专家系统及其应用

专家系统及其应用

摘要：电力系统负荷预测是电力生产管理的重要环节之一，本文详细综述了BP 网络、RBF网络以及小波神经网络在电力负荷预测领域的研究和应用现状，并指出目前神经网络还存在的一些问题。

关键词：人工智能，专家

0．引言

电力系统负荷预测是电力生产管理的重要环节之一，按预测周期长短可以分为长期、中期和短期负荷预测。其中短期负荷预测中的日负荷预测对于电力系统的实时运行调度至关重要：依据准确的日负荷预测数据，可以经济合理地安排机组启停，减少旋转备用容量，合理安排检修计划，降低发电成本，提高经济效益，有利于保持电网的安全稳定性，有利于提高经济效益和社会效益。因此日负荷预测结果的准确性对电力系统的安全稳定运行和经济性具有重要影响。许多学者对此进行了研究，继而提出了相应的预测方法并及时地将数学领域的最新研究成果应用到负荷预测中去，使预测水平得到了迅速提高，预测研究取得了较大进展。近几年来，随着电力改革的深入和电力市场的逐步建立，无论是电网的安全运行和经济运行，还是发电公司的竞价上网、电力公司或供电公司的购电计划的制定等，都与短期负荷预测特别是日负荷预测曲线有着密切的关系。

1．人工智能概述

1.1 人工智能的基本概念

人工智能（Artificial Intelligence，简称AI）这一术语是1956年在美国的Dartmouth大学召开的世界第一次AI会议上由麻省理工学院的青年数学教师John McCarthy提议而使用的。AI这一学科至今已有50多年的历史，在国际上已确认AI是当代高科技的核心之一。

其基本含义是：AI是用机器（计算机或智能机）来模仿人类的智能行为。AI也叫机器智能，是研究如何使机器具有认识问题与解决问题的能力，研究如何使机器具有感知功能（如视、听、嗅）、思维功能（如分析、综合、计算、推

理、联想、判断、规划、决策）、行为功能（如说、写、画）及学习、记忆等功能。AI是使技术适应于人类的钥匙，是自动化技术向智能技术方向发展的关键，也是揭示人类智能和人脑奥秘的有力工具。

人工智能的理论基础有三个方面：数学理论（离散数学、模糊数学等）；思维科学理论（认知心理学、逻辑或抽象思维学、形象或直感思维学等）；计算机工程技术（软件技术和硬件技术）。

由于大规模电力系统一般具有先进的自动控制水平，且电力系统研究的大量问题已具备相应的数学模型和数值算法，因此在AI早期对电力部门的吸引力不大。随着专家系统应用的巨大成功亦启发电力部门研究人员去尝试，很快发现AI在电力系统的应用潜力也是很大的，同时加上电力系统具备AI应用的技术基础，因此AI在电力系统的应用研究发展很快。人工智能在电力系统中的应用主要在故障诊断、报警处理和恢复控制三个方面，主要方法是专家系统，其它有人工神经网络、模糊控制、遗传算法等。

1.2 人工智能的研究内容

要了解人工智能的研究内容，必须先搞清楚什么是人类的智能。“智能”词源来自拉丁语Legere，字面意思是采集、收集和汇集，并由此进行选择。而Intellegere意思是从中进行选择，进而理解、领悟和认识。

因此，人工智能的研究内容应包括三个方面：

1．知识表达(Knowledge Representation)：

——研究如何在机器中表示知识，使知识形式化、模型化，用以建立合适的符号逻辑系统。

2．知识获取(Knowledge Acquisition)：

——研究机器如何从各种知识源获取知识。

3．知识处理(Knowledge Inference)或问题求解(Problem Solving)：

——运用存贮于机器中的知识进行相应知识处理，并推出结论。

2．神经网络在电力系统负荷预测中的应用

2.1 电力系统负荷预测概况

过去几十年来，国内外学者对电力系统短期负荷预测进行了较充分的研究。这些研究可分为3类：①负荷预测传统算法(时间序列法、回归方法等)的研究，研究重点放在负荷序列本身的规律上；②负荷预测现代算法(专家系统、神经网络等)的研究，研究重点放在用新的技术替代传统方法，其中以BP神经网络应用最为广泛，取得了比传统负荷预测更好的效果；③负荷预测的应用研究，重点是各种预测方法的结合，分析影响负荷的各种因素，特别是天气因素[1]。

