
5.1 三峡库区地质灾害预警决策支持与应急指挥系统建设
三峡库区是我国地质灾害多发区，对地质灾害进行有效的防治是三峡工程顺利进行的重要保障。
三峡库区地质灾害防治系统是一个多学科，多系统、多协议和面向各种应用的复杂项目，并且在目前地质灾害方面的决策支持、应急指挥案例方面无可参考案例，无可借鉴系统的情况下，完成三峡预警决策支持与应急指挥系统的设计、开发工作，并得到用户认可。
三峡库区地质灾害预警决策支持与应急指挥系统完成了对地质灾害的发现、鉴别、报警、上报、核查的处理业务流程。同时建立了技术会商平台、应急指挥平台，为险情发生后的技术会商和应急指挥提供支持。
预警指挥系统在单体地质灾害预警决策支持和应急指挥子系统建设所获成果基础上，对区域和移民新城区地质灾害预警决策支持和应急指挥，利用所建的空间数据库等资源，建设区域和移民新城区地质灾害预警决策支持和应急指挥子系统。
查询与决策支持系统 篇3
找准建设时机
根据信息化实施规划方法论,在应用系统实施的优先级排序上应该遵循“先业务处理系统、后管理信息和DSS”的原则。该原则一方面反映了系统间存在一定的依赖性,另一方面也反映了对投资回报率的考虑。
“系统间的依赖性”这点比较好理解,主要原因在于数据。DSS总体来说是数据驱动的。一方面支持从既有数据发现知识,比如预测模型或分类模型;另一方面支持利用既有知识或经验将数据加工成可以支持决策者做出判断的形式,比如形象的趋势图、柱状图等图形或格式化的表格。因此,DSS能够发挥作用是以业务处理或管理信息系统已经运行一段时间并积累了大量数据为前提的,这是DSS建设时机的一个重要方面。
在应用系统的投资回报率方面,除了定量分析外,还可以通过经验来说明问题。通过对中国移动和国家电网等央企DSS成功建设经验的研究,我们认为,DSS建设应首先关注以下几个方面应用:
1.市场营销
市场营销是企业管理的主要方面。它是一个管理决策过程,通过市场调查分析,产品、价格、分销、促销相结合,确保营销计划的执行。同时,应注意开发和引导消费者的潜在需求,而在计划实施中,应根据反馈信息及时调整战略、战术组合,适应市场新的变化。在企业发展初期或市场扩张期,产品质量提升、品种多样、价格低、促销可能是足够有效的营销手段。但随着企业生产能力的提升,市场容量的饱合,企业需要向更细分的市场、以更具特色的产品、更准确的定价、更恰当的促销手段进行市场营销,从而达到提升企业竞争力的目的。显然,在这个阶段,整个营销活动中信息的收集与分析在营销决策中起决定性的作用,而市场营销DSS是收集信息与正确分析信息的最有效的工具。
通过总结市场营销DSS建设的成功经验,可以发现,基于DSS的市场营销活动有四个步骤:第一,利用DSS,依据客户消费习惯、客户基本信息、人口统计信息等进行市场细分;第二,利用市场细分的结论制定有针对性的营销计划和策略;第三,营销计划的执行,并记录相关执行过程和结果;第四,利用DSS对营销执行的情况进行评价,以利改进。
2.绩效考核
绩效考核可定义为收集、分析、评价和传递有关某员工在其工作岗位上的工作行为表现和工作结果方面的信息情况的过程。在企业发展过程中,员工的绩效考核一般会经历领导说了算、相关负责人打分、DSS核算这样三个过程。前两种方式在实施过程中往往会因为以下两个问题而遭被考核人甚至考核人诟病。第一,主观性强,考核过程不透明;第二,考核人因为要面临大量的评分任务,且没有充足的信息作考核依据,因此经常疲于应付,甚至会出现考核人不认识被考核人而盲目打分的情况。因此,当企业发展到一定规模,管理信息和业务处理系统中已经积累了一定的数据,行业内人力资源管理水平普遍在提高的情况下,就出现了绩效考核DSS的内部和外部驱动力。
通过总结绩效考核DSS成功经验,可以发现,DSS在绩效考核中应用的成功还有两个重要的前提条件:第一是从实际工作流程和工作成果出发,建立可操作性强的绩效指标;第二是针对绩效指标计算的数据源需求改造业务处理和管理信息系统。
3.风险管理
风险管理是指如何在一个肯定有风险的环境里把风险减至最低的管理过程。当中包括了对风险的量度、评估和应变策略。风险管理的一般步骤包括风险识别、风险的预测和风险的处理。其中:
风险识别是指通过工作流程分析、财务表格分析或保险险种分析等方法定义自身存在的各种风险及优先级。
风险的预测是指估算、衡量风险,由风险管理人员运用科学的方法,对其掌握的统计资料、风险信息及风险的性质进行系统分析和研究,进而确定各项风险的频度和强度,为选择适当的风险处理方法提供依据的过程。
风险的处理则是针对风险预测的结论,按照预先准备好的应对策略或采取应急的措施排除风险或减小风险发生的概率或影响的过程。
风险的种类很多,下面以电信收入流失风险来举例说明。这种风险的发生往往是因为SP欺诈、恶意欠费等而发生。当这些风险被识别出来后,就可以通过数据挖掘技术,建立SP欺诈等风险预测模型,然后将模型固化到DSS中,该系统既可以支持主动分析,也可以支持自动风险预警。从电信管理论坛(TMF)统计数字可以看出,2009年有些运营商通过实施收入保障系统减少的收入流失,占到了总收入的3.4%。从此例可以看出,风险管理系统在某种程度上来讲是企业利润的重要来源和保障。因此,赛迪顾问认为:风险管理是企业管理中较高层次的内容,当企业具备一定的规模、管理信息系统和业务处理系统基本建立后,应该积极考虑利用DSS提升企业风险管理水平。
从以上例子可以看出,DSS主要在风险预测环节支持风险管理。其正常高效运行有两个前提:第一是风险的准确识别,风险的识别不但要求找到风险,而且要给风险排优先级。风险管理的原则是按风险等级的高低,有序地进行风险控制。因此要使风险管理DSS有效,首先要解决风险识别的问题。第二是建立高效的风险预测模型,模型是风险预测的根本。
由上得出DSS的建设时机选择原则是:在企业业务发展到一定规模,业务处理与管理信息系统基本建立的情况下,选择市场营销、绩效考核、风险管理管理这类与企业盈利关系大、见效快的项目作为切入点。
数据源是必须驯服的那匹野马
“输入的是垃圾,输出的还是垃圾”。这是对输入数据重要性的最贴切形容。DSS的输入数据通常是来自多个应用系统,而且面临着数据不完整、数据错误、数据格式多样(可能是xml, xls, oracle DB, sybase DB等)、各系统数据定义不统一(比如日期格式可能为YYYYMMDD或YYYY-MM-DD,货币单位可能为万元或元)等一系列问题,这就意味着相对于一般管理信息系统或业务处理系统而言,数据处理对DSS来讲至关重要。为了解决这一问题,Bill Inmon于1991年提出了数据仓库(DataWarehouse, DW)的概念,随着DW技术的发展,又出现了数据集市(Data Mark)和运营数据存储(Operational DataStore)的概念,相关的关键技术有数据质量的管理、元数据的管理和ETL等。
利用DW、DM和运营数据存储及相关技术实现数据集中管理,形成数据中心,解决DSS数据源问题的方案,已经在央企DSS建设实践中得到验证。通过对成功案例的总结,我们认为有四点成功经验可以借鉴:
第一,针对自身情况,对数据中心进行发展规划。规划的重点包括数据中心总体架构(如图1所示)、数据中心各组件功能与技术要求、数据中心实施步骤与推进策略,
第二,重点建设部门、地市集市,以支撑基层业务管理和决策为目的,比如电信地市集市对本地市场营销策划的支持极大刺激了用户对DSS的使用热情,
第三,重视数据质量和元数据管理工作,是保证实现数据中心高效、高质量数据管理初衷的必要保障。
第四,积极推进主数据管理和信息编码,通过统一企业级信息系统共享主数据(不包括业务处理数)模型和数据,统一信息编码,从根本上降低数据集成难度和出错机率。
与业务处理系统和管理信息系统的互动是加分项
DSS在使用过程中并不是孤立的,经常会出现为了完成一项工作,既需要进行业务处理又要进行数据分析的场景。比如在营销活动中,营销人员需要先针对特定客户群进行针对性营销,再根据营销结果利用业务系统为客户开通一些业务,最后营销活动的过程与结果又会得到评估。在这个场景中,客户群的识别、营销活动的评估是DSS的工作,而服务的办理则是业务处理系统的任务。因此,和业务处理系统与管理信息系统的互动极大的扩展了DSS的应用领域,提升了业务价值。
通过对大量案例的研究,笔者认为互动有三种方式或称为解决方案,分别为界面互动、应用互动、数据互动。
界面互动是通过门户集成的方式,将某一类使用者所需要的操作型功能和分析型功能整合在同一个界面上,从而提升用户使用体验。这种集成的使用场景多为即席查询、预定义报表等。
应用互动是通过应用集成的方式,在互动过程中,由业务或管理系统向DSS发出请求,DSS通过对自身数据进行分析,将结果返回给业务或处理系统。多见于对历史或统计数据进行查询的场景。
数据互动是通过数据集成的方式,利用ETL工具或其它数据同步方式,将DSS的分析结果“反哺”给业务及管理系统。这种互动适用于利用DSS的数据处理能力向业务及管理系统提供其频繁使用的信息。比如电信行业的客户价值、客户分群信息等。
评教决策支持系统的研究与实现 篇4
关键词：关联规则,遗传算法,决策支持系统,交叉操作,数据仓库,数据挖掘
现在,每一个高校都在认真积极的准备国家教育部的教学水平的评估,并希望能过在教学评估中取得可喜的好成绩。这样高校就要进行教学水平的评价。教学评价是教学过程的重要组成部分,它以教学目标为依据,不仅对教学起着调节、控制、指导和推动作用,而且有很强的导向性,是学校教学管理工作重要组成部分。
1 学生评教的决策需求
对企业来讲,决策的最主要的目的就是减少生产的本钱,从而大大提高利润。决策主要的内容也是萦绕着进货渠道、产品生产、售后服务和客户来源等多方面的问题。但是,对一个学校来讲,学校的主要目的是培养人才,并不是以营利为目的。所以,在建立学生评教决策系统的时候,我们非常有必要清楚学生评教的需求和特征。培养人才是一个繁琐的过程,在这个过程中可能会涉及许许多多的因素,比如个人、家庭、社会等。因此,学生评教决策需求有下面一些特点:
1)决策需求涉及多方面数据
对企业来讲,决策需求也许只牵涉到某一时间内企业的生产和销售信息。可是,对学生评教决策来讲,决策需求也许牵涉到到许许多多的情况。例如,决策是否需要调整这学期的教学计划,这就可能牵涉到学生、老师、学校等许许多多的因素。所以,学生评教决策需求联系的数据会变大,时间跨度会很长,况且还可能来源于许许多多的方面。
