基于混合推理的煤礦電網(wǎng)線路故障預(yù)警研究

□張佰尚 李向陽(yáng) 李 軍

[哈爾濱工業(yè)大學(xué) 哈爾濱 150001]

引言

在我國(guó)的能源結(jié)構(gòu)中，煤炭占據(jù)著十分重要的地位。近年來(lái)，煤礦的電力供應(yīng)不足及斷電事故發(fā)生較為頻繁，嚴(yán)重地影響了煤炭的正常供應(yīng)及礦工的生命安全。如何對(duì)煤礦電網(wǎng)線路異常狀況進(jìn)行預(yù)警，并及時(shí)排除安全隱患已經(jīng)成為煤礦生產(chǎn)安全亟需解決的問(wèn)題。

目前，國(guó)內(nèi)外研究人員對(duì)電網(wǎng)預(yù)警研究做了相關(guān)研究，并取得了一定的成果。Li Ji、Wang Lifang和Yan Li[1]使用基于面向服務(wù)框架的先進(jìn)云服務(wù)解決方法來(lái)建立可行的、高效的、符合需求的智能電網(wǎng)檢測(cè)和預(yù)警系統(tǒng)。該系統(tǒng)具有可重用性、需求可變動(dòng)性，并具備商業(yè)處理能力。Tieying Zhao和Na Wang[2]使用模糊綜合評(píng)價(jià)對(duì)電網(wǎng)低電壓狀態(tài)進(jìn)行預(yù)警，這提高了預(yù)警系統(tǒng)的準(zhǔn)確性和可靠性，但是其需要大量數(shù)據(jù)進(jìn)行計(jì)算。Hui Ren[3]等從復(fù)雜系統(tǒng)的觀點(diǎn)出發(fā)，通過(guò)使用快速計(jì)算技術(shù)和系統(tǒng)參數(shù)來(lái)識(shí)別系統(tǒng)與預(yù)警狀態(tài)的距離進(jìn)行預(yù)警，可以較好進(jìn)行預(yù)警，但是該系統(tǒng)無(wú)法處理非線性問(wèn)題。Shuqing Zhang、Xiaorong Xie和Jingtao Wu[4]在進(jìn)行震蕩分析的Prony算法的基礎(chǔ)上提出了低頻率震蕩的檢測(cè)預(yù)警框架，使用了包括預(yù)過(guò)濾器設(shè)計(jì)和Prony分析結(jié)果關(guān)聯(lián)在內(nèi)的信號(hào)處理技術(shù)，使系統(tǒng)更加準(zhǔn)確。然而，有關(guān)煤礦電網(wǎng)預(yù)警的研究并不多。孫學(xué)軍[5]使用多主機(jī)分層、分布式結(jié)構(gòu)配置的形式設(shè)計(jì)了開(kāi)放式結(jié)構(gòu)的煤礦電網(wǎng)檢測(cè)預(yù)警系統(tǒng)。該系統(tǒng)的最大特點(diǎn)是高可靠、智能化和層次化。牛鑫[6]使用模糊綜合評(píng)判方法進(jìn)行煤礦電網(wǎng)預(yù)警，提高了系統(tǒng)的準(zhǔn)確性，但是電壓影響指標(biāo)的選取可能會(huì)對(duì)結(jié)果造成一定的影響。喬淑云、李德臣和邵曉根[7]運(yùn)用自動(dòng)控制理論和生物神經(jīng)網(wǎng)絡(luò)原理設(shè)計(jì)了煤礦電網(wǎng)災(zāi)害預(yù)警系統(tǒng)，實(shí)現(xiàn)了電網(wǎng)預(yù)警的數(shù)字化和智能化。同時(shí)，喬淑云等[8]還設(shè)計(jì)了包含信息層、控制層和設(shè)備層的煤礦電網(wǎng)監(jiān)控預(yù)警系統(tǒng)，從而實(shí)現(xiàn)煤礦電網(wǎng)參數(shù)信息測(cè)控并進(jìn)行科學(xué)預(yù)警。通過(guò)研究可以發(fā)現(xiàn)，煤礦電網(wǎng)預(yù)警研究多關(guān)注通過(guò)對(duì)供電設(shè)備的檢測(cè)，使用云服務(wù)、震蕩分析等先進(jìn)技術(shù)實(shí)現(xiàn)對(duì)煤礦電網(wǎng)的自動(dòng)化、數(shù)字化預(yù)警。但是，目前研究中還存在一些問(wèn)題，比較明顯的是現(xiàn)有的預(yù)警系統(tǒng)主要以硬件為主，關(guān)注系統(tǒng)的結(jié)構(gòu)建設(shè)及系統(tǒng)間信息傳輸方式，而在預(yù)警系統(tǒng)的軟件及分析決策方面還存在著很大不足。

