基于互聯網的埃博拉疫情防控智能決策支持系統的研究

李雅南 倪紅梅 方盛泉 楊旭明

摘要：目的 研究一種能預防埃博拉病毒疫情的智能決策支持系統，在埃博拉疫情發生時及時獲取防控方案，以預其進一步蔓延。方法 ①通過決策支持系統的人機交互接口，由用戶根據自己的"判斷"選取一個合適方案；②智能決策支持系統是從將專家系統引入DSS開始的，它的問題求解是在決策者的直接參與和指導下進行的，而將機器學習引入的目的是使智能決策支持系統獲取與決策過程相關的知識，可使它能在不斷的使用過程中積累經驗而改善自身的性能（具有演進能力）；③基于CASE（案例）的系統就是通過對已有的案例進行分類、從案例中提取知識的，實現對埃博拉疫情的預防措施的輔助決策。結論 埃博拉疫情是"可防，可控的"。

關鍵詞：埃博拉疫情；互聯網；智能決策支持系統

埃博拉出血熱是由埃博拉病毒（Ebola virus，EBV）引起的一種急性出血性傳染病[1]，是人類目前已知最烈性的傳染病之一，該病病死率最高可達90%[2]，隨著大量人員頻繁來往于中非之間，埃博拉疫情對于我國也構成了公共衛生意義上的威脅[3]，據WHO的報告[4]，截止到2014年8月19日，報告的病例數2240例，死亡1229例，且仍有繼續蔓延之勢。

1 研究目的

在信息技術突飛猛進的今天，為了更好地防控EBV的疫情，我們研究一種能預防埃博拉病毒疫情的智能決策支持系統。應運用智能決策支持系統（Intelligent Decision Support System，IDSS），將先進的人工智能計算機技術與DSS技術結合起來，應用一個實際的Horn邏輯系統-PROLOG系統，建立具有智能知識獲取功能的EBOV知識庫，使其具有元推理、演繹能力和語義完整性維護功能，消除冗余、檢查相容性，以便在知識消化和調節中達到自動知識獲取之目的。而基于案例推理的研究，也包含人工智能的理論和技術，它可以確定新問題到底與哪些經驗相似或應將以前的經驗做什么調整，最后得出結論。這些工作將有利于推動EBOV疫情防御工作更好、更完善地實現決策和支持。

2 基本思路與方法

自1976年在非洲中部扎伊爾（現剛果民主共和國）和蘇丹暴發流行后，已在非洲中部形成地方流行，主要包括烏干達、剛果、加蓬、蘇丹、科特迪瓦、利比里亞、南非等國家于20世紀70年代在非洲首次發現，每每有類似的報道都會給人們帶來恐慌，為此，本研究開發的智能決策支持系統將解決這一問題。見圖1。

3 技術關鍵和主要技術指標

本系統采用了B/S架構，采用了MVC的設計模式，將數據層，邏輯層，表現層三層進行了分離。

3.1數據層-收集信息，建立MySQL 5.5知識庫。運用MySQL是開源的成熟的關系型數據庫軟件。最大可以容納百萬級的數據量存儲。根據埃博拉的幾次大流行，人們總結出埃博拉病毒的臨床癥狀[1]，收集信息數據，建立知識庫。

3.2邏輯層-采用了JAVA語言和PROLOG語言相結合的方式消除冗余的算法和完整性約束實現。采用了JAVA語言和PROLOG語言相結合的方式，各取所長。利用了JAVA的一次編寫，到處運行的特點，使系統能夠運行在Windows，Linux甚至MacOS等多種平臺上，利用PROLOG在人工智能方面的優勢，通過turoProlog框架在Java環境中實現PROLOG。

3.3表現層-埃博拉病毒知識庫中的案例推理 通過SpringMVC實現Ajax和HTML展現。由于采用B/S架構，所以，對客戶端只需要通過瀏覽器便可以訪問系統，不需要安裝額外的客戶端軟件。在實際問題求解時，知識處理需要對非精確的數據和知識進行"非精確"處理。基于案例的推理（Case Base Reasing CBR）的工作原理就是人們的認知心理過程-假定人們總是利用已有的經驗和知識來解決具有相似的新問題。它把知識工程的任務減少到特征的描述、術語定義、案例的收集與分類，并將增添新知識簡化為案例庫中增加新案例，從而獲得埃博拉病毒知識庫中的案例推理流程，見圖2。