2)决策需求目标难以量化
教育的最终目的是在于把学生培养成有能力、有文化、有思想的人才,这就会涉及很多方面的因素。因此决策需求通常只能定性的描述,难以量化。
3)评教决策需求的不稳定性
由于受到多方面因素的影响,学生评教决策需求的不稳定性主要有两方面。第一是内容上的不稳定性,因为学校的老师、学生和各种教学要求等等的不同,所以评教决策需求也不断的改动。第二是时间上的不稳定性,但是对评教决策来讲很少有需要周期性决策的内容,经常是很长时间不需要决策什么,但是在短时间内有可能改动。
2 评教决策系统的体系结构
随着二十一世纪的到来,人们对信息的需求不断迅速增加,让整个企业内的人们都可以充分利用这些数据是信息系统部门的工作重点。如果使用评教决策支持系统,学校领导不仅就能够通过数据仓库的多维存储技术对大型和复杂的数据进行快速和高级的分析工作,并且得出和了解学院目前的教学水平,这样就可以在如何提高教学质量上制定方法和策略,而且还能够应用数据挖掘得到的结果,为学院如何引进人才提供了指导性的帮助。目前我院还不能够完全依靠本校的教学师资力量,鉴于此,加强我院师资队伍建设,提高教师教学质量就成为我院未来发展的重中之重。
在这样的情况下,我们有必要建立起高校学生评教决策支持系统,以新型的决策支持系统为基础,以数据仓库、数据挖掘等新技术为手段,充分利用历史的学生评教数据进行分析处理。在如何提高教师教学质量、加强教师队伍建设等方面提供决策支持。
基于数据仓库和数据挖掘的新型决策支持系统体系结构图如1所示。
3 评教决策系统的数据仓库设计
3.1 数据仓库需求分析(Data warehouse requirement analysis)
如何提高教师的教学质量和那些影响教师教学的主要因素是决策者非常关心的问题。在评教系统中,对于这样的问题,能否准确的了解和把握,将会帮助他们制定出来相应的政策,从而能够提高师资队伍的建设和配置合理的师资结构。进一步加强促进学院的建设和发展。
3.2 数据仓库设计(Data warehouse design)
在学生评教的数据仓库设计中,一般我们都是利用三层数据建模方式:概念模型设计、逻辑模型设计和物理模型设计。
3.2.1 概念模型设计
确定主题域和内容是概念模型设计最重要的任务,这也要求决策者要重点分析有可能涉及的数据的多维性。
3.2.2 逻辑模型设计
分析主题域、确定粒度层次划分等是逻辑模型设计最重要的任务。
1)逻辑模型中的事实表和维表
在逻辑设计中,将会涉及到如表1~表10的事实表和维表。数据来源于教务学生评教系统,根据学生评教决策系统的需求,将只介绍使用在本系统中的相关数据表。
3.2.3 物理模型设计
考虑相关的数据存储方式,从而能够使系统有很好的性能是物理设计最重要的任务。所以把庞大的事实表存储在不相同磁盘的两个分区中,在进行存取时数据同时在两个磁盘上操作,速度可以提高很大。
4 评教决策支持系统的实现
现在准备开发的评教决策支持系统,可以先对以往的学生评教数据进行分析,然后还可以进行提取规则。但是现在宿迁学院使用的学生评教系统仅仅能够实现相关数据的基本管理工作。这为提高教学质量、引进人才提供合理、科学的决策支持。
4.1 系统开发工具(System development tools)
我们在Microsoft Windows2003 Server和Excel2003系统基础上,利用Microsoft SQL Server 2003建构数据仓库,并利用VB6.0作为数据挖掘和系统的开发工具,利用ADO访问学生的评教数据。采用基于改进的Apriori算法和遗传算法的混合关联规则挖掘算法来编制相应的数据挖掘模块。
4.2 系统框架(System framework)
经过细致的研究分析,把系统分成如下模块:登录模块、关联规则挖掘模块和数据仓库管理模块。根据基于遗传算法的关联规则挖掘算法得出关联规则,便于决策者掌握教师教学情况,了解影响教师教学效果的因素,有针对性的制定计划和政策来加强师资队伍建设,属于描述型数据挖掘模式。
如图2所示为本系统的框架。
4.3 系统运行结果(System operation results)
4.3.1 登录系统的界面
在登陆系统的时候,首先输入用户名"wennuan",然后再输入密码"sqxy58"。如果输入的密码与用户名错误时,系统会给三次机会,如果还不正确,这样只能退出评教系统。如果输入的密码与用户名没有错误,用鼠标点击“登陆”按钮,这时就可以进入评教决策支持系统。登陆系统的界面如图3所示。
如果能够登陆成功,我们将会进入“连接界面”,如图4所示。
如果要实现sql server与VB连接数据仓库的时候,我们可以使用函数conngetconnection.这个函数的作用可以弹出数据源的选择对话框,如果我们选择数据源,然后我们就可以得到connectionstring。这样就可以使得这个字符串传给ADO中的连接对象的函数open。
4.3.2 数据仓库分析的结果
1)利用Analysis Services的浏览功能
我们可以应用analysis services manager对多维数据集的数据进行分析处理等。多维分析是非常靠近人们的思维一种方式。这种方式可以从不相同的侧面和不相同的角度对数据进行分析。其中有drill down、slice、rotate、roll up等不同的操作。
(1)Drill down操作
这个操作能够决策者深入到当前数据的下一层或者任意层分析更详细的数据。图5所示的是操作前的综合数据。假如想分析“教师职称”和“教师系部”下一层的数据,我们可可以双击图5中带“+”号的两个维标题进行钻取操作,就能够看到下一层的详细数据,如图6所示。
(2)Roll up操作
Roll up操作过程恰好与Drill down操作是两个完全相反的过程,该操作可以让决策者在更高的层面上总结数据,研究数据,分析数据。
(3)Rotate操作
Rotate操作可以让决策者在不同的角度上总结数据,研究数据,分析数据。在图5中决策者是按照教师职称来分析每一个系部教师的学生测评情况,假如决策者变换分析角度,按照教师学历来分析各系部教师的学生测评的情况,只需要拖拉数据区域上方的“教师学历”到“教师职称”标题栏处,即可完成Rotate操作,
(4)Slice操作
Slice可以使决策者对多维数据中立方体的切片或者是切块,而且还可以在不同的侧面来分析和研究数据。如果我们点击上方维的不同的选项,我们就可以和研究在不同切片上的数据。宿迁学院在2008年度第一学期学生评教中,性别为男,学历为硕士的不同职称教师各项评教指标及总评分的成绩。如下图7所示。
2)以MDX查询“数据查询与显示”
如果操作正确,测试连接正确,我们就能进入宿迁学院评教决策支持系统的主窗口,如图8所示。
“数据查询与显示”主要指学生评教模块,主要是根据MDX查询界面中用户自定义的查询条件自动生成MDX查询各种语句。
MDX是一种语法,可以支持多维对象与数据的定义和操作,每个MDX查询都要求有数据请求(Select子句)、起始点(From子句)和筛选(Where子句)。例如“学生评教分析”主题的数据查询。如图9、10所示。
图9显示了五系((外语系)具有讲师职称、本科学历的女教师的学生测评情况,图中所显示的每一项评教指标是查询结果的均值。从图中所显示的数据来看,学生对他们的教学情况比较满意。
图10显示的是2007~2008学年度第二学期一系(社会服务系)07法学1班学生对大学体育这门课程的任课教师的学期测评情况。从查询结果可以看出这位教师是我院新引进的教师,虽然具有硕士学历,但是因为工作不久,还没寻找出一种适合自己又适合学生的教学方法,所以该教师的教学还没有完全得到学生的认可。
通过该模块我们可以得出各系部教师不同性别、不同职称、不同学历等各项数据查询情况,一方面能反映出宿迁学院各系部现有的师资结构,另一方面还可以很直观的看到评教的各项指标对应的数据,从中可以分析出任课教师能否得到学生的好评和认可。
3)“Excel图表分析立方体”模块
虽然“数据查询与显示”模块可以使用户在评教系统中查看数据仓库中的所有数据信息,可是有的时候决策者更加希望通过直接通过图表,就能够获得汇总数据,并且Office中的Excel使用起来更加方便。因此在宿迁学院评教决策支持系统中提供了“Excel图表”模块,便于用户应用Excel 2003来查看多维数据集。这也包含了“学生评教分析”的子模块。
为了更加方便使用者的应用,我们要先左后创建数据源的工作,如图11所示,将所创建的数据源分别连接到数据仓库的“学生评教”多维数据集中。
决策者能够在Excel中根据需要产生合适的表格和图表。图12所示的是三系(计算机科学系)教师在2007~2008学年度第一学期的学生测评情况。
5 结束语
该文的研究只是一种尝试和初步应用,还需要进一步的完善与提高。DSS是一个融信息技术、人工智能、心理学、决策科学、计算机技术、行为科学、组织理论和管理科学等诸多技术为一体的技术集成系统。随着社会的进发展与进步,随着科学的发展与进步,特别是信息技术和计算机技术的快速发展与进步。将以一门新的学科,伴随着社会的进步而产生更大的发展与进步。
参考文献
[1]陈文伟.决策支持系统及其开发[M].北京:清华大学出版社,1994.10.
[2]周义刚.面向决策支持的数据仓库技术的研究与应用[D].武汉:湖北大学,2004.
[3]陈京民.数据仓库与数据挖掘技术[M].北京:电子工业出版社,2002.
[4]杨晓文,韩燮.学生成绩分析数据仓库的模型设计及实现[J].山西电子技术,2005(1).
[5]Using Data Definition Language with SQL Server 2000 Analysisi Services Client Applications[Z].Dennis Kennedy Microsoft Corporation,2001.
[6]David R.Musicant.Data mining mathematical programming and machine learning[D].University of Wisconsin-Madison,2000.
[7]李晶.基于数据仓库的教学质量测评研究[D].昆明:昆明理工大学,2007.
