基于ASP.NET的采矿方法辅助决策专家系统

刘晓亮,褚洪涛

(1.长沙矿山研究院, 湖南长沙 410012;2.国家金属采矿工程技术研究中心, 湖南长沙 410012)

基于ASP.NET的采矿方法辅助决策专家系统

刘晓亮1,2,褚洪涛1,2

(1.长沙矿山研究院, 湖南长沙 410012;2.国家金属采矿工程技术研究中心, 湖南长沙 410012)

使用ASP.NET编程研发基于ASP.NET的采矿方法辅助决策专家系统。标准化、参数化采矿方法命名规则,通过向采矿领域专家咨询,查阅相关文献建立采矿方法知识库,使用正向推理和倾向性排序设计推理机的两个功能模块,使基于 ASP.NET的采矿方法辅助决策专家系统能够给决策者提供更加全面、即时、高效、快捷的支持。

ASP.NET;倾向性;辅助决策;专家系统

20世纪 90年代,专家系统在采矿方法选择应用方面有较多研究,但由于计算机技术和研发思路限制,专家系统在采矿方法选择中并没有得到普遍的推广和应用。综合前人的成功之处,提出采矿方法辅助决策专家系统思路,研发基于 ASP.NET的采矿方法辅助决策专家系统,不仅能够提高研发效率,同时也能提高系统性能,给决策者提供更加全面、即时、高效、快捷的辅助支持。

1 采矿方法辅助决策专家系统的研发

1.1 采矿方法辅助决策专家系统

影响采矿方法选择的因素有很多,而且这些因素有一个共同特点,就是与采矿方法的关系很难用确切的函数形式表达,具有一定的模糊性,对于不同的设计者,由于自身的倾向性,判断出的等级是不一样的,得出的结果差异自然也比较大,这也使得专家系统的设计十分困难,使采矿方法选择的专家系统受到很大局限,难以得到广泛推广。

采矿方法辅助决策系统的研发采用一个全新的设计思路:不是要选择出能够满足决策者全部需求的单一采矿方法,而是通过对所有满足矿山开采技术条件的采矿方法进行不同倾向性排序,给决策者提供决策参考,辅助其采矿方法选择决策。这不仅大大减轻了专家系统的研发难度,同时也利用人脑根据实际进行动态决策采矿方法,使采矿方法的选择结果更加准确、更加符合实际需求。

1.2 采矿方法专家知识库的建立

采矿领域专家进行采矿方法选择,必须掌握采矿方法应用相关知识,并根据矿山实际开采技术条件,选择出适合矿山的采矿方法。其专家知识可以分为两类:一是描述性知识,如矿山基本信息、矿山地质条件、矿床赋存要素、采矿方法名称、矿床开采特殊要求及技术经济指标等;二为逻辑推理性知识,如采矿方法判断规则,对应规则的解释等。

通过向专家咨询,查阅相关资料、文献等,将采矿方法在矿山应用的信息、采矿方法判断规则、解释规则等参数化之后录入数据库,建立采矿方法知识库 (见图1)。

图1 专家知识库部分结构

1.3 推理机的研发

采矿领域专家制定采矿方案可以简要分为 3个步骤:

(1)根据矿山开采特殊性要求、矿体赋存条件、水文地质条件、工程地质条件、矿山开采环境等因素,淘汰不适合的采矿方法;

(2)将适合的采矿方法进行技术经济比较,结合矿山生产实际,选择适合矿山的采矿方法;

(3)优化采矿方法参数,形成采矿方案。

通过对采矿领域专家选择采矿方法的过程进行模拟,确定采矿方法辅助决策系统推理机的两大模块功能:

(1)采矿方法初选。根据用户提交的信息,通过调用知识库中采矿方法初选规则,使用正向推理形式进行采矿方法初选。如根据用户提供信息中的矿山生产特殊性要求,调用知识库中的采矿方法初选判断规则,排除不适合的采矿方法。

