Представление знаний в системе комплексной поддержки управления в чрезвычайных ситуациях "ЭСПЛА-Про"

Исследование метода представления знаний в системе "ЭСПЛА-Про". Описание сценариев, позволяющих сократить время получения необходимой информации (карт, оценок масштабов событий, рекомендаций по действиям) в экстренной ситуации до нескольких минут.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 19.01.2018
Размер файла 243,4 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В СИСТЕМЕ КОМПЛЕКСНОЙ ПОДДЕРЖКИ УПРАВЛЕНИЯ В ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЯХ "ЭСПЛА-ПРО"

Р.В. Морозов (frozzen@krasn.ru)

В.В. Ничепорчук (valera@krasn.ru)

Институт вычислительного

моделирования СО РАН, Красноярск

В работе описан метод представления знаний в системе «ЭСПЛА-ПРО», а также процесс экспертного моделирования ситуаций: на основе нормативной документации и опыта экспертов разрабатываются описания различных сценариев ЧС, позволяющие сократить время получения необходимой информации (карт, оценок масштабов событий, рекомендаций по действиям в ЧС) в экстренной ситуации до нескольких минут.

сценарий информация экстренный ситуация

ВВЕДЕНИЕ

Поддержка принятия решений в чрезвычайных ситуациях (ЧС) требует учета многих факторов и анализа больших объемов информации, как текстовой, так и графической. Как правило, информация плохо формализована, разнородная и неполная. Большинство ЧС имеют скоротечный характер и у лица принимающего решение (ЛПР) время на выполнение своих обязанностей ограничено. Остро стает вопрос в использовании автоматизированных систем поддержки принятия решений [Исаев и др., 2008].

Чрезвычайные ситуации можно описать конечным набором динамических и статических характеристик. Представить такое описания в виде формальной модели удается лишь на высоком уровне абстракции. Для эффективного управления мероприятиями по ликвидации ЧС, проведения спасательных работ необходима детальная информация о спасформированиях, месте ЧС, масштабах распространения поражающих факторов, об объектах защиты и т.п.

В работе рассматривается метод представления знаний о ЧС, базирующийся на объектно-фреймовой модели. Опираясь на базу знаний, система поддержки принятия решений помогает ЛПР наиболее оперативно действовать при возникновении кризисной ситуации.

МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

Модель представления знаний в основе имеет фреймовую структуру [Матвеев и др., 2008]. Информация в базе знаний, описывающая условия возможных сценариев ЧС и соответствующие им способы формирования решений, представляется в виде совокупности фреймов.

Модель представлена следующими базовыми типами:

1. Фрейм-ситуация - объектно-ориентированная модель чрезвычайной ситуации;

2. Слот - атрибут или событие с прикрепленной присоединенной процедурой;

3. Присоединенная процедура - набор операций, выполняемых по определенному условию;

4. Словарь переменных - первичный справочник возможных атрибутов и событий.

ЧС представляется в виде объекта с совокупностью признаков и событий. Событие означает установление определенного значения или достижение некоторой границы значения одного или нескольких атрибутов и характеризуется как изменение состояния одного или нескольких объектов. Атрибуты ситуаций, описывающие свойства объекта, разделяются на несколько блоков, включая:

· исходные данные (место, тип и характеристики ситуации);

· блок моделирования, где происходит обмен сообщениями между экспертной системой, расчетными модулями и геоинформационной системой;

· информацию для отчетов, формирующаяся на основании запросов к базам данных и результатов моделирования динамики ЧС;

· блок формирования рекомендаций, основанный на диалоге с пользователем.

Эти характеристики можно представить в виде переменных, описания которых хранятся в специальной таблице - словаре переменных экспертной системы.

Словарь переменных системы

Типы переменных разделены на две группы: простые, похожие на те, которыми оперируют языки программирования, и составные, предназначенные для управления логическим выводом. В первую группу входят «Целое», «Действительное», «Строка», «Время», «Дата». Переменные второй группы: «Список», «Мультисписок», «Один из списка», «Процедура», «Фрейм».

Переменные и их значения хранятся в таблицах базы данных. В словаре системы описаны идентификатор, название, тип переменной, значение по умолчанию и ограничения для числовых переменных. Например, уровень воды при паводке должен быть в пределах от 0 до 20 метров, а при катастрофическом наводнении, вызванном аварией на плотинах - от 2 до 50 метров.

Переменная может хранить значение определенного типа. Переменные в словаре подразделяются на группы, согласно выше описанных категорий. Описание начинается с декомпозиции ситуации сначала на блоки, каждый из которых можно отнести к одной из групп, а затем выделяются атрибуты и события внутри группы, которые записываются в виде переменных. Редактор отображает словарь переменных в виде дерева, ветками которого являются названия групп.