决策支持系统论文 篇5
【论文关键词】设备维修 决策支持系统 故障诊断
该系统中包含多个决策模块，按其功能可主要分为以下几类决策问题：设备技术状态等级决策、设备维修管理决策、设备故障诊断决策、备件优化库存决策。该系统可以辅助设备维修管理人员进行泵站设备的维修决策。一般一个DSS的核心是模型库系统，其作用是管理各种决策方法、模型，设备维修管理及决策支持系统包含了多种决策模型，如线性规划、模糊决策方法、神经网络方法、层次分析法、灰色系统等。这些模型及其组合可分别在几个功能模块子系统中得到应用，如设备技术状态等级决策中用到模糊综合评判法，设备维修管理决策中用到了逻辑综合决断法、模糊综合评判法等，设备故障诊断决策中使用了模糊诊断理论、专家系统等。以下将着重探讨设备维修管理决策和设备故障诊断决策两类核心决策问题。
1.设备维修管理决策
对设备磨损（有形磨损和无形磨损）的补偿方式有维修和更新。维修可分为事后维修、预防维修和状态维修三种方式。这里的更新概念是指以全部的设备来代替旧设备。因此设备维修管理决策问题可分为：设备更新决策、设备维修方式决策、设备状态维修决策和设备维修周期决策等。以下主要讨论设备更新决策、设备维修方式决策。
1.1设备更新决策
设备更新是修理以外的另一种设备综合磨损的补偿方式，设备更新有两种形式：一种是用相同的设备去更换有形磨损严重、不能继续使用的旧设备；这种更新只是解决设备的损坏问题，不具有更新技术的性质，不能促进技术的进步。另一种是用较经济和较完善的新设备，即用技术更先进、结构更完善、效率更高、性能更好、耗费能源和原材料更少的新型设备，来更换那些技术上不能继续使用或经济上不宜继续使用的旧设备。这种更新不仅能解决设备的损坏问题，而且能解决设备技术落后的问题。在当今技术进步很快的条件下，设备更新应该主要采用后一种。
对设备实行更新，不仅要考虑促进技术进步，同时也要能够获得较好的经济效益。对于一台具体设备来说，应该不应该更新、应在什么时间更新、应选用什么样的设备来更新，主要取决于更新的经济效果。设备更新的时机，一般取决于设备的技术寿命和经济寿命。
有些设备在其整个使用期内并不过时，也就是在一定时期内还没有更先进的设备出现。在这种情况下，设备在使用过程中同样避免不了有形磨损的作用，结果将引起维修费用（特别是大修费用）以及其他运行费用的不断增加。这时，即使进行设备原型替换，在经济上往往也是合算的，这就是原型更新问题。在这种情况下，可以通过分析设备的经济寿命进行更新决策。
设备原型更新的模型可按其费用函数分为低劣化模型、最小年费用模型等。这两种模型都是以追求设备寿命期内的费用最低为目标，当设备的费用最低时的年数也就是设备的设备维修管理及决策支持系统的辅助决策研究最佳更新期。
（1）低劣化模型①
t=t=
其中，t：设备的经济寿命；
B：设备原值；
q：设备的低劣化数值（即每年增加的使用维护费）。
实际分析时，考虑到资金利息，会进行适当的修正。当使用年限超过设备的经济寿命时，一般考虑更新，而不再考虑维修。
（2）最小年费用模型②
如果设备的低劣化值每年变化率并不相同则可采用最小年费用模型计算设备的最佳更新期。
Ct=
式中，ct表示某一确定年份的年平均费用（元）； cp表示某年设备的使用成本（元）；k0表示设备原值； kc表示设备残值；t表示某一确定年数。ct最小时的年数就是设备更新的年限。
1.2设备维修方式决策 毕业论文酷 www.lwkoo.cn
设备可划分为重点设备、重要设备和一般设备，并根据设备的特点和状态，确定最适宜、最经济的维修方式：事后维修、预防维修或状态维修。因此维修方式决策的目标是在保证设备安全运转的基础上，实现设备寿命周期费用最经济、综合效益最高，具体来说，就是提高设备的利用率，降低设备维修费用和运行成本。
维修方式决策的总原则为：对于故障有发展过程且可监测、维修成本高的重要设备实施状态维修；对可靠性和安全性要求高的、故障属于寿命型但不易检测的设备采用定期预防维修，此时需要优化维修内容和间隔期；而对故障危害性较小、故障率恒定且故障不易检测的设备实施事后维修；并针对具体情况见缝插针的实施同步维修和改进维修。
设备维修方式决策的适用对象可以是整机，也可以是某一个子系统，甚至是子系统的某一个子系统，也就是说，维修方式的决策对象可以是所有的泵站系统、子系统，也可以是其中一种设备，甚至是主机的某一个零部件。不论是哪一级的维修对象，使用的决策模型都一样，以下介绍两种决策模型，分别是逻辑综合决断法、模糊综合评判法。
（l）逻辑综合决断法
“逻辑综合决断法”首先把设备分类，然后根据决策目标的要求，就设备性能指标提出一系列逻辑问题，最后根据答案决定建议实施的维修方式。“逻辑综合决断法”主要是一种定性分析方法，其分析步骤为：
第一步，确定企业实施不同维修方式的比例。由于设备、检测能力和维修人员素质等的差异，不同企业实施状态维修、定期维修和事后维修的比例是不同的；
第二步，按照下图所示的流程回答问题，确定设备的维修方式；
第三步，根据步骤一确定的比例关系，调整设备的维修方式，同时考虑其它重要的影响因素，如水电部门对某些设备实施维修方式的限制，最终确定设备的维修方式。
可以看出，逻辑综合决断法简单易行，能在时间短、开支少的情况下，对设备分类，还可充分吸收专家和使用人员的意见，逐步完善分析过程。
（2）模糊综合评判模型
模糊综合评判法决策的基本原理是认为设备特征参数与维修方式之间存在模糊关系：B=A。R ，其中A为设备特征参数模糊集，B为维修方式模糊集，R为识别矩阵，“。”为模糊算子，根据设备特征参数的隶属函数和识别权矩阵可以得到设备的评价集，然后依据一定的决策原则就可以进行设备维修方式决策“。”③
决策好维修方式是实现以可靠性为中心的维修策略的基础，以上两种决策模型各有优缺点，逻辑综合决断法比较简单，但只能利用设备的定性信息；模糊综合评判法在某种程设备维修管理及决策支持系统的辅助决策研究度上能够反映问题的本质，但自学习能力要差一些。对泵站设备而言，维修方式的决策受到诸多因素的限制，模糊综合评判方法有时因不能量化，忽略了某些因素，得到的决策结果不准确，失去辅助决策的意义，因此本系统偏重于采用逻辑综合决断法。
2.模糊理论在设备故障诊断决策中的应用④
作为一门崭新的数学学科，模糊数学的出现与发展，对许多领域尤其是工程技术领域产生了极大的影响，使这些领域不断出现新的成果，从而加速了这些领域的发展.设备维修管理就属于这样的领域。在这一领域中，有些设备的故障原因和现象是明确的、清晰的和肯定的，即模式是明确的、清晰的和肯定的，而大量的诊断对象的模式带有不同程度的模糊性，属模糊式的设备故障诊断及维修管理的问题。
模糊数学为复杂设备的故障诊断及维修管理提供了有力的数学工具。这是因为，随着现代科学技术的飞速发展，各种设备不断复杂化。根据模糊数学创始人Zadeh提出的“不相容原理”，当系统的复杂性增加时，精确而有效地描述系统行为的能力就减少，当达到某一闽值时，精确性和有效性变得相互排斥，因此，设备的复杂程度越高，其系统的模糊性也就越强。运用模糊数学的基本原理，分析处理设备状态监测和故障诊断及维修管理中遇到的模糊信息，将为设备的维修管理开辟新的有效途径。
总之，设备维修管理及决策支持系统的设计及应用将减轻设备维护过程中决策人员的工作负担，提高工作效率、设备运行率及可靠性，产生显著的经济效益。
参考文献：
①②方淑芬、吕文元.设备维修管理智能决策支持系统的研究.系统工程理论与实践［J］，20xx（12）：53-59
③张曾科.模糊数学在自动化技术中的应用［M］.北京：清华大学出版社，1997.
④石涛.模糊数学在机械故障诊断专家系统中的应用［J］.武汉造船，1998（6）：17-18
毕业论文酷 www.lwkoo.cn
智能决策支持系统探究 篇6
[关键词] 决策支持系统 人工智能 智能决策支持系统
一、引言
决策者要经常面临一些非结构化状态,这些状态处理起来既复杂又困难,并且不能用标准的常规的方式来解决。决策支持系统(DSS)是以交互式计算机为基础的系统,它允许决策者直接干预并帮助他利用他的经验和判断来解决半结构化或非结构化的问题。作为新的基于计算机的信息系统,DSS首先由Scott Morton早在1970s明确的提出,在20世纪70年代中期,Keen和Scott Morton引入了DSS的概念。智能决策支持系统(IDSS)是决策支持系统和人工智能的结合,在20世纪80年代中期,人工智能领域的研究者们把知识表示和知识加工的思想引进到DSS中,弥补了传统的DSS的只依靠模型技术和数据处理技术的缺陷。
二、DSS和IDSS的概念
决策支持系统(Decision Support System,DSS)是信息系统研究的最新发展阶段。它是一个融计算机技术、信息技术、人工智能、管理科学、决策科学等学科与技术于一体的技术集成系统。传统的DSS使用数据模型和数值计算方法来辅助决策,具有无法表示复杂决策过程的局限性,随着AI技术的发展,专家系统的出现,1981年Bonczek等人提出将DSS与ES相结合,分别发挥DSS数值分析与ES符号处理的特点,将定性分析和定量分析有机结合,使其能够进行知识处理,以方便、准确地模拟客观世界,全面地反映决策过程,从而有效地解决半结构化和非结构化问题,形成最初的IDSS。
IDSS是管理决策科学、运筹学、计算机科学与人工智能相结合的产物。利用专家系统(ES)技术,预先把专家(决策者)的建模经验整理成计算机表示的知识,组织在知识库中,并用称为推理机的一组程序来模拟决策专家的思维推理,形成一个智能的部件;在经典DSS中需要决策者干预时,就先访问此智能部件,只有当它也无能为力时,才请求人工干预,这样就可以大大提高决策效率并减轻管理决策人员的负担。
三、DSS和IDSS的结构
1.DSS的结构。DSS发展至今大家比较公认的一种为“三部件”结构。它主要由数据部件、模型部件和对话部件组成。具体表现为以下四个系统:(1)数据管理子系统;(2)模型管理子系统(3)知识管理子系统;(4)对话子系统。
2.IDSS的结构。智能决策支持系统(IDSS)是在决策支持系统的基础上集成人工智能技术,特别是专家系统而形成的,它既充分发挥了专家系统中知识及知识处理的特长,也充分发挥了传统决策支持系统中数值分析的优势。既可以进行定量分析,又可以进行定性分析,能有效地解决半结构化及非结构化的问题,这就大大扩大了决策支持系统的应用范围,提高了系统求解问题的能力。
四、基于AI的IDSS
人工智能(AI)是让计算机来模拟人类智能,由于模拟途径的不同,产生了不同的AI理论和技术。通过心理学的途径,总结人们思维活动的规律,产生了人工智能的符号机制,后发展成ES;根据生理学、认知科学等对人类学习机理的了解,建立人类学习的计算模型或认知模型,形成了机器学习理论;通过社会学的途径,研究人类在社会中的行为,将人类模拟成为多种智能体品质构成的有机的整体——Agent,综合考虑Agent技术及其在Agent环境中的行为,这就是Agent技术和理论。除此之外,还有自然语言理解等人工智能技术。将上述不同的AI技术与DSS相结合,形成不同形式的IDSS,下面对它们分别介绍。
1.基于ES的IDSS
ES是目前AI中应用较成熟的一个领域,一般由知识库、推理机及数据库组成,它使用非数量化的逻辑语句来表达知识,用自动推理的方式进行问题求解,而DSS主要使用数量化方法将问题模型化后,利用对数值模型的计算结果来进行决策支持。在IDSS中,将DSS和ES相结合,主要有三种结合方式:(1)DSS和ES的总体结合;(2)知识库(KB)和模型库(MB)的结合;(3)数据库(DB)和动态数据库的结合。
由以上DSS和ES三种结合方式,就形成了三种IDSS的集成形式:(1)DSS和ES并重的IDSS结构;(2)DSS为主体的IDSS结构;(3)ES为主体的IDSS结构。
2.基于Agent的IDSS
Agent是目前AI领域的研究热点,主要有智能型Agent研究、Multi—Agent系统研究和Agent—oriented的程序设计研究三个方面。Agent自身应该具有知识、目标和能力。知识是Agent对其周围环境和要求解的问题的某种描述。目标是Agent解决问题所能达到的程度。能力就是Agent自身具有的解决问题的技能。针对不同的具体任务,人们构造了不同种类的Agent来满足需要。界面Agent、信息Agent、移动Agent和协作Agent就是其中的四种。关于Agent的资料很多由于篇幅限制这里不再展开阐述。
五、IDSS研究过程中要解决的问题
1.智能部件的设计和实现。IDSS中的智能性可以表现在知识库部分,模型库部分和数据仓库(数据库)部分。对模型库系统部分包括模型库的组织结构、模型库管理系统的功能、模型库语言等方面的设计和实现,主要是模型的表示和智能构造及重用,如何使模型库中的模型具有知识,以有效地将定性和定量分析相结合。
2.系统各部件之间的交互。系统各部件之间的联系通过部件之间的接口来完成,包括对数据存取,对模型的调用,对知识的推理和修改,人机界面对各个模块的调用和协调.如何实现各个部件之间的高效交互,使信息能高效传递是一项需长期研究的任务。
3.系统的集成化。如何根据实际需要,以现实经济社会为依托,运用多种技术和方法进行系统综合集成,使系统各部件有机地结合在一起,形成完整实用的系统。
六、结束语
IDSS的发展趋势是向着综合化、集成化方向发展,综合利用多种技术来实现IDSS已是构建现代IDSS的必然趋势。IDSS的研究工作应该突出在系统的智能性和对决策支持两个方面。随着现代科学技术的发展,AI、数据库领域都出现新的技术,如何有效地将这些技术应用于IDSS的构建中,把数据仓库、数据挖掘、模型库、数据库、ES、面向对象、Agent、机器学习等的优点结合起来,集成综合的决策支持系统,开发出实用而有效的IDSS是当前IDSS发展中的首要问题之一。
参考文献:
[1]高洪深.决策支持系统(DSS)理论、方法、案例.北京:清华大学出版杜,2000.
[2]GA Gorry,MS Scott Morton. A framework for management information systems.Sloan Management Review,1999.
[3]黄梯云.智能决策支持系统北京:电子工业出版社,2001.
[4]陈文伟.决策支持系统及其开发(第二版).北京:清华大学,2000.
[5]赖景和.周运森.决策支持系统在企业管理中的应用.现代科学,2004,6.
[6]毛海军,唐焕文.智能决策支持系统研究进展.小型微型计算机系统,2003,5.