目前已有的负荷预测方法包括回归法、时间序列法、神经网络法、灰色方法和模糊方法等，根据不同的预测要求用于不同的场合。应用较多的为神经网络预测，它实际上是一种非线性拟合的方法，对于训练样本分布较全且预测点在样本空间附近的短期日负荷预测有较好的效果。

神经网络理论是利用神经网络的学习功能，让计算机学习包含在历史负荷数据中的映射关系，再利用这种映射关系预测未来负荷。一般而言，神经网络理论(ANN)应用于短期负荷预测要比应用于中长期负荷预测更为适宜。因为短期负荷变化可认为是一个平稳随机过程，而长期负荷预测与国家或地区的政治、经济政策等因素密切相关，通常会有些大的波动，而并非一个平稳随机过程。进入上世纪90年代以来，国内外利用人工神经网络进行负荷预测的研究达到了高潮。

2.2 神经网络概述

人工神经网络，英文名称是Artificial Neural Network，简称ANN。

人工神经网络是采用物理可实现的手段来模仿人脑神经系统结构和功能的系统。

人工神经网络是由大量的简单计算单元（即人工神经元）广泛连接而成的大规模并行分布处理网络。

人工神经网络的主要模型有：误差反向传播(BP)模型、Hopfield网络模型(离散和连续)、Kohonen自组织特征映射模型、逆向传播(CNP)模型、自适应谐振理论(ART)模型、双向联想记忆模型。

ANN的实现方式有：硬件实现（采用大规模集成电路技术，将大量人工神经元连接成网络，制成神经网络计算机），软件模拟（基于传统的计算机，通过数值计算软件来模拟人工神经网络，将知识以权矩阵方式存储在数据文件中）。

ANN的主要用途有：模式识别和分类、函数逼近与控制过程仿真建模、语音和图像处理、优化问题、预测问题和过程控制。ANN在电力系统中的应用领域有：报警处理和故障诊断、静态和暂态安全评估、发电机模型的仿真和控制、过程控制和自动化、大机组组合优化和经济运行、短期负荷预测、配电网线损计算。

采用神经网络进行预测．要解决的问题主要有以下两个[2]：

1 ）ANN结构确定要保证经过足够多的样本学习后ANN能够任意精确地逼近被预测的非线性系统，并且具有简单的结构形式和最少的可调参数。目前，如何确定神经网络的结构，如网络的层数，每层神经元的数量，神经元的连接方式仍是还没有解决的问题。只能靠在实际应用中的经验或通过大量的实验获得，现在大多文献研究的重点在于如何构成预测样本、如何构成输入层数据等。

2 ）ANN训练算法的改进基于误差反向传播算法的BP神经网络在负荷预

测中得到了广泛应用，但标准BP算法最大的缺点就是收敛速度慢．容易陷入局部最优解。

2.3 几种常见的人工神经网络

1) BP神经网络

BP(Back Propagation)神经网络通常是指基于误差反向传播算法(BP算法)的多层前向神经网络，它是D．E．Rumelhart和J．L．McC1e1land及其研究小组在1986年研究并设计出来的。BP神经网络是一个多层感知模型，，网络不仅有输入层节点，输出层节点，而且有隐含层节点（如图1所示）。由于BP神经网络的强非线性拟和能力，尤其是对预测中天气、温度等因素处理方便，而且学习规则简单，便于计算机实现，所以目前多利用BP学习算法来进行神经网络的训练[3]。

图1：BP网络结构图

BP网络的训练方式采用反向误差传播学习过程，是按照误差大小由输出层经隐层逐步向输人层调整各神经元的阈值以及联结权值的过程。对给定的输人样本，经当前网络参数映射可以得到一个输出，该输出与给定的输出样本相比较，若误差不满足要求，则按上述规则调整阈值和联结权值，直至网络输出与输出样本间的偏差小于给定值。采用BP神经网络进行短期日负荷预测时，首先要依据强关联性原则合理组织训练样本，即样本数据和待预测时段在负荷变化规律上应具有较强的内在相似性。考虑到神经网络的预测推广能力主要通过实验确定，在组织输人输出样本时也主要依据经验判断：一般采用近期的历史负荷数据以及相应的日期和天气数据，它们包含了导致负荷波动的主要因素。此外，为了获得良好的训练和预测效果，还应根据样本数据量选择适当的网络规模以保证良好的收敛速度和精度。