Фреймы-ситуации

В описываемой системе фрейм представляет собой основную единицу базы знаний. Составляющими фрейма являются слоты. Спецификация слота включает: переменную из словаря и присоединенную процедуру. Текст присоединенной процедуры - последовательность действий, составляющих присоединенную процедуру.

В данной реализации в присоединенной процедуре могут выполняться следующие действия:

· если [слот] (< / > / = / !=) [слот / значение] то [действие] иначе [действие];

· запросить данные у пользователя;

· очистить слот;

· обработать слот;

· выполнить [sql-запрос] и заполнить [слот];

· записать в [слот] [значение];

· заполнить текстовую форму [имя формы];

· сформировать текстовое заключение [список форм].

Редактор базы знаний

Для удобства и простоты использования редактирование базы знаний и словаря системы реализовано с использованием единого инструментария. Редактор имеет два режима работы: редактирование переменных словаря системы и корректировка фреймов-ситуаций. Ввод и корректировка фреймов в базе знаний поддерживаются структурным редактором, который автоматически контролирует синтаксическую корректность и перевод во внутреннюю форму. В зависимости от наполнения словаря экспертная система может настраиваться на терминологию предметной области.

Рис. 1. Окно редактора словаря переменных

Моделирование ситуаций осуществляется следующим образом. Инженер по знаниям на основе анализа нормативных и методических документов, опросов экспертов разрабатывает формализованный проект ЧС. Проект содержит перечень атрибутов и событий, из которых на следующем этапе моделирования составляется объект.

Следующий шаг в создании фрейм-ситуации выполняется с помощью редактора фреймов-ситуаций (Рис. 2). В результате анализа, декомпозиции и выделения наиболее важных атрибутов формируется словарь переменных. Затем выполняется обратная задача, когда из имеющихся переменных "собирается" объект.

К атрибутам и событиям прикрепляются одна или несколько операций и условия их выполнения. Полученный объект является совокупностью декларативных и процедурных знаний. На заключительном этапе разрабатываются шаблоны вывода отчетных форм в формате html для визуализации информации.

Возможная последовательность процессов, формирование решений задается порядком обработки атрибутов и событий объекта - эстафетой присоединенных процедур.

Рис. 2. Отображение фрейма-ситуации

Таким образом, можно создать детальные модели большинства ЧС. Описанный метод практически апробирован при информационной поддержки мероприятий по ликвидации паводковых ЧС [Исаев и др., 2007], техногенных аварий на территории Красноярского края. Планируется разработка моделей ситуаций на транспорте, стратегически важных объектов Сибири, а также для анализа результатов повседневного мониторинга обстановки.

СПИСОК ЛИТЕРАТУРЫ

[Исаев и др., 2008] Исаев С.В., Морозов Р.В., Ничепорчук В.В. Разработка экспертной системы поддержки принятия решений в кризисных ситуациях. Интеллектуальные системы // Труды Восьмого международного симпозиума. Под ред. К.А. Пупкова. - М.: РУСАКИ, 2008.

[Исаев и др., 2007] Исаев С.В., Морозов Р.В., Ничепорчук В.В. Экспертная геоинформационная система поддержки принятия решений при паводковых ЧС. // Труды Международных научно-технических конференций «Интеллектуальные системы» (AIS'07) и "Интеллектуальные САПР" (CAD-2007). Научное издание в 4-х томах. - М.: Физматлит, 2007. т.2.

[Матвеев и др., 2008] Матвеев М. Г., Свиридов А. С., Алейникова Н. А., Модели и методы искусственного интеллекта. - М.: Финансы и статистика, 2008.

Размещено на Allbest.ru

...

Подобные документы

  • Проблема представления знаний. Представление декларативных знаний как данных, наделенных семантикой. Представление процедурных знаний как отношений между элементами модели, в том числе в виде процедур и функций. Представление правил обработки фактов.

    курсовая работа [33,1 K], добавлен 21.07.2012

  • Сущность данных и информации. Особенности представления знаний внутри ИС. Изучение моделей представления знаний: продукционная, логическая, сетевая, формальные грамматики, фреймовые модели, комбинаторные, ленемы. Нейронные сети, генетические алгоритмы.

    реферат [203,3 K], добавлен 19.06.2010

  • Проблема представления знаний в компьютерных системах – одна из основных проблем в области искусственного интеллекта. Исследование различных моделей представления знаний. Определения их понятия. Разработка операции над знаниями в логической модели.

    курсовая работа [51,9 K], добавлен 18.02.2011

  • Представление знаний в когнитологии, информатике и искусственном интеллекте. Связи и структуры, язык и нотация. Формальные и неформальные модели представления знаний: в виде правил, с использованием фреймов, семантических сетей и нечетких высказываний.