查询与决策支持系统 篇7
关键词：秦山核电,应急,决策支持
0前言
福岛事故后, 随着国内核电站机组数量的增加, 核事故应急越来越受到国家的高度重视, 各级核应急职能部门也随之大力建设、配备现代化的应急设施设备。秦山核电应急控制中心是福岛核事故后国内第一个投运的软硬件功能齐全、装备完善、决策支持系统先进的应急响应设施, 是秦山基地9台核电机组应急响应的指挥场所, 秦山核电应急控制中心的投运极大提升了秦山核电的响应能力, 也为国内核电同行应急基础能力的建设提供了示范。应急控制中心的核心系统就是应急决策支持系统 (简称“系统”) , 该系统是基于通用应急平台, 针对核电这一特殊行业, 进行了专业化的功能定制研发, 形成的更为符合专业需要的核事故应急支持系统, 能够为应急指挥决策提供更为有效的支持和帮助。
1 系统总体设计
本系统由系统化的软硬件系统构成, 主要围绕应急大屏幕显示系统, 配合相关的应急指挥终端, 应急会议系统, 应急处理服务器, 实现对电厂工况参数, 安保视频, 外部和人为事件, 应急行动水平, 人员就位, 应急报告, 环境监测, 事故后果评价, 源项反推, 堆芯损伤数据, 移动监测 (陆地, 海面) , LED显示控制, 应急资源, 舆情监控, 三维事故模拟, 三维数据展示等子系统信息的汇总与展示。实现对应急控制中心内指挥人员的技术支撑, 确保其全面掌控现场的各类情况, 及时作出高效的处置决策。
1.1 逻辑框架图
系统采用B/S模式, 服务端基于ICV等众多接口进行数据采集, 并对数据进行分析、处理;前台基于Silver Light展示 (图1) 。
1.2 系统架构图 (图2)
1.3 系统特点及性能指标
系统创造性的把应急响应流程与计算机的应急决策显示流程相结合, 把突发公共事件接入计算机二维、三维系统, 利用应急监测数据进行事故源项反推, 并建立了应急行动水平自动判断、流程显示系统。
整个系统是基于Web开发的核事故应急支持系统, 可在秦山核电办公网上通过web浏览器直接打开。系统用户采用基于秦山核电办公网域账户认证的统一认证系统。在开发方式上, 系统有采用先进的RIA (富客户端人机器交互架构) 。
在GIS展示技术方面, 使用了将二维, 三维集成的一体化Web GIS引擎, 可基于同一目标快速实现二维GIS地图到对应的三维GIS图像之间的切换。
在电厂工况画面展示方面, 采用了工业级组态技术, 通过高性能实时数据库, 实现对于各类数据的高效整合。
系统硬件做了抗震加固, 重要节点做了双机热备, 在同类应急系统中硬件规格较高, 稳定性强。
综合性能指标如下:
1) 数据变化的刷新时间不大于2秒;
2) 报警信息的显示时间不大于1秒;
3) 控制下发到驱动的时间不超过500毫秒;
4) 实时数据库数据扫描频率下限可达50毫秒;
5) B/S模式下支持300用户以上并发访问;
6) 组态画面终端刷新时间最小500毫秒, 通常可配置为1-3秒;
7) 历史趋势数据可保存3个月以上;
8) 节点服务器冗余切换时间不大于3秒。
2 系统功能
系统平台具备应急响应和应急演习两种功能模式。应急响应模式用于真实核事故情况下的响应行动, 数据来源为事故时的真实数据。应急演习模式主要用于应急演习和应急培训, 输入的数据采用模拟数据, 如实时工况数据采集自模拟机、环境监测数据来自于预设数据, 预设数据可以采用手动输入或文件导入方式, 所有演习期间的输入、输出与过程数据可以储存为数据文件, 并可重新调入。
系统通过专门的数据集采集与分发服务, 将数据集中采集和存储, 通过公共接口提供给各个专业子系统。本系统通过后台数据的集中, 前端画面的整合, 实现了对传统应急指挥系统中涉及的电厂工况系统, 环境监测系统, 移动环境监测, 应急行动水平 (EAL) , 源项反演系统, 事故后果评价系统, 堆芯损伤数据, 应急资源, 舆情监控, 三维事故模拟, 三维数据展, 安保视频, 应急就位, 应急报告, 视频会议, 应急大事记等18个相关子系统的整合, 并通过权限管理控制, 确保各岗位的应急组织成员能够明晰并聚焦各自所需关注的实时/历史数据, 及时对应急态势进行判断分析。下面仅对其中几个主要功能进行简要介绍。
2.1 应急行动水平实时在线判断
应急状态需要应急指挥来判断和批准, 紧急情况下现去查阅是不利于快速决策的, 本系统利用工厂安全参数进行应急行动水平判断, 提升了应急状态判别的准确性和应急响应的时效性, 为应急指挥部的应急决策和场外应急防护行动提供了有效支持 (图3) 。
2.2 实时数据采集及显示
系统可以采集并显示的实时数据包括:电工实时工况参数 (含流出物参数) 、模拟机工况参数、实时监测数据 (含气象观测参数、环境剂量检测参数、环境监测车监测数据等) 。
2.3 应急资源信息及GIS应用
系统具有对电厂设施和厂址地理信息的三维显示功能, 以及周边道路、村庄、学校、医院等信息查询显示功能, 并可在系统中方便地查阅应急计划、执行程序和应急技术支持等文件。理信息系统覆盖了核电厂周围80KM范围内的应急资源信息;三维系统模拟了秦山9台机组的厂房, 压水堆和重水堆的重要系统构件。二维、三维系统可以互切, 并融入了突发事件的理念、严重事故序列的概念。
2.4 国内首创利用应急监测数据进行事故源项反推
国内首创采用非线性反演技术, 将核电厂事故发生后厂外监测的数据反演事故释放源项, 以实现事故发生早期阶段的源项释放率的准确估计, 为恶劣气象条件叠加严重事故情况下的事故环境后果评价提供了必要的手段。
2.5 多机组核事故组合操作干预水平的确定
根据源项分析结果和气象数据实时在线计算操作干预水平值;根据秦山厂址多台机组任意核事故源项组合, 分别计算确定秦山核电周围各区域的操作干预水平值, 为公众应急防护行动提供技术决策依据。
2.6 利用全球气象高分辨率中尺度预报系统进行风场预报
利用全球实时发布的GFS数据, 采用WRF中尺度气象模式进行气象预报, 在国内核应急领域率先采用非静力学模式作为气象场预报模式, 实时自动预报未来3-7天的气象场 (风、温、湿、压和降水等) , 解决了计算长时间、多堆释放问题。
3 使用情况及改进意见
经过多方测试及多次应急演习的实战检验, 该应急决策支持系统的开发体现了一定的创造性和先进性, 系统的成功开发和使用也有效的优化了应急决策流程, 能够满足秦山核电基地应急准备及应急响应的需要, 能为应急指挥部在较短时间内做出正确决策提供强有力的技术支持。
系统投入运行以来, 期间也发现了一些不足之处并做了相关改进, 但随着应急工作的不断深入及外部环境的变化, 系统还应在以下方面保持持续的改进和完善:
1) 应急报告功能模块需进一步开发和完善, 要与公司的办公系统进一步融合;
2) 应急行动水平实时在线判断功能还需进一步优化, 并要根据电厂应急行动水平的变动情况及时调整;
3) 要对外部环境重要信息的变化进行跟踪和收集, 及时对系统数据库中的数据进行更新和补充;
4) 为提高应急资源的利用效率, 将集团公司的应急资源信息平台信息接入系统;
查询与决策支持系统 篇8
关键词：烧结过程,决策支持系统,主成分分析,灰色关联分析,控制图
0 引言
在现代钢铁企业产品质量管理中,建立和发展现代化的产品质量信息分析决策支持系统,可以帮助钢铁企业技术人员有效分析产品质量,准确把握产品质量动态,实现对整个产品质量过程有效的管理和决策,对钢铁企业降低生产成本,提高经济、社会效益,具有重要意义[1,2,3]。
烧结矿一直是国内外高炉炼铁的主要原料,占高炉炉料的90%以上。烧结过程不仅能使矿粉成块,而且还对高炉炉料起着火法预处理的作用,使高炉冶炼达到高产、优质、低耗的目的。烧结矿质量的优劣将直接影响到炼铁生产的产量、质量及能源消耗,因此钢铁企业烧结过程的质量管理尤为重要,而控制图是最重要的质量管理工具,针对控制图统计分析,很多学者进行了深入研究,并在一些领域取得了成功应用[4,5,6]。
目前在钢铁企业烧结过程质量管理中,一些企业质量分析仅凭人工经验,缺乏对生产过程进行全面的关联分析,无法及时发现生产过程中的异常信息并做出相应的调整。本文针对某大型钢铁企业烧结过程的质量管理问题,建立基于控制图分析的烧结过程决策支持系统,可以帮助决策者准确地掌握生产过程中的有用信息,并有效指导生产调整。
1 系统总体结构及功能
系统采用如图1所示的总体框架,以Oracle 10g作为基础数据库,数据由两部分组成,一部分是通过人工录入的各种质量数据,包括中和矿、烧结矿的质量指标数据;另一部分是通过实时数据库从烧结控制系统取得的工艺参数数据,这部分数据可以通过相关工具转存到关系数据库中,主要为烧结过程工艺参数、下料信息等。
系统首先从Oracle数据库中读取质量、工艺参数数据,并对这些数据进行主成分分析和灰色关联分析,计算出影响质量各因素的关联度,根据关联度确定影响质量的关键参数。针对确定的主要质量指标和关键参数绘制控制图,对控制图进行分析,根据选定的异常准则进行判断,出现异常情况报警,并通过异常诊断方法进行原因分析,为指导生产调整提供依据。
2 烧结过程关键参数确定
2.1 主成分分析
烧结生产过程涉及众多质量指标,但是指标太多不仅会增加计算的复杂性,而且也会给合理分析问题和解决问题带来困难。一般说来,每个指标都提供了一定的信息,但其重要性有所不同,而在很多情况下,指标之间有一定的相关性,使得这些指标提供的信息在一定程度上有所重叠。因此人们希望用极少数相关互补的新指标来反映原指标提供的绝大部分信息,通过对新指标的分析达到解决问题的目的[7]。
烧结矿质量指标主要包括化学成分指标:全铁含量、氧化铁含量、氧化镁含量、硫含量、磷含量、碱度;物理性能指标:转鼓强度、粒度(10～40 mm)。这里分别用x1,x2,…,x8表示。采集一组现场数据,按照主成分分析步骤计算过程如下:
步骤1,根据指标体系中的具体指标收集原始数据,取n个指标不同时间的n个数据;
步骤2,求出数据的样本协方差矩阵与相关系数矩阵;
步骤3,计算相关系数矩阵的特征根λi(i=1,2,…,n),对应的正交单位化特征向量为ei=(ei1,ei2,…,ein)T;
步骤4,计算各主成分的贡献率为undefined,前m个主成分累计贡献率为undefined。一般认为累计贡献率达到 85% 以上,则把m选为主成分的个数;
步骤5,获得各主成分表达式yi=eix=ei1x1+ei2x2+…+einxn,i=1,2,…,m,通过计算,当m取3时,主成分累计贡献率已达90.59%,因此得到烧结矿质量3个主成分y1,y2,y3,如式(1)所示。
undefined
2.2 灰色关联分析
烧结过程作为一个复杂的工业过程,对烧结矿质量有影响的参数众多,包括原料成分、配比、工艺参数等,而且众多指标之间同样存在一定的关联性。因此在分析质量异常原因时,需要采用关联分析方法,确定烧结矿质量与各影响因素的关联性强弱。
灰色关联分析方法,是根据因素之间发展态势相似或相异程度,来衡量因素间关联程度的方法。它可在不完全的信息中,对所要分析研究的各因素,通过一定的数据处理,在随机的因素序列间找出它们的关联性,找到主要特性和主要影响因素[8]。在烧结生产过程中,由于数据之间的概率分布难以确定,并且信息存在不完全的情况,所
以在分析过程中采用灰色关联分析方法来进行关联性分析。
基于烧结生产过程的机理分析以及实际经验,初步确定影响烧结矿的质量因素包括:中和矿全铁含量、燃料比、烧结机速度、点火温度、风箱废气温度(17#风箱)、大烟道废气温度、热风温度。
分别以2.1节中计算得到的烧结矿质量主成分y1,y2,y3作为参考序列,以中和矿全铁含量、燃料比、烧结机速度、点火温度、风箱废气温度(17#风箱)、大烟道废气温度、热风温度为比较序列,用xa,xb,xc,xd,xe,xf,xg表示,按照灰色关联分析步骤确定参考序列,并无量纲化,然后计算灰色关联系数及关联度,得到烧结矿质量影响因素的灰色关联矩阵,如式(2)所示。
从灰色关联矩阵可知,前6列数据都大于0.6,说明xa～xf对烧结矿质量主成分影响较大,而xg影响较小,因此分析质量异常原因时不考虑xg。
3 控制图分析
3.1 控制图判异准则
控制图是对生产过程中产品质量状态进行控制的统计工具,它对过程质量加以测定、记录、评估,从而监察过程是否处于控制状态[9],还可用于侦测工序不稳定性,所以需要选定一些准则来侦测不稳定工序,但选定的每一种准则都有其各自的误报警率(工序没有问题,控制图信号有问题的比例),而误报警率是合成的,多个准则合并使用就会产生误报警,增加分析成本。为使总误报警率降到可接受的程度,本系统选取以下5条判异准则,符合5条准则之一的判定为质量异常。控制图区域见图2,中心线取样本数据的平均值μ,A,B,C区域按照样本数据的标准差σ进行划分。
