• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理方法

    2013-12-23 05:17:12趙二峰
    關(guān)鍵詞:多源性態(tài)服役

    趙二峰 黃 浩

    (1.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,南京 210098;2.河海大學(xué)水資源高效利用與工程安全國(guó)家工程研究中心,南京 210098)

    混凝土壩結(jié)構(gòu)和工作條件復(fù)雜,特別是高壩和特高壩的服役性態(tài)評(píng)價(jià)需各級(jí)領(lǐng)導(dǎo)親臨現(xiàn)場(chǎng),通過(guò)組織專家小組對(duì)大壩及壩基服役性態(tài)多源監(jiān)測(cè)和檢測(cè)信息進(jìn)行綜合分析,從而進(jìn)行決策.但是,對(duì)于高壩大庫(kù),施工、設(shè)計(jì)、地勘等資料、各類巡查信息、檢測(cè)信息和監(jiān)測(cè)信息等很多,導(dǎo)致信息處理分析的工作量很大,往往需要較長(zhǎng)時(shí)間完成,以致不能及時(shí)發(fā)現(xiàn)隱患.另外,混凝土壩在設(shè)計(jì)、施工和運(yùn)行過(guò)程中,積累了大量的專家知識(shí)和實(shí)踐經(jīng)驗(yàn),需要及時(shí)科學(xué)地總結(jié)管理這些知識(shí),避免由于專家老齡化而導(dǎo)致這些知識(shí)的消失[1].鑒于此,本文展開(kāi)混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理方法研究,利用復(fù)雜系統(tǒng)的多層融合、知識(shí)獲取、知識(shí)表示和因果機(jī)制推理等具備學(xué)習(xí)功能的人工智能技術(shù),構(gòu)建基于黑板結(jié)構(gòu)的混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析體系,設(shè)計(jì)多源信息融合推理的知識(shí)庫(kù)和推理算法,充分利用施工、設(shè)計(jì)、地勘等資料、各類巡查信息、檢測(cè)信息、監(jiān)測(cè)信息、模型監(jiān)控信息和專家經(jīng)驗(yàn)信息等,從而提高混凝土壩長(zhǎng)效服役性態(tài)安全評(píng)價(jià)的可靠性和準(zhǔn)確性.

    1 混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理體系的特性分析

    在構(gòu)建混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理體系時(shí),這些信息在類型、表達(dá)形式等方面的差異,需要依靠由數(shù)據(jù)驅(qū)動(dòng)的串行或并行程序進(jìn)行,而且由于各類信息和資料的多源性、冗余性、互補(bǔ)性,使得各功能模塊可采用不同的分析模式,如數(shù)據(jù)挖掘方法、結(jié)構(gòu)計(jì)算、檢測(cè)信息評(píng)測(cè)等,但必須將這些方法統(tǒng)一起來(lái),才能做到對(duì)多源信息融合處理過(guò)程的有效控制.另外,來(lái)自各類監(jiān)測(cè)和檢測(cè)儀器及巡查信息具有隨時(shí)間不斷變化的特點(diǎn),推理體系須具有一定的更新機(jī)制,并在各類信息變化時(shí),主動(dòng)去識(shí)別、理解異常信息.黑板結(jié)構(gòu)通過(guò)不同知識(shí)表達(dá)方法、推理框架和控制機(jī)制的組合來(lái)實(shí)現(xiàn),在信息管理智能決策系統(tǒng)中得到了廣泛的應(yīng)用[2-3].黑板系統(tǒng)通過(guò)提供可擴(kuò)展的多層次結(jié)構(gòu),可以有效地組織調(diào)度大量相互獨(dú)立的知識(shí)源,而且通過(guò)不斷加入新的知識(shí),可不斷提高信息融合推理的智能化程度.黑板框架結(jié)構(gòu)如圖1所示,由黑板、知識(shí)源和控制運(yùn)算機(jī)構(gòu)組成.

