趙二峰 黃 浩

（1.河海大學(xué)水文水資源與水利工程科學(xué)國家重點實驗室，南京 210098；2.河海大學(xué)水資源高效利用與工程安全國家工程研究中心，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)評價需各級領(lǐng)導(dǎo)親臨現(xiàn)場，通過組織專家小組對大壩及壩基服役性態(tài)多源監(jiān)測和檢測信息進(jìn)行綜合分析，從而進(jìn)行決策.但是，對于高壩大庫，施工、設(shè)計、地勘等資料、各類巡查信息、檢測信息和監(jiān)測信息等很多，導(dǎo)致信息處理分析的工作量很大，往往需要較長時間完成，以致不能及時發(fā)現(xiàn)隱患.另外，混凝土壩在設(shè)計、施工和運行過程中，積累了大量的專家知識和實踐經(jīng)驗，需要及時科學(xué)地總結(jié)管理這些知識，避免由于專家老齡化而導(dǎo)致這些知識的消失［1］.鑒于此，本文展開混凝土壩長效服役性態(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、知識獲取、知識表示和因果機(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)的混凝土壩長效服役性態(tài)的多源信息融合推理分析體系，設(shè)計多源信息融合推理的知識庫和推理算法，充分利用施工、設(shè)計、地勘等資料、各類巡查信息、檢測信息、監(jiān)測信息、模型監(jiān)控信息和專家經(jīng)驗信息等，從而提高混凝土壩長效服役性態(tài)安全評價的可靠性和準(zhǔn)確性.

1 混凝土壩長效服役性態(tài)多源信息融合推理體系的特性分析

在構(gòu)建混凝土壩長效服役性態(tài)的多源信息融合推理體系時，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)計算、檢測信息評測等，但必須將這些方法統(tǒng)一起來，才能做到對多源信息融合處理過程的有效控制.另外，來自各類監(jiān)測和檢測儀器及巡查信息具有隨時間不斷變化的特點，推理體系須具有一定的更新機(jī)制，并在各類信息變化時，主動去識別、理解異常信息.黑板結(jié)構(gòu)通過不同知識表達(dá)方法、推理框架和控制機(jī)制的組合來實現(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)度大量相互獨立的知識源，而且通過不斷加入新的知識，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、知識源和控制運算機(jī)構(gòu)組成.

圖1 黑板框架結(jié)構(gòu)

1）黑板是用來存儲施工、設(shè)計、地勘等資料、監(jiān)測數(shù)據(jù)、檢測信息和各類處理方法的動態(tài)數(shù)據(jù)庫，整個黑板分成若干個信息層，每一層用于描述混凝土壩滲漏、裂縫等問題的某一類信息.

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

3）控制運算由監(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，通過選擇最合適的知識源進(jìn)行推理，推理結(jié)果同時用于修改黑板狀態(tài)，以便下一步循環(huán)推理.

與此同時，混凝土壩長效服役性態(tài)的多源信息融合推理分析需要綜合運用多學(xué)科知識，所以在黑板框架結(jié)構(gòu)中，每個專家可根據(jù)其領(lǐng)域身份提供結(jié)構(gòu)、滲流等問題的分析方法，并利用黑板交流其經(jīng)驗以解決問題.在此框架下，各個功能模塊通過協(xié)調(diào)工作可實現(xiàn)最佳的多源信息融合效果.因此，鑒于混凝土壩長效服役性態(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，多源信息庫用于存儲多源檢測和監(jiān)測信息等及信息融合結(jié)果；知識庫用于存儲領(lǐng)域?qū)＜抑R，并存儲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)混凝土壩長效服役性態(tài)的多源信息融合推理的特點，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)行大壩長效服役性態(tài)的綜合評價.

圖2 多源信息融合推理分析結(jié)構(gòu)

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

2.1 知識庫

1）知識的表示

混凝土壩長效服役性態(tài)綜合評價結(jié)構(gòu)如圖3所示，知識庫存放工程等級評判準(zhǔn)則、設(shè)計標(biāo)準(zhǔn)評判準(zhǔn)則、原型工作性態(tài)評判準(zhǔn)則、施工質(zhì)量評判準(zhǔn)則、運行評判準(zhǔn)則和庫區(qū)滑坡評判準(zhǔn)則等；推理機(jī)指借助圖2中的因果推理分析等對結(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)原理的知識表示方法，通過模式識別、模糊識別、推理求解等［7］實現(xiàn)，具體包括元事實表（ID－MATA）、事實表（ID－FACT）、規(guī)則表（IDRULE）、方法表（ID－METHOD）、事實索引表（IDMATA）、規(guī)則索引表（ID－MATA）和方法索引表（ID－MATA）.

圖3 混凝土壩長效服役性態(tài)綜合評價結(jié)構(gòu)

2）知識的獲取

混凝土壩長效服役性態(tài)的多源信息融合推理知識的獲取可將得到的專家知識直接輸入知識庫，也可利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來獲取，后者既具有更高的時間效率，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)算法的知識獲取，知識的獲取過程如圖4所示.

圖4 BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)知識自動獲取過程

3）知識的管理

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

2.2 推理過程

混凝土壩長效服役性態(tài)實時推理分析流程如圖5所示，當(dāng)知識庫識別為異常測值時，通過推理過程進(jìn)行異常測值的成因分析，對結(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 混凝土壩長效服役性態(tài)實時推理分析流程

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

圖6 分級漸進(jìn)推理機(jī)制

1）推理機(jī)主要數(shù)據(jù)結(jié)構(gòu)

CURRENT－FACT 存儲當(dāng)前的巡查信息；

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

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

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

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

2）推理機(jī)與知識庫的主要接口

①SEARCH（OBJECT，CURRENT－FACTS－SET）

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

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（案例）”，則進(jìn)行中間事實（案例）判斷，并將判斷后的中間事實（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；若含有中間事實產(chǎn)生，則進(jìn)行相應(yīng)的判斷，并將判斷后的中間事實返回.