(1) 一个点超出区域A;
(2) 以中心线为基准,在同一侧面有9个连续点;
(3) 相连的6个点连续上升或下降;
(4) 连续的3个点中2个在A区域(以中心线为基准在同一侧);
(5) 连续的5个点中4个在区域B或其外边的位置(以中心线为基准在同一侧)。
μ—样本数据平均值;σ—标准差
3.2 控制图绘制
烧结矿质量指标主要为x1,x2,…,x8,系统首先从Oracle数据库中读取最新的90个数据,以每5个为一组,分为18个样本,计算样本的均值和极差,然后计算绘制控制图需要确定的各控制线,并将结果显示在绘图控件TeeChart上。控制图绘制流程见图3。
4 控制图异常诊断方法
针对控制图分析得到的异常信息,对影响质量的各因素进行灰色关联排序,在此基础上依次分析对应段数据是否异常,异常则输出原因。
4.1 控制图异常点灰色关联分析
控制图异常点灰色关联分析主要是分析异常点与各个影响因素之间的关联度。通过前文的主成分分析和关联分析,确定了影响烧结矿质量的主要参数为xa～xf。以烧结矿全铁含量作为参考序列,用x0表示,xa～xf为比较序列,分析数据见表1,对烧结矿全铁含量及其影响因素进行灰色关联分析。
计算得到相应的关联度如下:r01=0.947 7;r02=0.787 5;r03=0.736 8;r04=0.591 7;r05=0.748 9;r06=0.808 5,因此关联度排序为:r01>r06>r02>r05>r03>r04 。
4.2 异常诊断过程
控制图分析得到的异常信息,其实质反映了这段时间的生产出现波动,原因可能是原料指标出现异常,也可能是烧结过程中的一些操作调整引起烧结过程参数发生变化。因此对控制图异常信息原因分析时,根据4.1节灰色关联分析结果,依次对各因素进行分析,异常则输出原因。
以烧结矿全铁的诊断过程为例:针对3.1节中选取的判异准则1,当烧结矿全铁含量超过区域A,认为该段时间的全铁含量偏高,如果分析对应段中和矿的全铁含量数据同样偏高,则认为是中和矿的全铁含量偏高引起烧结矿全铁含量偏高,需要调整中和矿的成分。
5 系统实现及工业应用
本系统在Windows XP上采用Visual Studio 2008进行开发,通过Web服务器发布,用户可远程登录,实现对整个生产的了解和指导。系统已于2008年4月在某大型钢铁企业烧结分厂正式投入运行,能够有效地指导生产调整。
如图4(a)所示是烧结矿粒度组成的控制图,曲线是粒度组成样本点数据均值波动曲线,7条横线是根据控制图统计分析确定的控制线,与图2中的控制线对应。根据3.1节中选取的判异准则4,得到异常信息:样本点4,5,6中有2点在下区域A,图4(b)是对该条异常信息的分析,当分析对应段的烧结机速度数据出现异常时,则认为是烧结机速度引起的质量异常。
6 结论
本文针对烧结生产过程,设计和实现烧结过程决策支持系统,并在某大型钢铁企业烧结过程进行工业应用,取得了比较好的效果。
(1) 系统通过主成分分析、关联分析方法对烧结生产过程数据进行分析,确定影响质量的关键参数。
(2) 系统将控制图分析引入到流程工业生产过程中,通过灰色关联分析方法对质量异常信息进行分析,能帮助技术人员全面了解引起质量波动的原因,并进行生产调整。同时保存异常原因分析的结果,对以后的分析具有借鉴意义。
(3) 该系统投运后取得比较好的效果,可以帮助决策者指导生产调整,提高烧结矿质量。
参考文献
[1]顾佳晨,刘晓强,孙彦广.钢铁企业MES质量管理的功能与技术架构[J].冶金自动化,2004,28(1):19-21.GU Jia-chen,LIU Xiao-qiang,SUN Yan-guang.Functionaland technical framework of quality management of MES foriron and steel industry[J].Metallurgical Industry Automa-tion,2004,28(1):19-21.
[2]Mykita Michael.Quality decision support software in thesteel industry[J].AISE Steel Technology,2000,77(3):49-50.
[3]Kano M.Data-based process monitoring,process control,and quality improvement:recent developments and appli-cations in steel industry[J].Computers and Chemical En-gineering,2008,32(1):12-24.
[4]乐清洪,滕霖,朱名铨,等.质量控制图在线智能诊断分析系统[J].计算机集成制造系统,2004,10(12):1 584-1 587.LE Qing-hong,TENG Lin,ZHU Ming-quan,et al.On-lineintelligent diagnosis and analysis system for quality controlcharts[J].Computer Integrated Manufacturing System,2004,10(12):1 584-1 587.
[5]李益兵,郭顺生,赵春阳.统计过程控制SPC在ERP质量管理中的应用研究[J].武汉理工大学学报(交通科学与工程版),2007,31(6):1 094-1 097.LI Yi-bing,GUO Shun-sheng,ZHAO Chun-yang.Applica-tion of statistical process control in quality management ofERP[J].Journal of Wuhan University of Technology(Transportation Science&Engineering),2007,31(6):1 094-1 097.
[6]Castagliola P.Economic-statistical design of an EWMAcontrol chart for monitoring process variability[J].Jour-nal of Quality in Maintenance Engineering,2007,13(3):304-320.
[7]于秀林,任雪松.多元统计分析[M].北京:中国统计出版社,1999.
[8]刘思峰.灰色系统理论及其应用[M].3版.北京:科学出版社,2004.
查询与决策支持系统 篇9
从20世纪50年代起, 国内外就已经进行了很多高炉过程控制方面的研究。从早期的单一静态模型到70年代的基于理论推理与实践相结合的炉况综合判断 (GO-STOP) 系统, 80年代出现的基于规则库和推理机的炉况诊断专家系统, 90年代结合数学模型的多目标专家系统, 近年又出现了直接参与控制的闭环专家系统。国外具有代表性的专家系统有芬兰罗德洛基专家系统[1,2,3]、奥钢联VAIron专家系统[1,2];国内有冶金部自动化研究院 (现名冶金自动化研究设计院) 的河北钢铁集团宣化钢铁集团有限责任公司和马鞍山钢铁股份有限公司高炉专家系统[1,4], 中国科学院的河北钢铁集团石家庄钢铁有限责任公司高炉专家系统[5], 北京科技大学与首钢集团合作的高炉冶炼专家系统, 浙江大学的高炉智能控制专家系统[6,7]等。
由于国外专家系统是基于原料品位高、稳定性好、监测数据齐全的高炉开发的, 因此虽然价格昂贵, 但在国内的使用效果却并不理想。而国内专家系统或偏重炉况炉热诊断专家系统, 或偏重优选法寻找最优操作模式, 功能相对单一, 故不少未能坚持下去。另外, 以上系统大都没有把专家系统与决策支持结合起来, 没有提供建立在一代炉龄数据库基础上的数据分析方法。
为此, 本文开发了基于专家系统的高炉智能诊断与决策支持系统, 并于2006年在江苏沙钢集团有限公司华盛炼铁二分厂6#高炉 (以下简称“沙钢6#高炉”) 应用, 充分发挥了计算机、人工智能与辅助决策的综合作用, 降低了异常炉况出现频率, 保障了高炉顺行, 达到了“高产、优质、低耗、长寿”的目的, 解决了工长凭经验判断炉况的片面性、工艺改进缺乏数据和分析方法、手抄报表费时易错等问题, 通过代替工长思考和帮助工长思考, 给工长省力, 实现了高炉智能诊断与决策支持。
1 系统组成
系统构成如图1所示。沙钢6#高炉原有位于主控室的监控高炉本体、上料、热风炉的工业计算机各两台, 采集数据的PLC包括高炉本体、热风炉、上料、喷煤、化验室PLC各一台, 构成生产局域网。本项目在主控室增加两台计算机作为服务器和客户端, 并新增一台打印机 (见图中虚线框内部分) , 其中服务器可以通过公司网与信息中心和厂办连接, 客户端可以增加为多个, 只要能连接服务器的均可。系统在服务器上运行数据采集软件模块和数据库, 将PLC检测参数处理后存储在数据库中, 高炉智能诊断与决策支持系统软件模块运行在客户端上。
运行在服务器上的数据采集软件模块以10 s, 1 min, 1 h, 1 d为周期, 对来自高炉本体、热风炉、上料系统、化验室和喷煤PLC的检测数据 (包括温度、压力、流量、出铁出渣成分、铁水质量、加料组成及质量) 进行处理后存储到数据库。数据处理包括对直接采集数据进行二次计算获得透气性指数、压量指数、全压差、鼓风动能、理论燃烧温度等, 并对冷风流量、热风压力、热风温度、料速等数据进行波动和梯度计算, 其中, 波动用于表征数据变化幅度, 梯度表征变化方向及加速度。
数据库采用关系型数据库, 记录了所有采集的过程数据和手工录入数据。共有数据表160余个, 按记录是否递增分为动态表和静态表。
动态表包括实时数据表、预处理数据表、历史数据表、生产数据表、统计数据表等。其中, 实时数据表是秒级记录的暂存, 每10 s一条记录, 对秒级数据均需进行均值滤波处理, 个别随加料周期变化的数据 (如十字测温等) 还需进行加料周期内滑动均值滤波处理;预处理数据表是分钟级记录的暂存, 每1 min一条记录, 这些表主要用于炉况诊断;历史数据表为小时级, 以1 h为间隔长期存储记录 (一代炉龄) , 主要作为数据仓库之用, 其中的炉缸温度也作为长期炉况趋势的判断依据;生产数据表包括出铁、出渣、变料、炉顶煤气成分等数据表, 这些表的记录是不定期的, 相应的生产事件发生时才记录;统计数据表为天级, 以1 d为间隔长期存储记录 (一代炉龄) , 主要包括利用系数、焦比等日生产指标。
静态表包括设备信息、数据字典、系统设置、人员信息、常数等表。每张表保存数据条数可以设置, 存储过程中数据库定期删除过期数据, 清理超过存储数目的记录以确保数据库不过度膨胀。此外, 还设有数据库阈值自学习功能, 供存储过程定期进行专家系统阈值自学习。自学习采用统计自学习方式, 可学习目标值 (最理想情况) 、正常值上下限 (高炉正常情况) 、极大极小值 (高炉异常但不是非常严重) 、最大最小值 (高炉炉况严重异常, 或者数据出现错误) , 并根据学习结果以一定学习率更新原阈值。该自学习算法在学习目标值、正常值上下限时, 以某个指标量作为抽取学习样本的参照, 指标量应该能够表征高炉状态, 一般为利用系数、焦比或冷风流量。指定指标量正常取值范围后, 系统自动抽取样本, 统计样本偏态分布 (相对于正态分布有一定的偏移) 的期望值作为目标值, 取某百分比作为正常值上下限。极大极小值、最大最小值的学习基于全体样本取某百分比。
2 系统功能
运行在客户端上的高炉智能诊断与决策支持系统软件模块, 通过生产管理、炉况诊断和数据分析等功能, 实现高炉状态分析和炉况诊断, 为决策提供支持。
2.1 生产管理