(2)采矿方法倾向性排序。经过上步骤推理以后,MMKD(Mining Method Knowledge Database,采矿方法知识库)中标记值未改变 (默认值为 1)的采矿方法在技术上都适用于用户信息所描述矿床。根据采矿方法实际应用的技术经济数据,将这些采矿方法进行不同倾向性分类排序。调用采矿方法倾向性类别及权值。通过调用采矿方法知识库中倾向性列的值来获得倾向性权值,部分 SQL查询语言如下:

在获得采矿方法的倾向性类别及相应的权值之后,按用户选定的倾向性将适合的采矿方法进行倾向性排序。

1.4 解释器的研发

解释器负责回答用户提出的问题,解释专家系统做出判断的依据,是实现系统透明性的主要部件。解释器由两个部分组成:监视程序和解释记录。监视程序集成于推理机中,当推理机进行某步骤的推理需要进行解释时,自动调用监视程序,监视程序调用相应的解释记录进行解释。解释记录存储在MMKD中,由问题编号和解释内容构成。

以复杂大水矿山采矿方法选择为例说明解释器的工作原理,为了方便说明,此处截取了部分代码并作了适当调整。

这段代码定义了解释器类 (类 Reason),其中解释记录调用方法 (方法 Reason Dis()),调用方法通过判断解释的原因返回不同的解释记录 (return dis-Reason)。

这段代码通过“Reason sp_Reason=new Reason()”实例化了特殊条件判断类,然后判断是否是大水矿山,并根据判断结果标记采矿方法,输出原因。

1.5 系统界面的设计

系统界面是用户与专家系统交流的唯一途径,一个成功的专家系统必须有一个良好的用户界面,用户界面设计应满足:简单易用、布局一致性、简洁直观、通用性强且有帮助和提示等要求。本系统程序以WEB程序形式通过网络发布,用户界面设计参照一般WEB布局,更有利于进行人机交流。

1.6 系统实现过程

用户通过 U I输入矿体赋存参数、技术经济参数、开采特殊性要求等数据。IE调用用户输入的参数,结合采矿方法知识库中的信息,按照推理规则推理。IP对推理过程中的各个步骤进行实时追踪、记录、解释。在推理过程完毕之后,推理结果将存储至MMKD,同时由 U I进行输出。用户可以通过设置不同的倾向性要求,得到不同的倾向性排序。

2 系统特点

使用ASP.NET研发采矿方法辅助决策支持系统,不仅能够提高研发效率,也能增强系统功能,使此系统不仅具备专家系统共有的优点,还具备 ASP.NET研发程序所具备的优点。

(1)能够高效率、准确、周到、迅速和不知疲倦地进行工作。

(2)解决问题不受周围环境、个人感情的影响,不会遗漏忘记。

(3)使专家知识不受时间和空间的限制,能够更好的推广。

(4)能够解释本身的推理过程和回答用户提出的问题,让用户能够了解推理过程,具有很高的透明性。

(5)更广泛的知识来源,更严谨的推理过程,能够达到不遗漏、不误选。

(6)更便捷的查询、访问。

(7)更容易更新、维护、完善、发布。

3 小 结

使用 ASP.NET研发基于 ASP.NET的采矿方法辅助决策专家系统,通过网络以WEB页形式发布,能够快捷、即时、准确给矿山决策者提供全面的、透明的、准确的决策倾向性建议,保证矿山安全生产、减少资源损失、提高经济效益,系统研发具有较高的研究意义和经济价值。

[1] 管纪文,等.专家系统与传统程序 [J].计算机科学,1984,(6).

[2] 黄可鸣.人工智能与专家系统[J].计算机应用与软件,1989,(1).

[3] Joseph Giarratano.Expert Systeme Principles and Programming[M].北京:机械工业出版社,2000.

[4] Chandrasekaran,B.Artificial Intelligence Applications for Business.Expert systems[M].New Jersey:Ablex Publishing Corp.,1984:41～64.

[5] Harmon.Artificial Intelligence in Business.Expert Systems[M].New York:John Wiley&Sons,Inc.,1985.

[6] Thiru Thangarathinam.ASP.NET 2.0 XML高级编程 [M].北京:清华大学出版社,2006.

2010-02-05)

刘晓亮 (1984-),男,硕士,助理工程师,主要从事采矿工艺及矿山数字化研究工作,Email:lightlau@msn.com。