本文主要采用規(guī)則推理和案例推理這樣的人工智能的方法實(shí)現(xiàn)煤礦電網(wǎng)線路故障的預(yù)警決策分析，從而增強(qiáng)煤礦電網(wǎng)的智能分析功能。規(guī)則推理（Rule-Вased Reasoning,RВR）適于表示和推理邏輯性知識(shí)[9]，能夠提供領(lǐng)域性知識(shí)（例如適合進(jìn)行分類[10]），具有很強(qiáng)的解釋能力[11]；案例推理（Case-Вased Reasoning,CВR）適于表示和推理隱式的經(jīng)驗(yàn)性知識(shí)，實(shí)現(xiàn)非固定模型化決策[12]，具備很強(qiáng)的學(xué)習(xí)能力[13]，將二者按照松散耦合序列模型[14]進(jìn)行集成形成電網(wǎng)預(yù)警Agent，可以取得優(yōu)勢(shì)互補(bǔ)。

一、煤礦電網(wǎng)故障預(yù)警Agent的體系結(jié)構(gòu)

本文將RВR和CВR集成形成了煤礦電網(wǎng)線路預(yù)警Agent，其內(nèi)部結(jié)構(gòu)如圖1。

圖1 煤礦電網(wǎng)線路故障預(yù)警Agent內(nèi)部結(jié)構(gòu)圖

該Agent由四個(gè)模塊組成：RВR、CВR、知識(shí)庫(kù)和案例庫(kù)。供電設(shè)備實(shí)時(shí)監(jiān)測(cè)設(shè)備僅僅傳輸供電設(shè)備溫度、電阻值等實(shí)時(shí)數(shù)據(jù)，并無(wú)電網(wǎng)預(yù)警功能。該Agent可以通過(guò)實(shí)時(shí)數(shù)據(jù)在事故發(fā)生前發(fā)出預(yù)警。其中RВR負(fù)責(zé)對(duì)傳輸?shù)紸gent的供電設(shè)備監(jiān)測(cè)數(shù)據(jù)進(jìn)行判別分析并做出預(yù)警。如果數(shù)據(jù)沒(méi)有異常，RВR將判別結(jié)果輸出并顯示“正常狀態(tài)”；如果數(shù)據(jù)出現(xiàn)異常，RВR將根據(jù)異常狀況發(fā)出分級(jí)警報(bào)并激活CВR。CВR模塊負(fù)責(zé)對(duì)RВR模塊提出的異常數(shù)據(jù)進(jìn)行預(yù)警事件匹配，并提出煤礦電網(wǎng)線路異常的原因，最后將隱患排除措施顯示給用戶。知識(shí)庫(kù)儲(chǔ)存RВR進(jìn)行煤礦電網(wǎng)數(shù)據(jù)判別所需要的規(guī)則以及激活CВR所需的規(guī)則，其與RВR為單向數(shù)據(jù)交換。案例庫(kù)儲(chǔ)存煤礦電網(wǎng)預(yù)警案例，供CВR進(jìn)行決策分析，其與CВR為雙向數(shù)據(jù)交換，即當(dāng)CВR被激活時(shí)，CВR向案例庫(kù)進(jìn)行案例查詢；當(dāng)完成電網(wǎng)線路故障預(yù)警信息分析后，CВR將數(shù)據(jù)存入案例庫(kù)。數(shù)據(jù)在這四個(gè)模塊的流動(dòng)和交互形成了煤礦電網(wǎng)預(yù)警Agent。

二、基于RВR的煤礦電網(wǎng)線路檢測(cè)數(shù)據(jù)判別

（一）煤礦電網(wǎng)線路故障預(yù)警指標(biāo)選取

煤礦電網(wǎng)線路由電纜、接頭、斷路器組成，這些元件的工作狀態(tài)影響整條線路的工作狀態(tài)。因此，本文選取整條線路的元件作為評(píng)估指標(biāo)，同時(shí)為了便于分析并使用二進(jìn)制方式對(duì)不同狀態(tài)進(jìn)行編碼，見(jiàn)表1。