在客户端上进行生产管理时, 采用高炉配料计算Excel程序进行配料计算, 该程序将配料计算公式定义到Excel单元格中, 可以根据原料成分、焦炭水及配比的修改立即计算出焦比、碱度等, 一次操作几秒即可完成, 配料后使用变料单窗体导入高炉配料计算Excel文件, 系统自动将本次物料成分及配比等数据存入数据库。有新出铁时, 系统自动从化验室PLC读取铁渣成分、铁水质量等, 计算理论铁量、理论渣量、残存铁量等, 并由操作人员在出铁出渣画面手动输入估计成分和铁水去向。化验室电话通知炉顶煤气化验成分时, 由操作人员在混合煤气成分画面手动输入煤气成分、煤气利用率和热值。调整风口后, 操作人员可以在风口参数画面手动输入风口直径和长度等参数。班次结束时, 操作人员在交接班画面输入交接班记录。每天生产结束时在高炉日志画面生成日报并打印, 在加料报表画面生成加料报表并打印。每月结束时在高炉月报画面生成高炉月报并打印。报表以Excel文件形式存储在指定的年月目录中以便查看。
2.2 炉况诊断
高炉生产操作主要是配料并把炉料及时装入炉内、保持煤气流与炉料良好接触并使炉料均匀下降以及保持规定的炉缸热状态, 从而获得合格的生铁。由于高炉是密闭机组, 难以直接了解炉内情况, 因此通常高炉工长要监视许多表征炉内反映炉况的参数并综合判断, 出现异常或失常炉况时及时调整, 以保证高炉顺行, 这是工长最主要的工作。在本系统中, 炉况诊断由专家系统根据建立的规则由推理机自动完成。
2.2.1 建立规则库
规则库存储根据熟练工长判断炉况的经验和炼铁工艺理论编写的规则。所用规则属于产生式规则, 规则形式为:“If风量>正常值上限and热风压力<正常值下限then炉况=炉温向凉概率=30”, 本规则可解释为:如果风量偏大且风压偏小, 则有30%的可能是炉温向凉。由于对应每种异常炉况都有多条规则, 因此, 我们采用综合运算方法 (又称独立乘积法) , 把相同结论 (规则中then部分) 但前提 (If部分) 不同的规则进行综合运算, 以得出该结论的最终概率。例如当两条规则同时推出炉温向凉时, 如果概率分别为20%和30%时, 经过概率综合运算后的概率为 (1- (1-0.2) (1-0.3) ) ×100=44%, 计算结果表明:如果高炉出现两条规则的前提所示情况时, 则会出现炉温向凉的概率为44%。采用概率综合运算方式, 就可以将多影响因素分别放在多条简单的规则中, 不仅简化了构成规则的复杂度, 而且符合操作员判断炉况的推理思维。
这里值得一提的是, 规则中的“正常值上限”和“正常值下限”是可以改变的阈值, 这是本系统的创新点之一, 具体做法是根据高炉冶炼问题的本质, 将规则分为本体和阈值两种, 规则本体反映的冶炼规律是国内外多年炼铁经验的积累, 在不同高炉上都适用, 属于质的层面;而阈值则反映了不同高炉及同一座高炉不同时期的差异性, 属于量的层面。规则本体是固定的, 阈值是可以改变的, 这样, 规则中的“正常值上限”和“正常值下限”就可以通过阈值自学习或在辅助功能模块的数据界限值画面设置来修改。由多条规则形成的规则库以XML文件的形式保存, 规则库的编辑在专门的专家系统开发工具中完成, 修改规则就像编辑文档一样方便, 修改完成后直接覆盖旧规则库文件就实现了规则库的更新。
2.2.2 推理
推理机定时将高炉实际运行数据 (包括整理的复合数据) 与规则库中的规则进行比较和推理以得到炉况诊断结果。推理使用的事实来源于存储在数据库中的采集数据和输入数据等, 通过将规则库变量与数据表列进行配对可以提取用于推理的数据, 当数据库增加新列时, 不需要修改程序即可将其用于推理。在事实 (包括中间推理结论) 使用完成之前, 系统会一直循环匹配规则库, 每循环一次产生的中间结果存放在冲突集中, 对冲突集进行冲突消解时取规则中优先级高的, 如果优先级相同则取第1个。推理机的推理流程如图2所示, 推理方式为正向推理, 推理过程中保存了规则的匹配状态等, 而略过了已经证真或证伪的规则, 以提高推理效率。推理过程解释图中包括使用的规则、规则成立的原因, 如图3所示。
2.2.3 炉况诊断结果
系统每隔1 min进行炉况短期诊断, 包括边缘过分发展、边缘不足、中心过分发展、中心不足、偏料、悬料、崩料、管道;每隔15 min进行中期诊断, 包括炉温向凉、炉温向热、碱害、低料线;每隔2 h进行长期诊断, 包括炉缸堆积、炉墙结厚。炉况诊断结果中将操作指导以醒目的画面 (如图4所示) 显示供工长决策, 诊断结果按照概率从高到低排列, 并以醒目的饼图方式显示各种异常炉况, 颜色愈红表示发生的几率越大, 颜色越绿表示发生的几率就越小 (图下方显示的“异常炉况”饼图的颜色由左至右分别为红、橙红、黄、浅绿、绿、深绿) 。系统针对各种异常炉况给出操作指导并且保存在数据库中 (可修改) 。
2.3 数据分析
通过数据分析画面可以进行数据挖掘的趋势及频度分析、回归分析、相关分析、主影响因素分析和分布分析, 分析对象是存储到数据库中的所有过程数据, 分析后可以导出Excel格式的分析报告, 还可以保存/打开一个分析, 以避免重复设置。
数据趋势表示特征的连续变化, 高炉生产属大惯性连续过程, 掌握既往炉况变化趋势是进行当前高炉操作的必要条件。本系统设有高炉主要数据趋势的图表及柱状图画面, 进行趋势分析时, 只需设定好时间范围后在备选列表中选好要分析的表的列名, 用鼠标拖拽到绘图区, 系统就可绘制趋势加频度图, 只需拖动红色拉杆就能查看某时刻的具体值, 可以在一个或多个坐标系上同时绘制多个单位相同或不同的量以查看量之间的关系, 还可以切换到柱状图画面查看分布状况。
回归分析是将因果关系定量化的方法, 所得方程可作为经验公式使用。回归分析采用的是基于最小二乘法的多元线形回归和一元多项式回归。操作时只需选择2个以上绘图变量拖拽到绘图变量框, 即可绘制散点图并计算回归方程。
对于影响因素之间的定性关系往往可从操炉实践中获得, 比如风量与产量成正相关关系, 但是其间的定量关系必须通过统计方式才能获得。相关分析通过解协方差矩阵计算过程量两两相关系数, 越接近1表示越正相关, 越接近-1表示越负相关, 接近0表示不相关。本系统设有高炉主要相关数据的图表, 例如要分析鼓风动能、喷煤量、富氧量与炉顶煤气利用率之间的相关关系, 只需在含有该相关数据的图表中, 拖拽至少一个原因变量和至少一个结果变量, 系统即可自动计算变量间的相关系数。
分布分析的一个典型应用是分析一段时间内以十字测温表征的煤气流分布曲线, 该曲线能直观地反映出是否有边缘或中心发展或不足, 是否有管道行程, 这些是衡量炉况的重要依据。分布分析还可以定制成炉体各段温度分布曲线看是否有边缘发展或不足。例如使用十字测温东西向9个点和南北向9个点分别绘制一条曲线, 代表炉顶煤气分布, 指定时间范围后, 该分布图还可代表一段时间内的炉况, 比如一班或一天。
另外, 还可以在工艺计算画面进行物料平衡、热平衡、直接还原度、理论焦比计算, 计算依据物质不灭论和能量守恒定律。指定计算起止时间后, 相关的原料、渣铁、煤气等成分可由系统自动提取平均值并计算, 该计算可以作为报表导出到Excel。工艺计算中常用的鼓风动能、风口区理论燃烧温度、冷却强度等均可在服务器数据处理过程中在线计算。通过工艺计算, 可以检验高炉是否存在丢料和不明热损失等。而Rist操作线反映了矿石氧化度、生铁成分、鼓风量、高炉内铁还原度、炉顶煤气成分等变化与燃料比的关系, 它用于分析高炉内能量利用情况, 探求高炉冶炼最佳条件, 对进一步提高高炉冶炼效果和降低能耗, 具有十分重要的理论和实际意义。在本系统Rist操作线画面中, 只需输入成分即可自动绘图并计算出理论操作线方程、实际操作线方程、炉身效率和节焦潜力等, 如图5所示。
2.4 数学模型
由于高炉过程复杂, 许多表征高炉状态的数据靠经验很难准确判断, 必须经过复杂的计算。为此, 本项目开发了多个数学模型, 包括一般模型 (如配料模型[1]等) 和控制模型, 其中, 控制模型中的炉热推断模型计算碳温指数, 使工长间接了解炉温水平;下料模型计算某溜槽角度的炉料落点, 使工长调整矿石、焦炭的溜槽角度时不再盲目;热风炉燃烧优化模型计算最佳空燃比, 保障送风热量, 保护拱顶和烟道设备;离线软熔带模型根据输入的炉喉径向煤气成分, 采用分割圆筒的方法计算软熔带形状及位置;等等。
2.5 软仪表
软仪表综合了实际单一仪表的测量结果, 通过改变其排列组合和显示方式使检测结果更直观。本项目开发了多个软仪表, 其中有代表性的是炉喉煤气分布 (图6) 。高炉炉内煤气流分布反映炉料与煤气流是否接触良好, 是高炉操作的重要指标, 但由于设置多台或多点切换自动分析炉喉多点的煤气成分系统难以实现且价格昂贵, 因此, 通常利用炉喉料面上各点的煤气温度与其煤气CO和CO2体积分数有关, 采用十字测温装置测量东西和南北两个径向各点温度, 以间接了解煤气流分布。这里我们采用软仪表将通常仪表只能记录的温度与时间关系曲线变换成如图5所示的炉喉径向各点位置与温度的关系曲线;此外, 还利用炉顶测量总煤气成分测得的CO和CO2体积分数、高炉炉喉十字测温装置处的总面积、十字测温径向各点圆环面积, 通过专门的数学模型和每隔一定时间人工分析炉喉各点的煤气CO和CO2体积分数进行修正, 以连续得出径向各点的CO和CO2体积分数关系曲线。
3 技术创新点
(1) 将人工智能与数据挖掘技术结合, 发挥智能诊断、决策支持、管理自动化的综合效应, 提高了工长决策质量;
(2) 立足于现有检测条件对同一炉况建立多条规则, 对不同因素的影响进行概率综合, 增强专家系统诊断准确性和对数据缺失的容错能力;
(3) 区分专家知识中的不变与变, 不变的部分作为规则本体写入规则库, 变化的部分作为阈值由计算机进行统计自学习。这种知识工程方式解决了不同高炉和同一高炉不同时期规则库的适用问题, 大大方便了专家系统的推广, 增强了专家系统的鲁棒性;
(4) 建立了一代炉龄数据库, 并在此基础上为工长提供了趋势频度分析、相关分析、回归分析、主影响因素分析等手段, 分析场景可保存, 可导出分析报告;
(5) 开发了Excel配料程序及配料Excel文件导入程序, 使配料只需几秒即可完成。
4 总体性能指标与国内外同类先进技术的比较
沙钢6#高炉总体性能指标与国内外同类先进技术的比较如表1所示。
本系统与国外先进技术对比, 优点是对原燃料、基础自动化无特殊要求;规则与阈值分离以及结合阈值自学习使专家系统规则修改方便, 且有自适应能力;提供一代炉龄数据库基础上的数据挖掘工具;具有丰富的中文报表;成本低。不足之处是数学模型不多, 特别是依赖于特定数据的工艺模型少, 这主要是考虑到国内大部分钢铁厂的设备和原料条件较差, 导致工艺模型很难适用。
5 经济效益
厂方统计了沙钢6#, 7#, 8#高炉2006年8~11月的指标, 见表2, 这3座高炉类型和容积相同, 6#高炉应用了专家系统, 而7#和8#高炉未使用。
按生铁目前市场价2 400元/t, 生铁利润300元/t, 焦炭价格1 000元/t, 煤价格600元/t, 每年按实际生产353 d计算, 根据表1可得到本系统使用后所带来的经济效益如下:新增产值2 795.76万元/a, 增产利润349.47万元/a, 降低焦比节支428.47万元/a, 增加喷煤成本146.9万元/a, 年增收节支总额631.04万元/a, 新增利税788.22万元/a。上述经济效益是经财务部门认可并盖章的。该项目总投资为100万元, 由此可见, 其投资回收期不到2个月。
6 结束语
本系统已在江苏沙钢集团华盛炼铁二分厂6#高炉上使用7年, 并申报项目专利一项[8]。
本系统对已具备基本的基础自动化条件的中小高炉均可推广, 项目周期在2个月以内。对基础自动化齐全的大高炉, 如果原燃料及铁渣成分分析准确、及时, 还可扩充规则库和有针对性地增加数学模型。由于规则具有开放性以及专家知识具有通用性 (指其中定性部分) , 因此专家系统会随着项目的推广和工艺人员的改进越来越强大。
本系统的推广将使第2代高炉操作水平发生质的飞跃, 能提高操炉科学性和管理信息化水平, 起到稳定炉况、节能降耗、降低成本作用。本系统作为厂级信息化节点可在其上构建三级系统, 实现计划执行跟踪、铁水质量跟踪、能源管理、指标横向对比分析等功能, 从而提高全厂信息化水平。
参加本系统共同开发的还有冶金自动化研究设计院何岱、祝小鸥, 江苏沙钢集团有限公司孙自卫、陆亚飞、崔崇高、高永生、钱兴南等同志。
摘要：根据国内外高炉自动化的进展及运行经验, 开发了基于专家系统的高炉智能诊断与决策支持系统, 其主要特点是低成本、功能齐全、实用、先进和经济效益明显, 它是在原有系统中增设少量硬件而成。该系统实现了生产管理、炉况诊断、数据分析、数学模型和软仪表等功能。系统投入使用后, 起到稳定炉况、节能降耗、降低成本的作用。
关键词：专家系统,智能诊断,决策支持,高炉
参考文献
[1]马竹梧.炼铁生产自动化技术[M].北京:冶金工业出版社, 2005.