在众多的人工神经网络模型中，基于误差反向传播理论的前馈网络方法(BP 算法)是一种比较成熟而又简单的方法。BP算法由两部分组成，即信息的正向传递和误差的反向传播。BP算法的基本思想是：整个网络的学习由输入信号的正向传播和误差的逆向传播两个过程组成。正向传播过程是指样本信号由输入层输入，经网络的权重、域值和神经元的转移函数作用后，从输出层输出。如果输出值与期望值之间的误差大于规定量，则进行修正，转入误差反传播阶段，即误差通过隐层向输入层逐层返回，并将误差按“梯度下降”原则“分摊”给各层神经元，从而获得各层神经元的误差信号，作为修改权重的依据。以上两过程是反复多次进行的。此循环一直进行到网络的输出误差减小到允许值或到达设定的训练次数为止[3]。

2) RBF神经网络

径向基函数网络是一种对多输入、多输出非线性系统的辨识方法，依此建立的神经网络可实现对非线性系统的辨识和预测，因为该类型网络有高于BP网络的收敛速度而且在预测节假日负荷的独特优势，因而近来也受到广泛关注。

径向基函数RBF神经网络的结构与多层前向网络类似，它也是一种三层前向网络(结构如图2所示)。输入层由信号源节点组成；第二层为隐含层，它将输入空间映射到新的空间，其单元数视所描述问题的需要而定；第三层为输出层，它对输入模式的作用做出响应。从输入空间到隐含层空间的变换是非线性的，它执行的是一种用于特征提取的非线性变换，而从隐含层空间到输出层空间变换是线性的。隐含层单元的变换函数是RBF函数，与BP网络中的Sigmoid函数相类似，只不过它是一种局部分布的对中心点径向对称衰减的非负非线性函数[4]。

图2：RBF网络结构图

径向基函数网络具有以下特点：1)很强的泛函逼近能力，原理上能逼近任意

的非线性函数；2)典型的局部逼近网络，对于每一个输入输出样本，网络中只需要调整少量的权值，从而具有训练速度快的优点；3)不需要大量的样本，在每一个输入、输出样本附近均有较好的泛化能力[5]。

3) 小波神经网络

小波神经网络(Wavelet Neural Network，简称WNN)是在小波理论基础上结合人工神经网络而提出的一种前馈型网络。它是在傅立叶分析基础上发展起来的一种信号处理方法，它克服了傅立叶变换和短时傅立叶变换的一些缺点，能够将信号分解到各个时频区域进行观察和处理，而且能够根据待分析信号的特点调整时频窗口的形状，在时域和频域都具有良好的分辨能力。鉴于小波理论的优越性，人们已经开始研究将小波理论与传统的人工神经网络相结合，从而形成小波神经网络。一些文献对小波神经网络在电力负荷预测中的应用进行了探讨，虽然这方面的工作起步不久，但已经取得了令人鼓舞的成果[6]。

小波神经网络已经成为研究的热点之一，研究表明小波神经网络具有传统人工神经网络所不具备的一些优点[7]，有希望解决传统人工神经网络存在的一些问题，主要表现在：

(1)小波神经网络有完善的理论基础。无论是连续小波还是离散化的正交基或紧框架，其线性组合在L2(R)稠密，从而保证能够以任意精度逼近L2(R)空间的任意函数。

(2)小波神经网络隐节点数目和网络参数的确定可以得到小波理论的指导，从而能够较好地解决传统人工神经网络在设计和训练中的一些困难。

(3)选用正交小波基时，小波神经网络的小波函数之间互不相关，可以通过对局部逼近之和达到对信号的全局逼近，而且存在唯一的最佳逼近。小波神经网络权系数线性分布和学习目标函数的凸性，使网络从根本上避免局部极小点等问题。