    圖1 黑板框架結(jié)構(gòu)

    1)黑板是用來(lái)存儲(chǔ)施工、設(shè)計(jì)、地勘等資料、監(jiān)測(cè)數(shù)據(jù)、檢測(cè)信息和各類處理方法的動(dòng)態(tài)數(shù)據(jù)庫(kù),整個(gè)黑板分成若干個(gè)信息層,每一層用于描述混凝土壩滲漏、裂縫等問(wèn)題的某一類信息.

    2)知識(shí)源用于描述混凝土壩長(zhǎng)效服役性態(tài)安全評(píng)價(jià)中的分析方法、模型和因果推理機(jī)制,每個(gè)知識(shí)源可完成具有較明確因果機(jī)制的推理分析,各類知識(shí)源具有相互獨(dú)立性,知識(shí)推理分析過(guò)程記錄在各信息層相應(yīng)的黑板上.

    3)控制運(yùn)算由監(jiān)督程序和調(diào)度程序組成,其中監(jiān)督程序根據(jù)黑板信息的變化可激活相應(yīng)的分析方法、模型和因果推理機(jī)制,通過(guò)選擇最合適的知識(shí)源進(jìn)行推理,推理結(jié)果同時(shí)用于修改黑板狀態(tài),以便下一步循環(huán)推理.

    與此同時(shí),混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析需要綜合運(yùn)用多學(xué)科知識(shí),所以在黑板框架結(jié)構(gòu)中,每個(gè)專家可根據(jù)其領(lǐng)域身份提供結(jié)構(gòu)、滲流等問(wèn)題的分析方法,并利用黑板交流其經(jīng)驗(yàn)以解決問(wèn)題.在此框架下,各個(gè)功能模塊通過(guò)協(xié)調(diào)工作可實(shí)現(xiàn)最佳的多源信息融合效果.因此,鑒于混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理的層次化要求,利用黑板框架構(gòu)造多層次多源信息融合系統(tǒng)成為較好的途徑.

    2 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析結(jié)構(gòu)

    混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理分析結(jié)構(gòu)如圖2所示,多源信息庫(kù)用于存儲(chǔ)多源檢測(cè)和監(jiān)測(cè)信息等及信息融合結(jié)果;知識(shí)庫(kù)用于存儲(chǔ)領(lǐng)域?qū)<抑R(shí),并存儲(chǔ)巡查記錄與混凝土壩變形、應(yīng)力、裂縫、滲流等結(jié)構(gòu)變化性態(tài)的因果機(jī)制;黑板用于輸入混凝土壩服役的各類信息、結(jié)構(gòu)性態(tài)變化的因果推理機(jī)制,根據(jù)混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理的特點(diǎn),預(yù)處理和融合層的黑板均包含數(shù)據(jù)層、特征層和決策層;綜合調(diào)度管理用于監(jiān)督黑板、調(diào)度推理機(jī)制及選擇信息融合結(jié)果等;因果推理機(jī)則以一定的因果機(jī)制推理策略,根據(jù)混凝土壩多源信息進(jìn)行綜合推理,進(jìn)行大壩長(zhǎng)效服役性態(tài)的綜合評(píng)價(jià).

    圖2 多源信息融合推理分析結(jié)構(gòu)

    對(duì)于混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理,最重要的技術(shù)環(huán)節(jié)是構(gòu)建知識(shí)庫(kù)和推理機(jī),下面綜合運(yùn)用多維數(shù)據(jù)庫(kù)[4]、BP 神經(jīng)網(wǎng)絡(luò)[5-6],對(duì)混凝土壩長(zhǎng)效服役性態(tài)知識(shí)的表示、知識(shí)的獲取、知識(shí)的管理和實(shí)時(shí)融合推理機(jī)制進(jìn)行研究.