[2]马竹梧.高炉专家系统的最新进展[J].世界钢铁, 2003, 3 (5) :1-6.
[3]马竹梧, 许祖泽.芬兰罗德洛基拉赫钢铁厂自动化[J].冶金自动化, 1999, 23 (5) :6-11.
[4]冯云凤, 王文敬, 马竹梧, 等.高炉异常炉况预报专家系统在宣钢300高炉上的应用[J].冶金自动化, 1993, 17 (5) :36-39.
[5]孙铁栋, 张京, 杨章远, 等.石钢高炉炉况智能预测系统[J].冶金自动化, 1996, 20 (4) :27-30.
[6]刘祥官, 刘芳, 李满喜, 等.炼铁优化专家系统在济钢高炉的应用[J].冶金自动化, 2001, 25 (2) :15-19.
[7]刘祥官, 刘显著, 蒋美华, 等.智能控制专家系统在莱钢高炉的应用[J].冶金自动化, 2002, 26 (6) :15-18.
查询与决策支持系统 篇10
灌区管理DSS是指灌区管理人员在人和计算机组成的系统中, 以计算机为辅助工具完成灌区各种信息的分析、处理等工作, 产生供比较的方案, 帮助决策者进行问题识别, 并达到灌区合理规划和决策, 及时有效地利用资源, 获得最大的期望经济效益的目的。灌区管理DSS开发研究所达到的要求为:
1. 以支持水库灌区辅助管理和决策为落脚点, 提高灌区优化配水、安全排涝和抗旱减灾等方面的管理决策水平;
2. 界面友好, 交互操作方便、灵活;
3.模型库可以不断更新和完善, 且数据库能与其它外部数据资源共享。
一.DSS基本框架
水库灌区管理DSS是一种用于灌区辅助管理的软件平台, 主要由数学模型库、数据库管理系统 (Data Base Management System, DBMS) 和人机界面 (User Interface, UI) 三部分组成。
1、数学模型库是灌区管理DSS的核心, 含有灌溉配水子模型, 排涝子模型, 灌区农作物优化种植比子模型和灌区抗旱预报子模型等。具体介绍如下:
(1) 水库灌区配水子模型:该模型是根据灌区灌溉可用水量和各渠系农作物的需水情况, 优化灌区水量分配, 制定总干渠、干渠、支渠优化配水方案, 提高灌溉管理水平和经济效益, 对解决有限供水条件下的灌区配水问题效果比较明显。该模型具有供水能力分析, 用水分析, 供需平衡分析, 方案比选等功能。
(2) 排涝子模型:该模型根据我国水库灌区特点和灌区排涝系统实际, 综合考虑涝灾、渍灾对农作物的危害和地下水水位上升引起的土壤盐碱化影响, 分析排涝效益指标, 为决策者提供经济合理的排涝措施。
(3) 优化灌区农作物种植比子模型:该模型是解决在水库灌区可用水量、单位面积农作物收成、农作物价格、农作物净耗水量和农民在单位种植面积上的经济支出等前提下, 通过优化分配灌区农作物种植比, 使得灌区范围内农民的收入和管理单位的效益最大化。
(4) 灌区抗旱子模型:该模型是对实测的降雨、墒情、农作物生长情况、灌区可用水量和天气预报等信息进行分析处理和综合评价, 及时进行旱情预报, 并对旱情进行经济评估, 提出相应的抗旱措施。该模型应用随机模型和随机方法处理一系列随机数据, 在此基础上对灌区旱情进行概率分析。
模型库各子模型采用模块化程序设计方式, 各子模块之间互相独立, 这样可以根据需要编制或修改程序代码而不影响其它子模型的程序, 同时还可根据需要增减子模型, 因此有利于软件维护和功能的增减, 从而使系统具有良好的通用性和扩展性。
2、数据库管理系统 (DBMS) 是DSS建立的前提和重要组成部分, 具有数据产生、维护、存取、更新和准备等功能。
在DBMS结构设计中要充分考虑系统的安全性、保密性、可靠性、易使用性和响应速度等性能。
DBMS中数据主要分三类:水库灌区基本特性数据, 外部系统采集的实时数据和计算结果数据。
(1) 水库灌区基本特性数据包括水库库容特性, 灌区各渠系纵横断面特性, 灌溉面积及农作物分布等相对稳定的数据等。对该类数据的修改需要经过安全认证才可以操作, 从而保证数据安全保密真实有效。
(2) 外部系统采集的实时数据包括灌区水量, 旱情和雨情等数据, 由于该数据容量庞大, 在开发时要注意三点:
一是要考虑与外部数据接口, 以实现数据共享与兼容, 其措施为采用统一的数据库表结构、统一的数据接口和统一的字段标识符项目编码等;
二是对该类数据进行预处理, 提高辅助决策的效率, 要求进行实时数据交换和计算的程序能够实时连续工作, 不需要人的干预, 其措施是采用Client/Server结构, 应用程序安装在终端上, 实时数据和部分计算程序安装在后台服务器上, 服务器与外部数据库之间建立数据管道, 由触发器程序定时或人工实现数据的更新。
三是对历史数据进行归类处理, 避免数据占满有限的磁盘空间。
计算结果数据是决策支持系统的计算分析结果, 可以查询、显示和报表打印等。另外, 在计算过程中有大量的中间计算数据, 所以需要把中间数据存放到临时表格中, 这就要求在程序设计时删除后续程序不用的中间数据, 释放存储空间。
3、人机界面对话管理是为决策者提供用户接口的软件, 包括用
户登录, 程序驱动菜单, 数据修改接口, 图形显示, 数据结果提交和打印等操作。
根据该系统的特点要求人机界面具有:
(1) 高度可视化设计, 在输入/输出方面, 包括数据窗口和图形窗口, 可以将大量信息简单化, 直观化, 因而交互方便, 操作灵活;
(2) 前后关联的命令驱动及提示, 由于数学模型调用之前需要大量的数据准备, 因此采用按先后顺序的提示输入所需要的数据。
二、DSS系统开发
本系统基于面向对象的开发思想, 采用可视化的Visual C++作为前台开发工具, 运用SQL2000来进行后台数据库管理, 适用于Windows98/2000/NT/XP操作系统。
在灌区管理DSS各部分完成的基础上即可进行系统集成, 从而实现计算机、网络、数据库系统的协调工作。在该系统集成的过程中, 接口是考虑的关键环节。
随着科技的不断进步, 水库的建设也越来越完善。灌区管理DSS已经被广泛的应用于水库的管理系统中, 它是由人和计算机组成的系统, 首先, 以计算机为辅助工具完成灌区各种信息的分析、处理等工作, 产生供比较的方案, 帮助决策者进行问题识别, 由人的意识产生并达到灌区合理规划和决策, 及时有效地利用资源, 从而获得最大的期望经济效益, 有效的节省人力物力。
摘要：灌区管理决策支持系统是水利信息化建设的一个重要组成部分。本文介绍了水库灌区管理决策支持系统 (Decision Support System, DSS) 的基本框架, 探讨了数学模型、数据库、人机界面的解决方案及系统设计中应注意的问题。水库灌区管理DSS的开发研究对我国水利信息化具有重要意义。
查询与决策支持系统 篇11
关键词 决策支持系统 知识工程 信息处理
中图分类号：TP3 文献标识码：A
1知识工程在组织决策中的应用
组织决策支持系统（Organizational Decision Support System， ODSS）是一类新的决策支持系统，它要解决的是企业产品生命周期中的根据经营目标形成的组织决策任务。现代组织环境不断增长的复杂性、动态性对组织生存的挑战，使得组织结构和管理模式发生着巨大改变，组织决策活动更需要以计算机和信息技术为支撑。近几年来，发展起来一种解决组织决策问题的新方法，即知识工程。它借助人工智能的原理和方法，基于知识推理，辅助决策。
知识工程主要研究如何在计算机中组织知识，建立高质量知识库，如何使计算机获取到有用的知识，使用知识来解决问题。基于知识工程的决策支持系统是决策支持系统发展的一个新阶段，它在传统的DSS结构的基础上增设了知识库和推理机。基于知识的系统目的是支持用户在基于知识的环境中运用推理机制来求解问题。
知识工程和推理策略应用于组织决策系统，提供决策支持，是目前一个重要发展方向。知识工程和推理策略的应用价值体现在以下几个方面：
（1）改变了决策方式 传统的决策方式过分依赖数据和数学模型，而忽略有价值的知识和经验。知识工程的应用，使决策过程更接近人类决策者本身，决策建立在众多决策者和专家的知识基础之上，体现了决策的科学化、民主化。
（2）决策过程智能化 知识工程的应用，使计算机具有像人类专家（群体专家）一样丰富渊博的知识，从而大大提高决策的效率和效果。
（3）实现不确定及模糊因素的决策 对于不确定及模糊因素，目前的数学工具还无法作精确的描述。引入人工智能，进行知识推理，是解决这类问题的重要手段。
（4）知识工程的应用是知识升值的过程 知识工程将私有的知识软件化，提供给更多的人使用，促进发挥了知识的潜在价值，也利于知识的积累和继承。
2人工智能技术在信息抽取中的应用
决策系统中应用知识工程，其中一个很重要的问题就是知识的获取。
但是现有决策支持系统存在信息支持不足、专家知识难以获取与表示、从海量数据提取有用信息存在困难等问题。信息抽取（Information Extraction， IE）正是解决这些问题的好方法。
信息抽取是一种新的信息处理技术，其目的是根据预定义好的模版，从半结构化文本、非结构化文本中抽取特定的有用的信息。当前信息抽取的方法基本分为两种：知识工程方法和机器学习方法。
知识工程方法依靠人工编写抽取模式，由专家对语料库进行分析、调整从而人工制定规则、模板。比如对命名实体的识别，可以采用基于规则的方法，采用有限状态自动机来实现。机器学习方法给出标注的例子文档集，通过机器学习来推导模板和模板的自动填充规则来抽取。
基于知识工程的信息抽取系统主要有以下特点：基于规则;需要有经验的语言工程师来开发;个人的直觉能够对系统的性能起到很大的影响;性能较好;开发周期较长，一旦成形之后不容易进行修改。
基于机器学习的信息抽取系统，开发者并不需要掌握语言工程知识，但需要大量的经过标注的训练数据，如果需要对这类系统的核心进行修改，则相应的所有训练数据也需要重新标注。基于机器学习的方法实现了抽取模式的自动获得，比基于知识工程方法有一定的优越性。
3结论
决策支持系统是专门为高层管理人员服务的一种信息系统，它强调支持的概念，是“支持”而不是“代替”人的决策主体。知识工程和推理策略是解决组织决策问题的一个好办法，它的广泛应用给复杂多变的组织决策问题提供有力的工具和手段。信息抽取作为一种能帮助人们在海量信息中迅速找到所需信息的技术越来越受到重视。信息抽取系统的构建有两种方法，目前基于机器学习的方法是主要的研究热点，其相对于基于知识工程的信息抽取系统构建方法有一定的优越性。
参考文献
[1] 严隽薇，贺飞鸣，吴启迪.组织决策支持系统中的知识推理系统[J].组合机床与自动化加工技术，2001，（8）：1-3.