(4)小波的伸缩因子对应频率，平移因子对应时间，具有一定的物理意义，便于在时域和频域对小波神经网络的参数进行解释。

(5)目前人们已经提出多种类型的小波，各有不同的特点，可以选来作为隐节点激励函数，能够在实际应用中提供更多的灵活性。

小波神经网络已经被成功地应用于电力系统的故障检测、模式识别、智能控制、数据压缩等诸多领域。最初有关小波神经网络的研究主要是介绍网络的结构和算法，探讨将小波神经网络应用于电力负荷预测的可行性。由于小波神经网络出现不久，还缺乏专门为其设计的算法，因此一般采用BP神经网络算法，包括随机初始化和基于梯度的训练方法。同时，所采用的小波函数也多是容易求导数的Morlet小波和Mexican Hat小波。研究表明，小波神经网络应用于电力负荷预

测是可行的，而且在预测精度、所需训练样本和隐节点数目等方面都表现出一定优越性。

2.4 神经网络存在的问题

近几年来，随着对神经网络技术的深入研究，也发现了神经网络在负荷预测中存在着一些问题，需要进一步的探讨[8]。

(1)训练样本

神经网络的性能与训练样本的选取紧密相关。样本的复杂性和代表性将严重影响网络训练的结果。训练样本的选取主要受两个因素的影响：其一是训练样本的长度。样本长度并非越长越好，过长的训练样本不仅影响计算速度，还会导致“过拟合”现象。其二是训样本的代表性。代表性好的样本即便用常规的BP 算法仍可以得到令人满意的结果。

(2)网络结构

在实际应用中，网络结构最难确定的是隐层神经元个数。一般而言是依靠试算的办法。该方法计算量大，且不易确定所得结构的优劣。

(3)网络算法

神经网络中常用的BP算法是按梯度下降法进行推算，大量实践已发现该方法存在计算速度较慢、不易找到最优解的缺点。目前有很多改进，在一定程度上可以改善BP算法的上述缺陷，但是仍然存在一些问题。例如，标准BP算法及大多数改进算法通常是以计算值与实际值的误差平方和最小为目标函数，这里的“最小”是以事先给定的一个较小的误差允许值或一定的迭代次数求得的。而实际的计算中，会遇到这样的情况：稍微改变训练样本，却可得到几组差别较大的权重，使目标函数都满足要求。这说明算法的稳健性不强。若要从几组不同的权值中挑选最优，仅仅以计算值与实际值的误差平方和最小为目标函数似乎是不够的，还要求增加目标函数的约束条件。

(4)网络泛化能力

网络泛化能力是指经训练后的网络对未在训练集中出现的样本做出正确反应的能力。“过拟合”现象，实质就是泛化能力低的表现。网络泛化能力与样本资料、网络结构、网络算法均有关系。因此充分挖掘资料信息、改善网络结构、改进网络算法都可在一定程度上提高网络的泛化能力。

3．结束语

电力系统负荷预测是实现电力系统安全、经济运行的基础，尤其是在电力市场条件下，负荷预测不仅对电力系统操作人员、电力市场规划者、供电者有着重要的作用，而且对其他的电力市场参与者也显得很重要。当负荷预测的差额造成

大量运行成本和利润的损失时，高精度和快速的负荷预测就成为电力系统可靠运行和电力市场供求平衡的保证，因此对先进的智能预测方法进行研究是很有必要的。由于电力负荷变化受天气情况和人们的社会活动等诸多因素的强烈影响，存在大量非线性关系，而人工神经网络特别擅长处理此类非线性问题，因此被认为是一种非常有效的负荷预测技术。但也应该注意到神经网络还存在一些问题，如训练样本、网络结构、过拟合问题等，因此需要进一步的研究。