    2.1 知識(shí)庫(kù)

    1)知識(shí)的表示

    混凝土壩長(zhǎng)效服役性態(tài)綜合評(píng)價(jià)結(jié)構(gòu)如圖3所示,知識(shí)庫(kù)存放工程等級(jí)評(píng)判準(zhǔn)則、設(shè)計(jì)標(biāo)準(zhǔn)評(píng)判準(zhǔn)則、原型工作性態(tài)評(píng)判準(zhǔn)則、施工質(zhì)量評(píng)判準(zhǔn)則、運(yùn)行評(píng)判準(zhǔn)則和庫(kù)區(qū)滑坡評(píng)判準(zhǔn)則等;推理機(jī)指借助圖2中的因果推理分析等對(duì)結(jié)構(gòu)和滲流引起的異常進(jìn)行物理成因解析,并提出輔助決策和建議.為了便于混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理,本文采用基于多維數(shù)據(jù)原理的知識(shí)表示方法,通過(guò)模式識(shí)別、模糊識(shí)別、推理求解等[7]實(shí)現(xiàn),具體包括元事實(shí)表(ID-MATA)、事實(shí)表(ID-FACT)、規(guī)則表(IDRULE)、方法表(ID-METHOD)、事實(shí)索引表(IDMATA)、規(guī)則索引表(ID-MATA)和方法索引表(ID-MATA).

    圖3 混凝土壩長(zhǎng)效服役性態(tài)綜合評(píng)價(jià)結(jié)構(gòu)

    2)知識(shí)的獲取

    混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理知識(shí)的獲取可將得到的專家知識(shí)直接輸入知識(shí)庫(kù),也可利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來(lái)獲取,后者既具有更高的時(shí)間效率,又能保證更高的學(xué)習(xí)質(zhì)量.本文采用基于BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的知識(shí)獲取,知識(shí)的獲取過(guò)程如圖4所示.

    圖4 BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)知識(shí)自動(dòng)獲取過(guò)程

    3)知識(shí)的管理

    混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理知識(shí)的管理直接影響多源信息融合推理的效果,通過(guò)選擇緊耦合知識(shí)管理系統(tǒng),充分利用高效的搜索算法,對(duì)推理規(guī)則的一致性和完整性進(jìn)行檢驗(yàn),其中一致性檢驗(yàn)包括因果推理機(jī)制的條件冗余、沖突、檢驗(yàn)等.因此,借助多維數(shù)據(jù)庫(kù)的信息共享、存儲(chǔ)、并發(fā)控制等技術(shù),采用結(jié)構(gòu)化查詢語(yǔ)言SQL 與知識(shí)庫(kù)進(jìn)行交互的管理模式,實(shí)現(xiàn)因果推理機(jī)制等知識(shí)的有效管理.

    2.2 推理過(guò)程

    混凝土壩長(zhǎng)效服役性態(tài)實(shí)時(shí)推理分析流程如圖5所示,當(dāng)知識(shí)庫(kù)識(shí)別為異常測(cè)值時(shí),通過(guò)推理過(guò)程進(jìn)行異常測(cè)值的成因分析,對(duì)結(jié)構(gòu)和滲流等出現(xiàn)的異常情況進(jìn)行專家綜合診斷,解析物理成因,并提出輔助決策建議.

    圖5 混凝土壩長(zhǎng)效服役性態(tài)實(shí)時(shí)推理分析流程

    根據(jù)知識(shí)庫(kù)的評(píng)判準(zhǔn)則,可對(duì)混凝土壩長(zhǎng)效服役性態(tài)進(jìn)行層次閾值模糊評(píng)判,首先對(duì)水工建筑物的級(jí)別、設(shè)計(jì)標(biāo)準(zhǔn)以及衡量質(zhì)量的相關(guān)標(biāo)準(zhǔn)進(jìn)行評(píng)價(jià);然后,進(jìn)行樞紐等級(jí)、設(shè)計(jì)洪水、安全超高、抗滑穩(wěn)定、工程質(zhì)量及基礎(chǔ)處理等進(jìn)行評(píng)價(jià);最后,按上述準(zhǔn)則進(jìn)行評(píng)價(jià).根據(jù)多源信息融合的定義,鑒于漸進(jìn)推理方法可以對(duì)多源信息的各類數(shù)據(jù)進(jìn)行漸進(jìn)綜合分析,本文采用分級(jí)漸進(jìn)推理機(jī)制(圖6),即通過(guò)感知、記憶和論證在綜合調(diào)度管理下協(xié)調(diào)工作,進(jìn)行混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理.