[2] 黄川林，高伟，杨国威.知识工程的研究与发展[J].黑龙江科技信息，2004，（11）：76.
[3] 吕晶，张研.IDSS智能决策支持系统[J].计算机与信息技术，2007，（26）：42，76.
[4] 薛伟，邢丽萍.知识工程在社会经济决策系统中的应用和价值[J].工业技术经济，1997，16（2）：72-73，76.
[5] 黄牧涛，田勇.组合智能决策支持系统研究及其应用[J].系统工程理论与实践，2007，（4）：114-119.
[6] 贺胜.信息抽取技术内涵及应用.南京师范大学文学学院学报，2004，（2）：184-188.
[7] 李昕，王红梅.信息抽取技术探析.通化师范学院学报，2008，29（4）：55-58.
查询与决策支持系统 篇12
目前,国家、流域、省市级水利信息化程度较高,防汛辅助决策支持系统的开发及应用也较好, 而县级单位水利工程信息化水平相对较低,研究成果也较少。县级水利信息化建设是整个国家水利信息化建设的重要组成部分,应该加强建设力度。其中,防汛辅助决策支持系统是建设的重点内容,可以为防汛减灾指挥提供决策支持,达到科学有效运用防洪工程体系,充分发挥防洪工程效益的目的。
防汛辅助决策支持系统是建立在防汛信息采集、通信和计算机网络等系统之上,提供县级水雨工情实时、历史信息,气象信息,以及组织机构、 防汛文件等各类信息的综合查询和结果显示,为防汛决策指挥提供迅速、有效信息服务及管理手段的应用软件系统。
1总体框架
参照国家防汛抗旱指挥系统二期工程中系统集成与整合总体框架的分层设计方法,县级防汛辅助决策支持系统的总体逻辑架构自下至上分为基础设施层、数据层和应用层3个层次[1],系统总体框架如图1所示。
基础设施是防汛辅助决策支持系统所依托的软硬件设施设备和产品,主要包括服务器、网络、存储设施、系统软件。
数据层是防汛综合数据库,为系统提供数据基础,采用成熟的数据库管理系统对所有资源数据进行存储和管理。
应用层是建立在数据层基础之上的防汛业务应用系统,即防汛辅助决策支持系统。
2关键技术
2.1 MVC
MVC(Model View Controller)是一种常用的软件设计模式,用一种业务逻辑、数据、界面显示分离的方法组织代码,将业务逻辑聚集到一个部件里面,在改进和个性化定制界面及用户交互的同时, 不需要重新编写业务逻辑,通常用于分布式应用系统的设计中。
MVC把交互系统的组成分解成模型、视图、控制器3种部件[2],模型用于表示数据,视图用于展现,控制器用于控制请求的转发。模型是应用程序中用于处理应用程序数据逻辑的部分,负责在数据库中存取数据。视图是应用程序中处理数据显示的部分,是依据模型数据创建的。控制器是应用程序中处理用户交互的部分,负责从视图读取数据,控制用户输入,并向模型发送数据。MVC简化了分组开发,不同的开发人员可同时开发视图、控制器逻辑和业务逻辑。
2.2 AJAX
AJAX是一种创建交互式网页应用的网页开发技术,是异步javascript和XML的集成[3]。通过在后台与服务器进行少量数据交换,AJAX可以使网页实现异步更新。AJAX可以在不重新加载整个网页的情况下,对网页的某部分进行更新。AJAX的核心是Java Script对象Xml Http Request,该对象是一种支持异步请求的技术。Xml Http Request可以使用Java Script向服务器提出请求并处理响应,而不阻塞用户。AJAX在浏览器与Web服务器之间使用异步数据传输,这样可使网页从服务器请求少量的信息,而不是整个页面。
2.3 XML
XML称为可扩展标记语言,是由W3C组织于1998年制定的一种面向Internet的标记语言,是标准通用标记语言的子集。XML具有良好的扩展性、灵活性和自描述性。XML是Internet上数据交换的通用语言,并在跨平台跨地域异构应用间的协同工作、基于语义的智能数据搜索等领域发挥重要作用[4]。
X M L由文档类型定义( D o c u m e n t T y p e Definition,DTD)、可扩展的样式语言(Extensible Style Language,XSL)、可扩展链接语言(Extensible Link Language,XLL)等3个部分构成。其中, DTD是XML的布局语言,规定了文档的逻辑结构;XSL是XML的样式表语言,用来规定XML文档样式;XLL支持Web上已有的简单链接,而且将进一步扩展链接。
3数据库设计
县级防汛综合数据库包括实时水雨情、水利工程基础、气象和防汛辅助信息等数据库。具体描述如下:
1)实时水雨情数据库主要存储由报汛站测报的实时水雨情、水文特征及土壤墒情信息等。数据库表包括测站基本属性表,降水量表,以及河道、水库、堰闸、潮汐等水情表。
2)水利工程基础数据库主要存储河流、堤防、 水闸、泵站等工程基础数据。数据库表包括河流、 堤防、水闸、泵站基本情况表,以及水闸规划设计参数表、工程特性表、设计水位组合表。
3)气象数据库主要存储天气预报、24 h降雨、 卫星云图等气象数据。数据库表包括天气预报表、 24 h降雨表和卫星云图表等。
4)防汛辅助信息数据库主要存储防汛组织数据。数据库表包括抢险队伍、城市防洪基本情况表,市县抢险队伍情况表,防汛防旱指挥成员单位和县防汛防旱指挥办公室的职责表等。
4功能实现
县级防汛辅助决策支持系统是为了满足指挥决策人员对水情、雨情、气象、卫星云图等实时汛情信息的查询需要,交互式地完成个人在客户端对防汛信息的各种操作,为指挥决策人员提供真正的全方位的第一手资料赢得时间,同时实现现场各种图文资料与指挥中心的数据交换,主要通过水情信息模块等6个功能模块实现。
4.1水情信息模块
水情信息查询供防汛防旱相关人员准确了解各测站水情信息情况,包括实时水位、流量、警戒水位等,实现基于GIS平台对水位、流量的实时查询。该模块支持全县水情分布情况的查询,并在GIS地图上对结果进行实时展现,通过地图点选功能可在地图上定位及查询各个测站的详细水情信息,绘制水位过程线,并与历史年中同期数据进行对比分析,同时提供通过测站名称的模糊查询。
4.2雨情信息模块
雨情信息查询供防汛防旱相关人员准确了解各测站降雨量情况,包括当日、累计降雨量等,实现基于GIS平台对降雨量的实时查询。该模块支持全县降雨量分布情况的查询,并在GIS地图上对结果进行实时展现,通过地图点选功能可在地图上定位及查询各个测站的详细降雨量信息,绘制雨量过程的柱状图,并与历史年中同期数据进行对比分析。 同时提供每日、加报、多日等雨量的查询,并提供通过测站名称的模糊查询。
4.3水利工程信息模块
水利工程信息查询供防汛防旱相关人员准确了解各工程基本情况,包括河流、堤防、水闸、泵站等水利工程的基本信息。该模块从水利工程基础数据库中查询静态工情信息。静态工情信息主要包括防洪工程中资料一般不需要更新的长周期型工程特征数据和部分反映工程特征的静态图像、图形及声音数据。
水利工程信息查询支持全县水利工程基本信息的查询与展现,系统通过工程类别、等级等条件对显示结果进行控制,并在GIS地图上对结果进行实时展现,通过地图点选功能可在地图上定位及查询各个工程的详细信息,并提供通过工程名称的模糊查询。具体包括以下内容:
1)河流工情。河流工情信息的查询内容包括河流基本情况、河道横断面基本特征、洪水传播时间表、河流河段、河段行洪障碍物等。
2)堤防工情。堤防工情信息查询的内容主要包括堤防基本情况、横断面特征、水文特征、效益、 历史决溢记录等。
3)水闸工情。水闸工情信息查询的主要内容包括水闸的基本情况、机电设备情况、观测资料、维修计划、维修进度、事故报告、检修情况、工况记录、水位—泄量关系、水闸设计参数、泄流能力曲线、水闸工程特征、水闸效益指标、水闸历史运行记录、水闸出险记录等。
4.4气象信息模块
气象信息查询以表格、文字方式展示气象局提供的在选择范围内的气象状况,包括天气预报、24 h降雨等气象数据。天气预报为气象部门提供的每日3次(05,10,16时)的当日预报,24 h降雨为气象部门提供的24 h降雨资料。
4.5防汛组织信息模块
防汛组织主要实现对人员、抢险队伍等信息的管理。人员信息管理能够对县防汛防旱指挥人员、 成员单位相关人员的信息进行管理,实现人员信息的实现查询、修改等,主要包括姓名、工作单位、 联络电话、防汛责任、住址、职责范围、专业特长、上级领导人姓名等;抢险队伍信息管理能够对县防汛机动、市县、专业抢险队及群众防汛队伍等防汛抢险队伍的信息进行管理,包括抢险队名称、 类别、人数、地址、抢险能力、设备配备情况、负担的责任段和职责、联系人姓名和电话等。
4.6防汛文件模块
防汛文件主要包括对有关防汛的法律、法规、 条例、制度、预案及公文文档等的管理。
5结语
县级防汛辅助决策支持系统采用MVC架构,在技术体系中采用了AJAX,Hibernate及XML等核心技术,在保证技术先进性的同时兼顾了技术的实用性。系统采用数据访问对象实现对数据库的存取; 采用异步机制处理长时间请求;采用XML作为数据发布标准,采用元数据技术实现数据处理,使得系统更加先进、可靠、高效。
【查询与决策支持系统】推荐阅读：
管理决策支持系统05-13
综合决策支持系统06-25
温室决策支持系统07-25
战略决策支持系统07-24
智能决策支持系统研究09-17
多目标决策支持系统10-03
医院管理决策支持系统09-18
财务决策支持06-30
决策支持平台建设05-15
营销决策支持信息06-14