人工智能小型动物分类专家系统的设计与实现PPT

小型动物分类专家系统的设计与实现 一、实验目的 通过本实验可使学生能够综合利用C语言(或C++)、面向对象程序设计、数据结构、数据库原理、人工智能、软件工程等课程的相关知识，设计并实现小型动物分类专家系统，培养学生综合运用所学计算机软件知识解决实际问题的能力，为今后从事计算机软件开发及应用打下基础。 二、实验内容 运用下列规则，设计并实现一个小型动物分类专家系统。 规则1： 如果：动物有毛发 则：该动物是哺乳动物 规则2： 如果：动物有奶 则：该单位是哺乳动物 规则3: 如果：该动物有羽毛 则：该动物是鸟 规则4： 如果：动物会飞，且会下蛋 则：该动物是鸟 规则5： 如果：动物吃肉 则：该动物是肉食动物 规则6： 如果：动物有犬齿，且有爪，且眼盯前方 则：该动物是食肉动物 规则7： 如果：动物是哺乳动物，且有蹄 则：该动物是有蹄动物 规则8： 如果：动物是哺乳动物，且是反刍动物 则：该动物是有蹄动物 规则9： 如果：动物是哺乳动物，且是食肉动物，且是黄褐色的，且有暗斑点 则：该动物是豹 规则10： 如果：如果：动物是黄褐色的，且是哺乳动物，且是食肉，且有黑条纹 则：该动物是虎

规则11： 如果：动物有暗斑点，且有长腿，且有长脖子，且是有蹄类 则：该动物是长颈鹿 规则12： 如果：动物有黑条纹，且是有蹄类动物 则：该动物是斑马 规则13： 如果：动物有长腿，且有长脖子，且是黑色的，且是鸟，且不会飞 则：该动物是鸵鸟 规则14： 如果：动物是鸟，且不会飞，且会游泳，且是黑色的 则：该动物是企鹅 规则15： 如果：动物是鸟，且善飞 则：该动物是信天翁 动物分类专家系统由15条规则组成，可以识别七种动物，在15条规则中，共出现 30个概念（也称作事实），共30个事实，每个事实给一个编号，从编号从1到30，在规则对象中我们不存储事实概念，只有该事实的编号，同样规则的结论也是事实概念的编号，事实与规则的数据以常量表示，其结构如下：Char *str{}={"chew_cud","hooves","mammal","forward_eyes","claws", "pointed_teeth","eat_meat","lay_eggs","fly","feathers","ungulate", "carnivore","bird","give_milk","has_hair","fly_well", "black&white_color","can_swim","long_legs","long_neck", "black_stripes","dark_spots","tawny_color","albatross", "penguin","ostrich","zebra","giraffe","tiger","cheetah","\0"} 程序有编号序列的方式表达了产生式规则，如资料中规则15，如果动物是鸟，且善飞，则该动物是信天翁。相应的规则数组第七条是{16，13，0，0，0，0}，第十三个是“bird”（鸟），如果事实成立，询问使用者下一个事实，第十六个“fly_well”（善飞），如果也成立，则查找结论断言编号数组{30,29,28, 27,26,25,24,3,3,13,12,12,11,11,0}中第七个“24”，这里24对应事实数组中的“albatross”（信天翁）。 上述就是程序的推理过程，也是程序中的重点，该部分是由规则类（类rul e）中的Query方法实现。 三、实验原理 一个基于规则专家系统的完整结构示于图1。其中，知识库、推理机和工作存储器是构成专家系统的核心。系统的主要部分是知识库和推理引擎。知识库由谓词演算事实和有关讨论主题的规则构成。推理引擎由所有操纵知识库来演绎用户要求的信息的过程构成－如消解、前向链或反向链。用户接口可能包括某种自然语言处理系统，它允许用户用一个有限的自然语言形式与系统交互；也可能用带有菜单的图形接口界面。解释子系统分析被系统执行的推理结构，并把它解释给用户。

专家系统的实例分析

专家系统的实例分析 张宏昊 研电1203 1122201030 一、实验要求 1.1 已知：电网的接线、操作前的开关、刀闸状态初始态、现场的运行规程、要操作的设备、操作前状态、操作后状态 求出：是否允许某设备在当前运行方式下，由操作前状态转换到操作后状态。 信息流图（系统结构图） 1.2 用产生式表示刀闸的操作规则 规则一：IF 与刀闸同间隔的开关分 THEN 刀闸能分或合 规则二：IF 与刀闸相关的接地刀闸/线全部为分 THEN 刀闸能合 规则三：IF 刀闸是母线刀闸 且 停电操作 且出线刀闸分 THEN 刀闸能分 规则四：IF 刀闸两端具备等电位条件 THEN 刀闸能分或合 1.3 知识表示方法（数据库结构设计） 以设备为核心 85 853 851 852 8530 8510 85J1 85J2 856 典型间隔 Typical Unit 855