表1 煤礦電網(wǎng)線路故障預(yù)警指標(biāo)

（二）基于AHP和證據(jù)理論的煤礦電網(wǎng)線路故障預(yù)警評(píng)判方法

按照線路負(fù)荷級(jí)別信息、電纜狀態(tài)監(jiān)測(cè)指標(biāo)、斷路器本體狀態(tài)監(jiān)測(cè)指標(biāo)對(duì)煤礦電網(wǎng)線路故障預(yù)警的影響程度大小使用AHP方法建立一級(jí)指標(biāo)的比較矩陣，并根據(jù)該矩陣計(jì)算一級(jí)指標(biāo)權(quán)重，如表2所示。

表2 煤礦電網(wǎng)線路故障預(yù)警一級(jí)指標(biāo)權(quán)重

為了判斷該矩陣的可信性，本文對(duì)該矩陣結(jié)果進(jìn)行一致性檢驗(yàn)，檢驗(yàn)結(jié)果為：λ max=3.084，C.I.=0.042，C.R.=0.072，符合一致性檢驗(yàn)要求。

二級(jí)指標(biāo)權(quán)重的確定方法與一級(jí)指標(biāo)相同，具體值如表3所示。

表3 煤礦電網(wǎng)線路故障預(yù)警二級(jí)指標(biāo)權(quán)重

部分煤礦電網(wǎng)線路故障預(yù)警的二級(jí)指標(biāo)參數(shù)的獲取需要使用相關(guān)的測(cè)量方法，如使用小波奇異值分析法、低頻疊加法等方法獲取電纜絕緣狀態(tài)參數(shù)，使用動(dòng)態(tài)時(shí)間規(guī)整法等方法獲取斷路器本體監(jiān)測(cè)狀態(tài)。雖然這些方法具備一定的準(zhǔn)確性，但是仍然存在著一些誤差。為了消除測(cè)量誤差的影響，本文將D/S證據(jù)理論中的信任函數(shù)加入預(yù)警指標(biāo)來(lái)提高預(yù)警的準(zhǔn)確性，同時(shí)將不同測(cè)量方法的準(zhǔn)確率作為二級(jí)指標(biāo)的信任函數(shù)，具體見(jiàn)表4。

表4 煤礦電網(wǎng)線路故障預(yù)警二級(jí)指標(biāo)信任函數(shù)

由此，我們可以對(duì)煤礦電網(wǎng)線路故障預(yù)警的評(píng)判方法，如式1。

（三）基于RВR的煤礦電網(wǎng)線路故障評(píng)判結(jié)果生成

規(guī)則集是RВR生成評(píng)判結(jié)果和進(jìn)行推理的基礎(chǔ)，本文使用產(chǎn)生式規(guī)則建立規(guī)則集。每條規(guī)則語(yǔ)句由IF-THEN構(gòu)成，表達(dá)形式為

IF Xi1is wi1and Xi2is wi2and …Xinis winTHEN CLASS is Ci

煤礦電網(wǎng)中某一元件的損壞即會(huì)造成電網(wǎng)事故，所以電網(wǎng)預(yù)警首先需要對(duì)單一元件進(jìn)行預(yù)警；同時(shí)，不同的線路承擔(dān)不同的輸電任務(wù)，連接不同的機(jī)器設(shè)備，單一元件的狀態(tài)并不能代表某一線路的工作狀況，所以電網(wǎng)預(yù)警還需要對(duì)電網(wǎng)線路進(jìn)行預(yù)警，并提示工作人員格外關(guān)注預(yù)警線路并排除隱患。所以，本文針對(duì)煤礦電網(wǎng)的這一特點(diǎn)進(jìn)行兩種預(yù)警：煤礦電網(wǎng)整體預(yù)警和基于單一元件的預(yù)警。

1．煤礦電網(wǎng)線路故障單一元件預(yù)警

單一元件預(yù)警包括電纜電阻值預(yù)警、電纜接頭溫度變化預(yù)警和斷路器本體預(yù)警，其預(yù)警結(jié)果分別為X2、X3、X4。同樣，取單一元件預(yù)警的權(quán)重適中者為最小閾值，則X2、X3、X4的預(yù)警閾值分別為0.1、0.12、0.18。如果單一元件的測(cè)量結(jié)果高于閾值，則預(yù)警結(jié)果為1，否則為0。

由此，本文得出電纜電阻值預(yù)警產(chǎn)生式規(guī)則為：

IF X21or X22or X23≧0.1

THEN CLASS is X2=1；

IF X21or X22or X23﹤0.1

THEN CLASS is X2=0.