    圖6 分級(jí)漸進(jìn)推理機(jī)制

    1)推理機(jī)主要數(shù)據(jù)結(jié)構(gòu)

    CURRENT-FACT 存儲(chǔ)當(dāng)前的巡查信息;

    CURRENT-RULE 存儲(chǔ)當(dāng)前正在執(zhí)行的因果機(jī)制;

    CURRENT-MODEL 存儲(chǔ)當(dāng)前正在執(zhí)行的監(jiān)控模型;

    VALID-RULES-STACK 規(guī)則順序棧,存儲(chǔ)所要執(zhí)行的因果機(jī)制序列;

    VALID-METHODS-STACK 方法順序棧,存儲(chǔ)所要執(zhí)行的監(jiān)控方法序列.

    2)推理機(jī)與知識(shí)庫(kù)的主要接口

    ①SEARCH(OBJECT,CURRENT-FACTS-SET)

    在事實(shí)庫(kù)(或案例庫(kù))中搜索與當(dāng)前結(jié)構(gòu)或滲流異常相匹配的元事實(shí):

    IF OBJECT =ID-MATA

    THEN ID-MATA should be added into CUR-RENT-FACTS-SET

    ②SEARCH(PARENT-RULE,F(xiàn)ACTS-SET)

    在優(yōu)化規(guī)則庫(kù)中搜索當(dāng)前啟用因果推理機(jī)制的子規(guī)則:

    IF PARENT-RULE number = PARENTRULE AND part of conditions are consistent with FACTS-SET

    THEN return

    ③SEARCH(PARENT-METHOD,F(xiàn)ACTS-SET)

    在方法庫(kù)中搜索所用監(jiān)控方法或監(jiān)控模型的子監(jiān)控方法或子監(jiān)控模型:

    IF PARENT-METHOD number =PARENTMETHOD AND is suitable in FACTS-SET for MATA use

    THEN return

    ④EXECUTE(RULE-NO)執(zhí)行規(guī)則RULENO 的推理機(jī)制,若該規(guī)則含有“輸出建議”,則輸出相應(yīng)的推理分析建議;若含有“判斷新的事實(shí)(案例)”,則進(jìn)行中間事實(shí)(案例)判斷,并將判斷后的中間事實(shí)(案例)返回.

    ⑤EXECUTE (METHOD-NO)執(zhí)行方法METHOD-NO 的操作部分,若該方法含有“輸出建議”,則輸出相應(yīng)的建議;若含有中間事實(shí)產(chǎn)生,則進(jìn)行相應(yīng)的判斷,并將判斷后的中間事實(shí)返回.

    ⑥EXECUTE(bpa)根據(jù)數(shù)據(jù)庫(kù)或人工確定的基本概率指派函數(shù)(bpa),運(yùn)用D-S證據(jù)理論對(duì)規(guī)則推理結(jié)果進(jìn)行驗(yàn)證.若有中間事實(shí)產(chǎn)生,則進(jìn)行相應(yīng)的判斷,并將判斷后的中間事實(shí)返回.