二、程序设计 2.1 程序主界面 2.2程序功能介绍 2.2.1 图示模块 程序左上角有一个图示模块，在这个模块里可以直观的显示各个开关、断路器的开断状态，并且可以直接点击开关进行操作，操作结果也会动态显示在界面上。 2.2.2开关状态操作块

这个模块可以分别对各个开关和断路器今天开断操作，操作结果会与图示模块同步显示。 2.2.3操作日志表 操作日志表可以显示程序执行的各种状态，从启动程序起，这里将显示所有操作记录，例如当操作某个开关，则这里相应记录着操作。而且相关的操作提示也会在这里显示，例如当某个开关操作违反规程时，这里将进行具体提醒。 2.2.4 程序操作模块 这个模块是进行读取数据和保存操作日志表到本地的地方。 2.3 数据结构 该程序包含这实验一和实验二的两个数据结构。 实验一是用来计算系统节点的程序，数据结构全部由类实现。数据节点类有：IN_BranchInfo, IN_BreakerInfo, IN_NodeInfo和IN_SubSystemInfo,这些类用来记录每个branch，breaker，node和subsystem节点的信息。而这几个类的数据操作由相应的CAL_Branch, CAL_Breaker, CAL_Node, CAL_SubSystem来控制，在这几个类中包含着相应类型数据的读取，保存，设置，清除以及显示等操作。 最后，所有的这几个类都由一个CAL_Calculate来管理。这个类有个最高的管理权，每个类型数据的读取，保存等函数都是从这里调用的，而最关键的生成数据表的计算函数也在这个类中。 对于实验二的数据结构，鉴于已给的系统是固定的，而且程序包含了图像显示，为了简单操作，数据结构使用了固定形式，即实验二的节点数是不能修改的。 节点信息用SecEquiInfo这个类来实现，相应的读取，保存等操作是在SecEqui这个类中实现的。而对系统开关的控制，已经相应的规则逻辑判断是在CVCSBPowerFormView类中实现的，因为这是控制主界面的类。

人工智能小型专家系统的设计与实现解读

人工智能技术基础实验报告 指导老师：朱力 任课教师：张勇

实验三小型专家系统设计与实现 一、实验目的 （1）增加学生对人工智能课程的兴趣； （2）使学生进一步理解并掌握人工智能prolog语言； （3）使学生加强对专家系统课程内容的理解和掌握，并培养学生综合运用所学知识开发智能系统的初步能力。 二、实验要求 （1）用产生式规则作为知识表示，用产生系统实现该专家系统。 （2）可使用本实验指导书中给出的示例程序，此时只需理解该程序，并增加自己感兴趣的修改即可；也可以参考该程序，然后用PROLOG语言或其他语言另行编写。 （3）程序运行时，应能在屏幕上显示程序运行结果。 三、实验环境 在Turbo PROLOG或Visual Prolog集成环境下调试运行简单的PROLOG程序。 四、实验内容 建造一个小型专家系统（如分类、诊断、预测等类型），具体应用领域由学生自选，具体系统名称由学生自定。 五、实验步骤 1、专家系统： 1.1建造一个完整的专家系统设计需完成的内容： 1．用户界面：可采用菜单方式或问答方式。

2．知识库（规则库）：存放产生式规则，库中的规则可以增删。 3．数据库：用来存放用户回答的问题、已知事实、推理得到的中 间事实。 4．推理机：如何运用知识库中的规则进行问题的推理控制，建议 用正向推理。 5．知识库中的规则可以随意增减。 1.2推理策略 推理策略包括：正向（数据驱动），反向（目标驱动），双向 2、动物分类实验规则集 （1）若某动物有奶，则它是哺乳动物。 （2）若某动物有毛发，则它是哺乳动物。 （3）若某动物有羽毛，则它是鸟。 （4）若某动物会飞且生蛋，则它是鸟。 （5）若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。（6）若某动物是哺乳动物且吃肉，则它是食肉动物。 （7）若某动物是哺乳动物且有蹄，则它是有蹄动物。 （8）若某动物是有蹄动物且反刍食物，则它是偶蹄动物。 （9）若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。 （10）若某动物是食肉动物且黄褐色且有黑色斑点，则它是猎豹。 （11）若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它是长颈鹿。 （12）若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。 （13）若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是驼鸟。