電纜接頭溫度變化預(yù)警產(chǎn)生式規(guī)則為：

IF X24or X25or X26or X27or X28or X29≧0.12

THEN CLASS is X3=1；

IF X24or X25or X26or X27or X28or X29﹤0.12

THEN CLASS is X3=0.

斷路器本體預(yù)警產(chǎn)生式規(guī)則為：

IF X31or X32or X33or X34or X35or X36≧0.18

THEN CLASS is X4=1；

IF X31or X32or X33or X34or X35or X36﹤0.18

THEN CLASS is X4=0.

2．煤礦電網(wǎng)線路故障整體預(yù)警

對(duì)于煤礦電網(wǎng)線路故障整體預(yù)警，本文使用最小閾值V來(lái)偵測(cè)電網(wǎng)線路故障。其中，二級(jí)指標(biāo)參數(shù)選取權(quán)重適中者為閾值指標(biāo)。因此，本文得出煤礦電網(wǎng)線路故障預(yù)警閾值

將煤礦電網(wǎng)線路故障整體預(yù)警結(jié)果表示為X1，如果線路故障測(cè)量結(jié)果超出閾值，那么X1=1，否則X1=0。由此本文得出煤礦電網(wǎng)線路故障整體預(yù)警產(chǎn)生式規(guī)則：

IF Xi1is wi1and Xi2is wi2and …Xin≧0.145

THEN CLASS is X1=1；

IF Xi1is wi1and Xi2is wi2and …Xin﹤0.145

THEN CLASS is X1=0.

三、基于CВR煤礦電網(wǎng)線路故障應(yīng)急分析

（一）基于框架表示法的煤礦電網(wǎng)線路故障案例表示及相似度計(jì)算

目前，案例表示常用的方法有本體表示法、面向?qū)ο蟊硎痉?、XML表示法和框架表示法。其中，框架表示法具有結(jié)構(gòu)性和層次性，特別適合表示結(jié)構(gòu)性強(qiáng)的靜態(tài)知識(shí)[15]。煤礦電網(wǎng)線路故障隱患排除具有較強(qiáng)的結(jié)構(gòu)性，所以本文使用框架表示法表示案例，通過(guò)將框架嵌套形成煤礦電網(wǎng)線路故障案例框架。

表5 煤礦電網(wǎng)線路故障案例頂層框架

表6 煤礦電網(wǎng)線路故障預(yù)警特征

表7 煤礦電網(wǎng)線路故障隱患排除

由于該案例的主要屬性為確定數(shù)屬性，而海明距離可以將確定數(shù)屬性距離測(cè)量標(biāo)準(zhǔn)化[16]，所以本文使用海明距離來(lái)計(jì)算源案例與歷史案例的局部相似性，其計(jì)算公式如式（3）。

其中，sima為源案例與目標(biāo)案例的局部相似性，ti為源案例，ci為歷史案例，Amaxi為屬性i中的最大值，Amini為屬性i中的最小值。

在計(jì)算源案例與歷史案例的全局相似性時(shí)，需要使用屬性權(quán)重。由于煤礦電網(wǎng)線路故障屬于短板問(wèn)題，一個(gè)元件的破壞就可能對(duì)整個(gè)電網(wǎng)產(chǎn)生重大影響，所以每個(gè)檢索屬性權(quán)重均為25%，由此可以得出全局相似性計(jì)算公式（4）。

（二）基于組合相似算法和RВR的煤礦電網(wǎng)線路故障案例適配

由于煤礦電網(wǎng)線路故障案例的特征集和隱患排除方式集之間具有一一對(duì)應(yīng)的關(guān)系，所以本文可以通過(guò)對(duì)目標(biāo)案例和源案例屬性集的比較發(fā)現(xiàn)相同的屬性集，使用源案例屬性集的隱患排除方式來(lái)指導(dǎo)目標(biāo)案例隱患排除。當(dāng)所檢索到的相似案例中沒(méi)有與目標(biāo)案例屬性相同的案例時(shí)，本文使用RВR來(lái)完成案例適配。該案例適配方法的流程如圖2。

1.組合相似算法的原理及算法實(shí)現(xiàn)

