基于ASP.NET的采礦方法輔助決策專家系統

劉曉亮,褚洪濤

(1.長沙礦山研究院, 湖南長沙 410012;2.國家金屬采礦工程技術研究中心, 湖南長沙 410012)

基于ASP.NET的采礦方法輔助決策專家系統

劉曉亮1,2,褚洪濤1,2

(1.長沙礦山研究院, 湖南長沙 410012;2.國家金屬采礦工程技術研究中心, 湖南長沙 410012)

使用ASP.NET編程研發基于ASP.NET的采礦方法輔助決策專家系統。標準化、參數化采礦方法命名規則,通過向采礦領域專家咨詢,查閱相關文獻建立采礦方法知識庫,使用正向推理和傾向性排序設計推理機的兩個功能模塊,使基于 ASP.NET的采礦方法輔助決策專家系統能夠給決策者提供更加全面、即時、高效、快捷的支持。

ASP.NET;傾向性;輔助決策;專家系統

20世紀 90年代,專家系統在采礦方法選擇應用方面有較多研究,但由于計算機技術和研發思路限制,專家系統在采礦方法選擇中并沒有得到普遍的推廣和應用。綜合前人的成功之處,提出采礦方法輔助決策專家系統思路,研發基于 ASP.NET的采礦方法輔助決策專家系統,不僅能夠提高研發效率,同時也能提高系統性能,給決策者提供更加全面、即時、高效、快捷的輔助支持。

1 采礦方法輔助決策專家系統的研發

1.1 采礦方法輔助決策專家系統

影響采礦方法選擇的因素有很多,而且這些因素有一個共同特點,就是與采礦方法的關系很難用確切的函數形式表達,具有一定的模糊性,對于不同的設計者,由于自身的傾向性,判斷出的等級是不一樣的,得出的結果差異自然也比較大,這也使得專家系統的設計十分困難,使采礦方法選擇的專家系統受到很大局限,難以得到廣泛推廣。

采礦方法輔助決策系統的研發采用一個全新的設計思路:不是要選擇出能夠滿足決策者全部需求的單一采礦方法,而是通過對所有滿足礦山開采技術條件的采礦方法進行不同傾向性排序,給決策者提供決策參考,輔助其采礦方法選擇決策。這不僅大大減輕了專家系統的研發難度,同時也利用人腦根據實際進行動態決策采礦方法,使采礦方法的選擇結果更加準確、更加符合實際需求。

1.2 采礦方法專家知識庫的建立

采礦領域專家進行采礦方法選擇,必須掌握采礦方法應用相關知識,并根據礦山實際開采技術條件,選擇出適合礦山的采礦方法。其專家知識可以分為兩類:一是描述性知識,如礦山基本信息、礦山地質條件、礦床賦存要素、采礦方法名稱、礦床開采特殊要求及技術經濟指標等;二為邏輯推理性知識,如采礦方法判斷規則,對應規則的解釋等。

通過向專家咨詢,查閱相關資料、文獻等,將采礦方法在礦山應用的信息、采礦方法判斷規則、解釋規則等參數化之后錄入數據庫,建立采礦方法知識庫 (見圖1)。

圖1 專家知識庫部分結構

1.3 推理機的研發

采礦領域專家制定采礦方案可以簡要分為 3個步驟:

(1)根據礦山開采特殊性要求、礦體賦存條件、水文地質條件、工程地質條件、礦山開采環境等因素,淘汰不適合的采礦方法;

(2)將適合的采礦方法進行技術經濟比較,結合礦山生產實際,選擇適合礦山的采礦方法;

(3)優化采礦方法參數,形成采礦方案。

通過對采礦領域專家選擇采礦方法的過程進行模擬,確定采礦方法輔助決策系統推理機的兩大模塊功能:

(1)采礦方法初選。根據用戶提交的信息,通過調用知識庫中采礦方法初選規則,使用正向推理形式進行采礦方法初選。如根據用戶提供信息中的礦山生產特殊性要求,調用知識庫中的采礦方法初選判斷規則,排除不適合的采礦方法。