    3 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析模型

    3.1 數(shù)據(jù)級(jí)的模糊貼近度融合模型

    因此,在得到監(jiān)測(cè)點(diǎn)與估計(jì)值貼近度的基礎(chǔ)上,即可計(jì)算出各測(cè)點(diǎn)的相對(duì)權(quán)重,進(jìn)而最終得到多測(cè)點(diǎn)監(jiān)測(cè)信息融合結(jié)果為

    3.2 特征級(jí)的GA-BP網(wǎng)絡(luò)融合模型

    對(duì)于多層BP神經(jīng)網(wǎng)絡(luò),定義能量函數(shù)為

    式中,okj為第k 個(gè)學(xué)習(xí)樣本第j 個(gè)輸出節(jié)點(diǎn)的實(shí)際輸出,tkj為第k 個(gè)學(xué)習(xí)樣本第j 個(gè)輸出節(jié)點(diǎn)的期望輸出.

    BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程是找到一個(gè)較優(yōu)的網(wǎng)絡(luò)模型(確定網(wǎng)絡(luò)參數(shù)),調(diào)整權(quán)值矩陣W 和閾值矩陣θ使得E 最小的過(guò)程.因此,定義評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)優(yōu)劣的適應(yīng)度函數(shù)為

    式中,C 為常數(shù),E 為能量函數(shù).

    GA-BP算法應(yīng)用于特征信息融合的過(guò)程如圖7所示.將利用遺傳算法得到的網(wǎng)絡(luò)參數(shù)及初始權(quán)值矩陣和閾值矩陣傳于BP 算法對(duì)其進(jìn)行細(xì)微調(diào)整,即可得到滿意的優(yōu)化結(jié)果.

    圖7 GA-BP算法應(yīng)用于特征信息融合過(guò)程

    3.3 決策信息的D-S融合模型

    1)單測(cè)點(diǎn)多測(cè)量屬性融合模型

    設(shè)單測(cè)點(diǎn)n個(gè)監(jiān)測(cè)周期中通過(guò)對(duì)效應(yīng)量的監(jiān)測(cè)獲得對(duì)k 個(gè)命題的可信度分配為m1(Ai)、m2(Ai)、…、mn(Ai),i=1,2,…,k,mj(Ai)表示在第j個(gè)周期中對(duì)命題Ai的可信度分配,則該測(cè)點(diǎn)依據(jù)n 個(gè)監(jiān)測(cè)周期的累積測(cè)量對(duì)k 個(gè)命題的融合后驗(yàn)可信度分配為

    特別地,“未知”命題(不同于中性命題)的融合后驗(yàn)可信度分配為

    式中,ui表示第i 個(gè)周期“未知”命題的可信度分配值.

    對(duì)于除了“未知”命題以外,各周期間不同命題都相互獨(dú)立的情形

    2)多測(cè)點(diǎn)多測(cè)量屬性融合模型

    設(shè)有m 個(gè)測(cè)點(diǎn),每個(gè)測(cè)點(diǎn)在辨識(shí)框架Θ 的冪集2θ中有意義的命題為k 個(gè).各測(cè)點(diǎn)在各測(cè)量周期上獲得的后驗(yàn)可信度分配為msj(Ai)(i=1,2,…,k;j=1,2,…,n;s=1,2,…,m),usj=msj(2θ),其中msj(Ai)表示第s個(gè)測(cè)點(diǎn)在第j 個(gè)監(jiān)測(cè)周期上對(duì)命題Ai的后驗(yàn)可信度分配;usj表示對(duì)“未知”命題的可信度分配.融合思路如下:首先對(duì)于單個(gè)測(cè)點(diǎn),基于n 個(gè)監(jiān)測(cè)周期的累積測(cè)量計(jì)算出每一個(gè)命題的融合后驗(yàn)可信度分配,然后基于這些融合可信度分配,再將m 個(gè)測(cè)點(diǎn)視為一個(gè)監(jiān)測(cè)系統(tǒng),進(jìn)一步計(jì)算出總的融合后驗(yàn)可信度分配.