    контрольная работа [29,9 K], добавлен 18.05.2009

  • Классы и группы моделей представления знаний. Состав продукционной системы. Классификация моделей представления знаний. Программные средства для реализации семантических сетей. Участок сети причинно-следственных связей. Достоинства продукционной модели.

    презентация [380,4 K], добавлен 14.08.2013

  • Изучение фреймового способа представления знаний, его специфики и основных характеристик. Обзор других методов представления знаний, их плюсы и минусы. Иерархическая структура данных фрейма. Механизм управления выводом с помощью присоединенной процедуры.

    реферат [2,6 M], добавлен 22.12.2014

  • База знаний - структурированная информация из области знаний для использования кибернетическим устройством (человеком). Классификация, структура, формат представления знаний, интеллектуальные системы поиска информации. Базы знаний на примере языка Пролог.

    презентация [51,3 K], добавлен 17.10.2013

  • Способы управления переключением потока заданий к системе, состоящей из двух серверов: одноуровневое и гистерезисное. Изображение графа цепи Маркова, соответствующего процессу рождения и гибели. Примеры оценки динамических характеристик систем управления.

    курсовая работа [1,2 M], добавлен 25.01.2013

  • Потребность отражения человеческих знаний в памяти компьютера. Модели представления знаний. Продукционные и формально-логические модели. Исчисление предикатов первого порядка. Основные свойства теории фреймов. Аналитическая платформа Deductor.

    курсовая работа [538,2 K], добавлен 09.04.2015

  • Определения знаний и приобретения знаний человеком. Виды знаний и способы их представления. Приобретение и извлечение знаний. Визуальное проектирование баз знаний как инструмент обучения. Программное обеспечение для проведения лабораторных работ.

    дипломная работа [960,9 K], добавлен 12.12.2008

  • Построение графа связей фактов и определение структуры базы знаний. Описание функций инициализации и констатации фактов, входных и выходных данных. Операции, направленные на занесение фактов и действий в базу знаний. Итоговое представление базы знаний.

    курсовая работа [176,9 K], добавлен 13.11.2012

  • Анализ процессов диагностики повреждений трубопровода. Разработка модели продукционной базы знаний: обзор методов представления знаний, описание создания базы знаний и разработки механизма логического вывода. Экономическое обоснование концепции проекта.

    дипломная работа [3,0 M], добавлен 16.04.2017

  • Преимущества и недостатки моделей представления знаний. Модель, основанная на правилах, фреймовая модель. Семантическая сеть. Структура экспертных систем и этапы их разработки. Механизмы логического вывода. Стратегия "вверх-снизу", "от цели к ситуации").

    презентация [195,3 K], добавлен 29.10.2013

  • Понятие искусственного интеллекта в робототехнике и мехатронике. Структура и функции интеллектуальной системы управления. Классификация и типы знаний, представление их с помощью логики предикатов. Суть семантических сетей, фреймовое представление знаний.

    курс лекций [1,1 M], добавлен 14.01.2011

  • Синтаксис логики предикатов. Преобразование унарных предикатов в бинарные. Функции, выполняемые экспертной системой. Правила "если-то" для представления знаний. Разработка оболочки в экспертных системах. Рассуждения, использующие логические формулы.

    курс лекций [538,1 K], добавлен 16.06.2012

  • Обзор автоматизированных систем обучения и контроля знаний. Психологические механизмы усвоения знаний. Принципы создания тестирующей программы. Разработка универсальной схемы построения теста и вычисления оценок специалистов по неразрушающему контролю.

    дипломная работа [1,7 M], добавлен 24.09.2013

  • Построение баз знаний для семантической сети. Цели создания и язык представления онтологий. Структура исследований в области многоагентных интеллектуальных информационных систем, архитектура агента. Экономическое обоснование разработки базы знаний.

    дипломная работа [1,6 M], добавлен 29.09.2013

  • Фреймовые модели представления знаний. Разработка структуры фреймов для реализации экспертной системы. Разработка экспертной системы с фреймовой моделью представления знаний. Редактирование базы фактов кандидатов и описание режима консультации.

    курсовая работа [1,3 M], добавлен 13.10.2012

  • Основные модели представления знаний. Системы поддержки принятия решений. Диаграмма UseCase. Разработка базы данных на основе трех моделей: продукционные правила, семантическая сеть, фреймовая модель. Программная реализация системы принятия решений.

    курсовая работа [715,1 K], добавлен 14.05.2014

  • Рассмотрение и анализ моделей и алгоритмов семантического поиска в мультиагентной системе поддержки пользователей. Ознакомление с интерфейсом чата с ботом. Изучение и характеристика экспериментальных оценок релевантности и пертинентности запросов.

    дипломная работа [3,0 M], добавлен 13.10.2017

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.