专家系统及其在教育中的应用研究

专家系统及其在教育中的应用研究 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 2013年06 月20 日

专家系统及其在教育中的应用研究 摘要：作为人工智能应用研究的一个重要分支，专家系统被广泛应用于各个领域并取得了巨大的成功。本文在介绍专家系统的内涵、基本结构原理和发展趋势的基础上对专家系统在教育领域中的应用现状作了探讨，分析了专家系统与计算机辅助教学、网络远程教学的结合应用以及在辅助教育教学方面的其他应用。 关键字：人工智能；专家系统；ITES；ICAI；IDSS 一、引言 信息技术的飞速发展正以一种前所未有的深度和广度渗透到社会的方方面面，改变着人们的生活。其中，对于人工智能领域的关注和研究一直领跑于信息技术的前沿，标志着社会发展的智能化趋势。而人工智能中最接近实际应用、发展最快、效益最显著的当属专家系统。可以说“专家系统是人工智能从幻想到实践，再由实践到理论的主角川¨。从1965年世界上第一个专家系统诞生至今，随着知识工程的深入研究，以及专家系统的理论和技术的不断发展，使得专家系统的应用渗透到几乎各个领域，并在实际应用中产生了巨大的经济效益。当今社会对教育现代化的呼吁和关注，使专家系统在教育中的应用也越来越得到人们的重视，且具有广阔的发展前景。尤其是专家系统与传统的计算机辅助教学、网络远程教学的结合，更能满足学生的个性化学习需求，充分体现了教与学的灵活性、互动性和适应性，同时，专家系统在辅助教育教学中的其他应用也极大地促进了教育信息化的发展。 二、有关专家系统 专家系统(Expert System)是人工智能应用研究中最活跃、最成熟的一个领域。专家系统的实质就是一种具有特定领域内大量知识和经验的计算机智能程序系统。它包括两个方面的含义。首先，专家系统是一种智能程序系统，因此，它不同于一般的程序系统，是一种能够运用已有知识和经验进行推理、判断与决策并对结论的推理过程作出解释的启发式程序系统。其次，专家系统的智能来源于领域专家的知识和经验，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平，而且能够在运行过程中不断积累和更新知识，和人类专家相比更具持久性、灵活性和一致性。专家系统又可称为“基于知识的系统”。这种基于知识的系统以知识为中心，以逻辑推理为手段解决问题。因此，专家系统的核心内容是知识库和推理机制，其主要组成部分是：知识库、推理机、综合数据库、解释机构、知识获取机构和用户界面。其一般结构如图1所示： 领域专家、知识工程师 用户