    ①計(jì)算單測(cè)點(diǎn)依據(jù)各自n 個(gè)監(jiān)測(cè)周期的累積量測(cè)所獲得的k 個(gè)命題的融合后驗(yàn)可信度分配

    ②將m 個(gè)測(cè)點(diǎn)視為一個(gè)監(jiān)測(cè)系統(tǒng),計(jì)算總的融合后驗(yàn)可信度分配

    特別地,“未知”命題的融合后驗(yàn)可信度分配為

    4 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理實(shí)現(xiàn)

    下面以面向?qū)ο筌浖O(shè)計(jì)開(kāi)發(fā)方法為基本原則,利用Delphi 2007實(shí)現(xiàn)混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理的功能.混凝土壩長(zhǎng)效服役性態(tài)信息融合推理采用層次化的體系結(jié)構(gòu)如圖8所示,自下而上分為數(shù)據(jù)層、學(xué)習(xí)層、融合層以及應(yīng)用層.在數(shù)據(jù)層上,通過(guò)對(duì)環(huán)境信息源狀態(tài)的獲取以及混凝土壩運(yùn)行監(jiān)測(cè)和檢測(cè)數(shù)據(jù)等的標(biāo)準(zhǔn)化處理,完成對(duì)混凝土壩長(zhǎng)效服役多源信息的預(yù)處理;在學(xué)習(xí)層上,通過(guò)BP 網(wǎng)絡(luò)學(xué)習(xí)算法對(duì)證據(jù)合成規(guī)則中的權(quán)值進(jìn)行離線學(xué)習(xí),并對(duì)學(xué)習(xí)樣本進(jìn)行管理;在融合層上,利用學(xué)習(xí)后得到的權(quán)值在證據(jù)合成網(wǎng)絡(luò)中對(duì)標(biāo)準(zhǔn)化處理后的各類數(shù)據(jù)進(jìn)行合成,實(shí)現(xiàn)對(duì)多源信息的融合;應(yīng)用層作為擴(kuò)展模塊,可以根據(jù)需求加入不同的模塊,從而實(shí)現(xiàn)對(duì)信息融合決策的應(yīng)用.

    圖8 信息融合體系結(jié)構(gòu)

    根據(jù)信息融合體系結(jié)構(gòu),混凝土壩長(zhǎng)效服役性態(tài)信息融合推理主要包括:1)信息預(yù)處理模塊,包括監(jiān)測(cè)數(shù)據(jù)獲取與標(biāo)準(zhǔn)化子模塊,通過(guò)獲取待融合的各類監(jiān)測(cè)和檢測(cè)數(shù)據(jù)等,利用標(biāo)準(zhǔn)化函數(shù)將各種類型的數(shù)據(jù)和信息進(jìn)行預(yù)處理;2)參數(shù)設(shè)置模塊,用于管理和配置系統(tǒng)中的各種全局參數(shù),包括BP神經(jīng)網(wǎng)絡(luò)權(quán)值的設(shè)置以及多源信息融合參數(shù)等;3)離線學(xué)習(xí)模塊,包括樣本管理、學(xué)習(xí)參數(shù)設(shè)置以及學(xué)習(xí)算法等,樣本管理子模塊將實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)的存儲(chǔ)、修改等,學(xué)習(xí)算法模塊利用BP神經(jīng)網(wǎng)絡(luò)對(duì)權(quán)值進(jìn)行離線學(xué)習(xí),學(xué)習(xí)參數(shù)設(shè)置用于管理離線學(xué)習(xí)模塊中特定的參數(shù)(如算法的學(xué)習(xí)效率、迭代次數(shù)等);4)信息融合推理模塊(圖9),將標(biāo)準(zhǔn)化后的各類數(shù)據(jù)傳入D-S證據(jù)合成網(wǎng)絡(luò)中,并利用離線學(xué)習(xí)獲得的權(quán)值進(jìn)行參數(shù)設(shè)置,最終得到混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理結(jié)果.