組合相似算法的原理來(lái)源于知識(shí)論，在知識(shí)論中有嚴(yán)格的定義和定理。

定義[17]一個(gè)知識(shí)系統(tǒng)可以用一個(gè)四元組來(lái)表示：S=(U,A,V,f)。其中，U為論域，為非空有限對(duì)象的集合；A=C∪D，C∩D=Φ，其中，C為條件屬性集，D為決策屬性集；V=∪Va，其中，Va是屬性a的值域；f是U×A→V的函數(shù)。

圖2 基于組合算法和RВR的煤礦電網(wǎng)線路故障案例適配流程圖

在該定義中，條件屬性和決策屬性具備一一對(duì)應(yīng)的關(guān)系，即當(dāng)兩個(gè)案例的條件屬性相同時(shí)，其決策屬性也相同。那么，我們可以通過(guò)相似屬性的組合得出決策屬性的組合。本文根據(jù)該原理提出了組合相似算法：

Step1：根據(jù)解元素參數(shù)對(duì)照表，確定影響目標(biāo)案例決策屬性集的條件屬性集。

Step2：比較最相似案例與目標(biāo)案例的條件屬性集，并找出這些條件屬性集所對(duì)應(yīng)的決策屬性集。

Step3：根據(jù)所找出的決策屬性集生成目標(biāo)案例的決策屬性集。

Step4：查看目標(biāo)案例的決策屬性集生成是否完整，若決策屬性集生成完整則停止，否則對(duì)此相似案例重復(fù)Step2和Step3。

2.RВR適配規(guī)則的生成

如果對(duì)所有相似案例的相同條件屬性所對(duì)應(yīng)的決策屬性組合之后，目標(biāo)案例的決策屬性集還不完整，那么RВR適配模塊將被激活，用來(lái)生成不完全的決策屬性集。根據(jù)煤礦電網(wǎng)元件故障處理措施，本文得出RВR適配規(guī)則：

IF X22=1 THEN“對(duì)電纜進(jìn)行維護(hù)”；

IF X23=1 THEN“更換電纜”；

IF X25or X26or X27or X28=1 THEN “檢查修復(fù)接頭”；

IF X29=1 THEN“更換接頭”；

IF X32or X33or X34or X35=1 THEN “對(duì)斷路器本體進(jìn)行修復(fù)”；

IF X36=1 THEN“更換斷路器本體”

RВR適配規(guī)則的生成可以完成對(duì)組合相似算法未能適配的決策屬性集完成適配。

四、算例

本文選取潞安集團(tuán)王莊煤礦電網(wǎng)一條出線Ⅲ類負(fù)荷回路對(duì)該Agent的預(yù)警過(guò)程進(jìn)行實(shí)例驗(yàn)證。

電網(wǎng)在線監(jiān)測(cè)到斷路器本體的操作電壓過(guò)低、電纜電阻值為39、電纜接頭溫度變化為6℃。

根據(jù)檢測(cè)數(shù)據(jù)所在的區(qū)間，Agent可以得出這三種檢測(cè)數(shù)據(jù)的權(quán)重分別為0.15、0.1和0.22?？紤]到所得數(shù)據(jù)的置信度，根據(jù)式（1）Agent計(jì)算出以上指標(biāo)的權(quán)重分別為0.143、0.09和0.198。通過(guò)和閾值進(jìn)行比較，Agent對(duì)電纜電阻值和斷路器本體發(fā)出預(yù)警。同時(shí)，根據(jù)式（1）Agent可以判別該條線路的狀態(tài)，計(jì)算結(jié)果為0.204，遠(yuǎn)遠(yuǎn)高于閾值。Agent對(duì)整體線路進(jìn)行預(yù)警。

RВR模塊發(fā)出預(yù)警的同時(shí)激活CВR模塊進(jìn)行隱患排除分析。Agent根據(jù)式（3）檢索到一些相似的案例，并發(fā)現(xiàn)最為相似的案例1的整體預(yù)警值、電纜電阻預(yù)警值、電纜接頭溫度變化預(yù)警值和原案例相似。因此，Agent使用案例1電纜電阻預(yù)警值的隱患排除方式，即在“礦井輸電線路3”“更換電纜”。但是，案例1中的斷路器本體預(yù)警值并不和原案例相似。Agent查找與斷路器本體預(yù)警值相似的案例得到案例2，并使用案例2的隱患排除方式，即對(duì)“礦井輸電線路3井上斷路器本體”“維修”。從而，Agent完成了煤礦電網(wǎng)預(yù)警和分析決策任務(wù)。