(2)采礦方法傾向性排序。經過上步驟推理以后,MMKD(Mining Method Knowledge Database,采礦方法知識庫)中標記值未改變 (默認值為 1)的采礦方法在技術上都適用于用戶信息所描述礦床。根據采礦方法實際應用的技術經濟數據,將這些采礦方法進行不同傾向性分類排序。調用采礦方法傾向性類別及權值。通過調用采礦方法知識庫中傾向性列的值來獲得傾向性權值,部分 SQL查詢語言如下:

在獲得采礦方法的傾向性類別及相應的權值之后,按用戶選定的傾向性將適合的采礦方法進行傾向性排序。

1.4 解釋器的研發

解釋器負責回答用戶提出的問題,解釋專家系統做出判斷的依據,是實現系統透明性的主要部件。解釋器由兩個部分組成:監視程序和解釋記錄。監視程序集成于推理機中,當推理機進行某步驟的推理需要進行解釋時,自動調用監視程序,監視程序調用相應的解釋記錄進行解釋。解釋記錄存儲在MMKD中,由問題編號和解釋內容構成。

以復雜大水礦山采礦方法選擇為例說明解釋器的工作原理,為了方便說明,此處截取了部分代碼并作了適當調整。

這段代碼定義了解釋器類 (類 Reason),其中解釋記錄調用方法 (方法 Reason Dis()),調用方法通過判斷解釋的原因返回不同的解釋記錄 (return dis-Reason)。

這段代碼通過“Reason sp_Reason=new Reason()”實例化了特殊條件判斷類,然后判斷是否是大水礦山,并根據判斷結果標記采礦方法,輸出原因。

1.5 系統界面的設計

系統界面是用戶與專家系統交流的唯一途徑,一個成功的專家系統必須有一個良好的用戶界面,用戶界面設計應滿足:簡單易用、布局一致性、簡潔直觀、通用性強且有幫助和提示等要求。本系統程序以WEB程序形式通過網絡發布,用戶界面設計參照一般WEB布局,更有利于進行人機交流。

1.6 系統實現過程

用戶通過 U I輸入礦體賦存參數、技術經濟參數、開采特殊性要求等數據。IE調用用戶輸入的參數,結合采礦方法知識庫中的信息,按照推理規則推理。IP對推理過程中的各個步驟進行實時追蹤、記錄、解釋。在推理過程完畢之后,推理結果將存儲至MMKD,同時由 U I進行輸出。用戶可以通過設置不同的傾向性要求,得到不同的傾向性排序。

2 系統特點

使用ASP.NET研發采礦方法輔助決策支持系統,不僅能夠提高研發效率,也能增強系統功能,使此系統不僅具備專家系統共有的優點,還具備 ASP.NET研發程序所具備的優點。

(1)能夠高效率、準確、周到、迅速和不知疲倦地進行工作。

(2)解決問題不受周圍環境、個人感情的影響,不會遺漏忘記。

(3)使專家知識不受時間和空間的限制,能夠更好的推廣。

(4)能夠解釋本身的推理過程和回答用戶提出的問題,讓用戶能夠了解推理過程,具有很高的透明性。

(5)更廣泛的知識來源,更嚴謹的推理過程,能夠達到不遺漏、不誤選。

(6)更便捷的查詢、訪問。

(7)更容易更新、維護、完善、發布。

3 小 結

使用 ASP.NET研發基于 ASP.NET的采礦方法輔助決策專家系統,通過網絡以WEB頁形式發布,能夠快捷、即時、準確給礦山決策者提供全面的、透明的、準確的決策傾向性建議,保證礦山安全生產、減少資源損失、提高經濟效益,系統研發具有較高的研究意義和經濟價值。

[1] 管紀文,等.專家系統與傳統程序 [J].計算機科學,1984,(6).

[2] 黃可鳴.人工智能與專家系統[J].計算機應用與軟件,1989,(1).

[3] Joseph Giarratano.Expert Systeme Principles and Programming[M].北京:機械工業出版社,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高級編程 [M].北京:清華大學出版社,2006.

2010-02-05)

劉曉亮 (1984-),男,碩士,助理工程師,主要從事采礦工藝及礦山數字化研究工作,Email:lightlau@msn.com。