3.4埃博拉病毒知識庫在知識消化中消除冗余的算法和完整性約束的實現。采用了JAVA語言和PROLOG語言相結合的方式以及知識消化的基本概念。 JavaEE的核心是EJB3.0，其提供了更兼便捷的企業級的應用框架。

總之，知識消化的作用就是假定已存在的知識庫中的知識是正確的，不能被外部知識所修改，將適合用戶意圖的知識存貯到知識庫中，而用戶意圖則由完整性約束來定義。

3.5基于JAVAEE的B/S架構在智能知識調節在埃博拉病毒知識庫中的實現。如何從浩如煙海的信息中自動獲取信息，從而更完善地構建具有智能化的埃博拉病毒知識庫是人們要想解決的問題之一。這里介紹一種基于基于AVAEE的B/S架構學習框架，JavaEE的核心是EJB3.0，其提供了更加便捷的企業級的應用框架。在埃博拉病毒知識庫中，此算法只要輸入有限的事實就可得到一種理論輸出。

3.5.1知識獲取的概念知識獲取就是在知識庫中通過消化和調節收集知識。其中，歸納機制被看作是利用PROLOG在人工智能方面的優勢，通過tuProlog框架在Java環境中實現PROLOG，它在知識獲取中的作用是：生成適合用戶意圖的知識；修改已存在的知識（主要是規則和事實）；知識的自我組織。

3.5.2知識調節知識調節是知識獲取的方法之一。知識調節前題是假定新的知識（規則）和事實是正確的，用新的知識去檢驗、修改知識庫中已存在的知識。其作用是更新和修改知識庫中已經存在的知識；消除冗余（取決于用戶意圖）；由于發現矛盾而恢復知識庫。

EBV（K，[K/T]）：-true.

EBV（K，[K1/T]）：-EBV（K，T）.

謂詞是EBV，它有兩個變量，第一個變量是非表形式K，而第二個變量是表的形式L且其取數值范圍為U，即L U，L是U的一個子集?？梢?，只要前一個變量是后一個變量中的成員，則前一個變量所表示的病癥就是"埃博拉病毒病癥"。

由圖3可見，此智能知識獲取系統正確地歸納出EBV謂詞的規則描述。所以說此系統具有"歸納學習"的機器學習功能。另外，在子句生成測試系統的工作完成后，可刪除原來用于幫助模型推理的一些事實和輔助信息，從而恢復知識庫。

3.5.3基于案例推理（CBR）它是基于人們的認知心理過程-假定人們總是利用已有的經驗和知識來解決具有相似的新問題。

一般來講，一個典型案例包括的信息有：問題的描述P；問題環境的描述E；問題的求解描述O；問題解決方案S；專家評價V。所以案例是5元組C=（P，E，O，S，V）。在實踐中，構造覆蓋整個問題域的案例是不現實的，但要盡可能多地覆蓋問題空間，如果CBR方法不能覆蓋的部分要結合其他方法如基于規則（RBR）的方法來彌補。

綜上所述，本系統利用人工智能的技術，簡便快捷的讓用戶在短時間內，得到精準的"結果"。基于互聯網的埃博拉疫情防御控制系統能對EBV疫情達到預演的目的，盡快了解其相關特性，從而制訂出針對性的防御措施顯得尤為重要。

參考文獻：

[1]XU Li-li，QIN Chuan.Progress on Animal Models of Ebola Hemorrhagic Fever[J].CHINESE JOURNAL OF COMPARATIVE MEDICINE，2010，20（9）：67-71.

[2]Zhang Yawei.Ebola Hemorrhagic Fever an Animal Infectious disease[J].modern journal of animal husbandry and veterinary medicine，2014，10：37-40.

[3]江華，潘海霞，孫明偉，等.基于計算流行病學的埃博拉出血熱的傳播與爆發仿真研究[J].13-17.

[4]胡運法.數據與知識工程導論[M].北京：清華大學出版社，2006.

[5]徐彤，李松，等.Visual Prolog在IDSS開發中的應用技術研究[J].中國科技信息，2005，19：23，28.

編輯/周蕓霏