五、結(jié)論

煤礦電網(wǎng)線路故障診斷對(duì)于煤炭生產(chǎn)和煤炭供應(yīng)具有重要意義。目前的煤礦電網(wǎng)線路故障預(yù)警研究多數(shù)側(cè)重于在線測(cè)量和硬件設(shè)計(jì)。本文使用RВR和CВR混合推理的智能技術(shù)實(shí)現(xiàn)對(duì)煤礦電網(wǎng)線路故障預(yù)警，其中RВR模塊使用AHP和證據(jù)理論完成故障線路預(yù)警；CВR模塊使用組合相似算法和RВR產(chǎn)生規(guī)則相結(jié)合的方法實(shí)現(xiàn)對(duì)預(yù)警案例的適配。該方法對(duì)煤礦電網(wǎng)故障線路預(yù)警和分析具有一定的實(shí)踐意義。

[1]LI Ji,WANG Lifang,YAN Li.Cloud Service based intelligent power monitoring and early-warning system [A]//Jianzhong Wu .2012 IEEE Innovative Smart Grid Technologies-Asia(ISGT Asia) [C].Washington,DC,USA:IEEE Computer Society,2012:1-4.

[2]IREQ A I,MATH P S.Hydro-Quebec Robust detection and analysis of power system oscillations using the Teager-Kaiser energy operator[J].IEEE Transactions on Power Systems,2011,26(1):323-333.

[3]REN H,FAN Xiaozhou,WATTS D,et al.Early warning mechanism for power systemlarge cascading failures[A]//Nirmal Nair.2012 IEEE International Conference on Power System Technology[C].Washington,DC,USA:IEEE Computer Society,2012:1-6.

[4]ZHANG Shuqing,XIE Xiaorong,WU Jingtao.WAMS-based detection and early-warning of low-frequency oscillations in large-scale power systems [J].Electric Power Systems Research,2008,78(5):897-906.

[5]孫學(xué)軍.基于開(kāi)放式結(jié)構(gòu)的煤礦電網(wǎng)實(shí)時(shí)預(yù)警系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].中國(guó)煤炭,2011,37(8):68-71.

[6]牛鑫,劉艷昌,邱紅軍.煤礦電網(wǎng)低電壓預(yù)警系統(tǒng)研究[J].河南科技學(xué)院學(xué)報(bào),2012,41(3):87-90.

[7]喬淑云,李德臣,邵曉根.煤礦電網(wǎng)災(zāi)害監(jiān)控預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].工礦自動(dòng)化,2009,32(1):51-58.

[8]喬淑云,李德臣.監(jiān)控預(yù)警系統(tǒng)在煤礦電網(wǎng)中的應(yīng)用研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2008,29(23):6161-6163.

[9]XIONG Ning.Fuzzy rule-based similarity model enables learning from small case bases [J].Applied Soft Computing,2013,13(4):2057-2064.

[10]LAO S I,CHOY K L,HO G T S,et al.Achieving quality assurance functionality in the food industry using a hybrid case-based reasoning and fuzzy logic approach[J].Expert Systems with Applications,2012,39(5):5251-5261.

[11]XIONG Ning.Learning fuzzy rules for similarity assessment in case-based reasoning[J].Expert Systems with Applications,2011,38(9):10780-10786.

[12]KUO J Y,HUANG Fu-Chu,MA Shang-Pin,et al.Applying hybrid learning approach to RoboCup's strategy[J].Journal of Systems and Software,2013,86(7):1933-1944.

[13]LEELAND A M.Case-based reasoning:processes,suitability and applications [M].New York:Nova Science Publishers,2011.

[14]PRENTZAS J,HATZILYGEROUDIS I.Categorizing Approaches Combining Rule-Вased and Case-Вased Reasoning[J].Expert Systems,2007,24(2):97-122.

[15]LIAO Zhenliang,MAO Xuewei,HANNAM P M,et al.Adaptation methodology of CВR for environmental emergency preparedness system based on an Improved Genetic Algorithm[J].Expert Systems with Applications,2012,39(8):7029-7040.

[16]XIE Xiaolong,LIN Lin,ZHONG Shisheng.Handling missing values and unmatched features in a CВR system for hydro-generator design[J].Computer-Aided Design,2013,45(6):963-976.

[17]武民民,宋良圖,黃偉,等.基于替代算法的案例推理災(zāi)害救助系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用,2009,18(4):11-13.