    圖9 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理功能模塊

    5 結(jié) 語(yǔ)

    本文研究了混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理方法,構(gòu)建了基于黑板結(jié)構(gòu)的信息融合推理結(jié)構(gòu),提出了利用多維數(shù)據(jù)庫(kù)進(jìn)行混凝土壩長(zhǎng)效服役性態(tài)的多源信息的知識(shí)表示方法,利用BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來(lái)獲取知識(shí),以及采用結(jié)構(gòu)化查詢語(yǔ)言SQL與知識(shí)庫(kù)進(jìn)行交互的知識(shí)管理模式,并采用分級(jí)漸進(jìn)推理機(jī)制進(jìn)行混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理.在此基礎(chǔ)上,利用Delphi 2007實(shí)現(xiàn)混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理的功能,為提高混凝土壩長(zhǎng)效服役性態(tài)安全評(píng)價(jià)的可靠性和準(zhǔn)確性提供了技術(shù)支持.

    [1] 顧沖時(shí),吳中如.大壩與壩基安全監(jiān)控理論和方法及其應(yīng)用[M].南京:河海大學(xué)出版社,2006.

    [2] 高舉紅,徐燕申,單樂(lè)生.基于黑板結(jié)構(gòu)CAPP專家系統(tǒng)的研究[J].天津大學(xué)學(xué)報(bào),2000,33(3):298-301.

    [3] 劉 群,夏 虹.多源信息融合系統(tǒng)的主動(dòng)式黑板結(jié)構(gòu)與模型[J].哈爾濱工程大學(xué)學(xué)報(bào),2007,28(8):910-916.

    [4] 趙二峰,金 怡,楊 陽(yáng),等.大壩安全監(jiān)控系統(tǒng)的多維數(shù)據(jù)模型設(shè)計(jì)[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(25):231-234.

    [5] 張育智.基于神經(jīng)網(wǎng)絡(luò)與數(shù)據(jù)融合的結(jié)構(gòu)損傷識(shí)別理論研究[D].成都:西南交通大學(xué),2007.

    [6] 張洪濤.基于神經(jīng)網(wǎng)絡(luò)和濾波理論的信息融合算法研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2007.

    [7] 葛 紅,田聯(lián)房.信息融合技術(shù)在模式識(shí)別中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究,2009,26(1):19-24.

    猜你喜歡
    多源性態(tài)服役
    ETC拓展應(yīng)用場(chǎng)景下的多源異構(gòu)交易系統(tǒng)
    帶有阻尼項(xiàng)的Boussinesq方程解的大時(shí)間性態(tài)
    淺議初等函數(shù)的性態(tài)
    帶inflow邊界條件的Landau方程解的性態(tài)研究
    基于GNSS硬件在環(huán)的多源融合定位高逼真仿真方法
    材料服役行為研究:助力國(guó)家名片——材料服役行為分論壇側(cè)記
    一類共位群內(nèi)捕食模型的復(fù)雜動(dòng)力學(xué)性態(tài)
    一種利用點(diǎn)特征和互信息的多源遙感影像配準(zhǔn)方法
    遙感信息(2015年3期)2015-12-13 07:26:54
    2015年中考熱身單項(xiàng)選擇填空精練100題
    空間位置信息的多源POI數(shù)據(jù)融合
    乡宁县| 阳曲县| 鄂托克前旗| 海宁市| 泰顺县| 七台河市| 泽库县| 黄平县| 九寨沟县| 方正县| 旺苍县| 大城县| 韶山市| 社旗县| 海丰县| 南雄市| 梅州市| 临颍县| 津市市| 婺源县| 佛山市| 武夷山市| 南澳县| 衡水市| 新邵县| 金溪县| 德阳市| 吴忠市| 巨鹿县| 右玉县| 武强县| 漳浦县| 哈尔滨市| 铜山县| 郯城县| 台中县| 合作市| 剑阁县| 梁河县| 云梦县| 乌什县|