⑥EXECUTE（bpa）根據(jù)數(shù)據(jù)庫或人工確定的基本概率指派函數(shù)（bpa），運用D－S證據(jù)理論對規(guī)則推理結(jié)果進(jìn)行驗證.若有中間事實產(chǎn)生，則進(jìn)行相應(yīng)的判斷，并將判斷后的中間事實返回.

3 混凝土壩長效服役性態(tài)的多源信息融合推理分析模型

3.1 數(shù)據(jù)級的模糊貼近度融合模型

因此，在得到監(jiān)測點與估計值貼近度的基礎(chǔ)上，即可計算出各測點的相對權(quán)重，進(jìn)而最終得到多測點監(jiān)測信息融合結(jié)果為

3.2 特征級的GA－BP網(wǎng)絡(luò)融合模型

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

式中，okj為第k 個學(xué)習(xí)樣本第j 個輸出節(jié)點的實際輸出，tkj為第k 個學(xué)習(xí)樣本第j 個輸出節(jié)點的期望輸出.

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程是找到一個較優(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 最小的過程.因此，定義評價神經(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程

3.3 決策信息的D－S融合模型

1）單測點多測量屬性融合模型

設(shè)單測點n個監(jiān)測周期中通過對效應(yīng)量的監(jiān)測獲得對k 個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個周期中對命題Ai的可信度分配，則該測點依據(jù)n 個監(jiān)測周期的累積測量對k 個命題的融合后驗可信度分配為

特別地，“未知”命題（不同于中性命題）的融合后驗可信度分配為

式中，ui表示第i 個周期“未知”命題的可信度分配值.

對于除了“未知”命題以外，各周期間不同命題都相互獨立的情形

2）多測點多測量屬性融合模型

設(shè)有m 個測點，每個測點在辨識框架Θ 的冪集2θ中有意義的命題為k 個.各測點在各測量周期上獲得的后驗可信度分配為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個測點在第j 個監(jiān)測周期上對命題Ai的后驗可信度分配；usj表示對“未知”命題的可信度分配.融合思路如下：首先對于單個測點，基于n 個監(jiān)測周期的累積測量計算出每一個命題的融合后驗可信度分配，然后基于這些融合可信度分配，再將m 個測點視為一個監(jiān)測系統(tǒng)，進(jìn)一步計算出總的融合后驗可信度分配.

①計算單測點依據(jù)各自n 個監(jiān)測周期的累積量測所獲得的k 個命題的融合后驗可信度分配

②將m 個測點視為一個監(jiān)測系統(tǒng)，計算總的融合后驗可信度分配

特別地，“未知”命題的融合后驗可信度分配為

4 混凝土壩長效服役性態(tài)的多源信息融合推理實現(xiàn)

下面以面向?qū)ο筌浖O(shè)計開發(fā)方法為基本原則，利用Delphi 2007實現(xiàn)混凝土壩長效服役性態(tài)多源信息融合推理的功能.混凝土壩長效服役性態(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，通過對環(huán)境信息源狀態(tài)的獲取以及混凝土壩運行監(jiān)測和檢測數(shù)據(jù)等的標(biāo)準(zhǔn)化處理，完成對混凝土壩長效服役多源信息的預(yù)處理；在學(xué)習(xí)層上，通過BP 網(wǎng)絡(luò)學(xué)習(xí)算法對證據(jù)合成規(guī)則中的權(quán)值進(jìn)行離線學(xué)習(xí)，并對學(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)中對標(biāo)準(zhǔn)化處理后的各類數(shù)據(jù)進(jìn)行合成，實現(xiàn)對多源信息的融合；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，從而實現(xiàn)對信息融合決策的應(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)測數(shù)據(jù)獲取與標(biāo)準(zhǔn)化子模塊，通過獲取待融合的各類監(jiān)測和檢測數(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現(xiàn)對樣本數(shù)據(jù)的存儲、修改等，學(xué)習(xí)算法模塊利用BP神經(jīng)網(wǎng)絡(luò)對權(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 混凝土壩長效服役性態(tài)的多源信息融合推理功能模塊

5 結(jié) 語

本文研究了混凝土壩長效服役性態(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)庫進(jìn)行混凝土壩長效服役性態(tài)的多源信息的知識表示方法，利用BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來獲取知識，以及采用結(jié)構(gòu)化查詢語言SQL與知識庫進(jìn)行交互的知識管理模式，并采用分級漸進(jìn)推理機(jī)制進(jìn)行混凝土壩長效服役性態(tài)的多源信息融合推理.在此基礎(chǔ)上，利用Delphi 2007實現(xiàn)混凝土壩長效服役性態(tài)多源信息融合推理的功能，為提高混凝土壩長效服役性態(tài)安全評價的可靠性和準(zhǔn)確性提供了技術(shù)支持.

［1］ 顧沖時，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，2000，33（3）：298－301.

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

［4］ 趙二峰，金 怡，楊 陽，等.大壩安全監(jiān)控系統(tǒng)的多維數(shù)據(jù)模型設(shè)計［J］.計算機(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)在模式識別中的應(yīng)用［J］.計算機(jī)應(yīng)用研究，2009，26（1）：19－24.