农业专家系统应用实例分析资料

农业专家系统应用实例分析 摘要:专家系统是人工智能领域中较为成熟的一个分支。本文阐述了专家系统的基本概念及基本要素，介绍了专家系统在我国农业中的应用和我国农业专家系统的发展趋势。 关键词:人工智能;专家系统;农业专家系统;应用 农业专家系统也可叫农业智能系统,是一个具有大量农业专门知识与经验的计算机系统。它应用人工智能技术,依据一个或多个农业专家提供的特殊领域知识、经验进行推理和判断,模拟农业专家就某一复杂农业问题进行决策。典型的农业专家系统主要由知识库、数据库、模型库、推理机、知识库管理系统、解释器、用户界面7个部分组成。其中,知识库和推理机是农业专家系统最核心部分,这是任何一个农业专家系统都不可缺少的组成部分。知识库的质量直接影响到农业专家系统质量及可信度;推理机是农业专家系统的运行动力。而知识库管理系统则是对知识库中的知识进行检查和检索,还可以把推理过程中使用知识的实际情况显示出来,这是数据库管理系统中所没有的。知识获取是农业专家系统开发过程中的瓶颈,其主要任务是完成领域知识的收集与整理.解释器是用来向用户,特别是专用户,解释推理的结果和在推理过程中所发生的一切。 专家系统有四个特点,即:启发性,能运用专家的知识和经验进行推理和判断;透明性,能解决本身的推理过程,能回答用户提出的问题;灵活性,能不断地增长知识,修改原有的知识。综合性,能解答种子、土肥、植保、农经等多专业问题,克服了单个农业专家的专业局限。研发农业专家系统的主要目的是使计算机在农业领域中起农业专家的作用,对那些需要专家知识才能解决的难题提供相关专业权威专家水平的解答。 专家系统在世界农业领域中的应用始于20世纪70年代末,经过20余年发展,应用已遍及作物栽培管理、设施园艺管理、畜禽管理、水产养殖、植物保护、育种以及经济决策等各方面。专家系统在灌溉、施肥、栽培、病虫害的诊断与防治、作物育种、作物产量预测、畜禽饲养管理和水产养殖管理等方面,展示了广阔的应用前景。 一．农业专家系统在作物病虫害综合治理中的应用 根据以往的研究和病虫害综合治理的过程，专家系统的研究主要集中在6个方面: 1.1病虫害诊断在病虫害诊断中，如果人工开具病虫处方，工作人员必须有牢固的植物保护基础知识和丰富的实践经验，需要查询大量资料，无法及时满足农户的需要。专家系统把这些资料编制成简单的程序，达到迅速确定目标的目的，从而得到最佳防治时期和方案。 1.2预测预报病虫预测预报需要的基本信息是:病虫害的生物学参数(如发生

浅谈专家系统应用与发展

浅谈专家系统应用与发展 摘要：专家系统作为人工智能应用研究的课题之一在各个领域得到广泛应用，但也存在一些突出问题限制了其进一步的发展。本文就专家系统的应用领域和研究热点及其存在问题作了讨论，并提出了新型专家系统的一些特点，指出发展新型专家系统是很有必要的。 关键字：专家系统，知识获取，数据挖掘，多Angent Application and Prospect of Expert System Abstract:Expert system is one of the research subjects of the application of AI(artificial intelligence),and widely uesd in many fields,but some predominant problems confined its development.This article discussed the application areas and research hotspots of expert system,and brought up some characteristics of new style expert system,finally pointed that it’s necessary for us to develop new style expert system. Key words:expert system; knowledge acquisition; data mining; multi-agent system 1专家系统概述 1.1 专家系统的起源与含义 专家系统（expert system）是人工智能领域应用研究最活跃和最广泛的课题之一。第一个专家系统是在1956年由Allen Newell、Herbert Simon及J. C. Shaw 所发展。其后，许多专家系统也纷纷随之建立，但在前期多半是属于研究性质的雏形系统。1970年代之后，人工智能与专家系统专用的程序语言及软件开发工具逐渐开始发展，而各种知识表示法及算法也被广泛地研究，使得专家系统的建构与发展方式产生了不小的改变。在1980年代后期开始，专家系统便能够逐渐脱离实验室的研究而广泛应用于各行业中[1,2]。 专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题[1]。 1.2 专家系统的结构 专家系统的基本结构如图1所示，其中箭头方向为数据流动的方向。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。

专家系统及其设计

《专家系统及其设计》教学设计 天津电子计算机职专冯莉 人工智能作为一门研究运用计算机模拟和延伸人脑功能的综合性学科，在一定程度上代表着信息技术的发展前沿。但是人工智能在国内中学的开设尚属首次，教师教学经验缺乏，对学生来说，也是一个陌生的事物，与其他课程相比，难度较大。专家系统是人工智能领域的重要组成内容，也是该领域发展得较为成熟的部分。为了缩小现实与理想之间的矛盾，在人工智能课程“专家系统”内容的教学中，采用“以问题解决为中心”的教学方式，通过小组协作，让学生在感受什么是专家系统的基础上既了解有关专家系统的基本知识，又能利用专家系统外壳自行开发一个简易的专家系统，由此既增强他们对人工智能的认识，又促进问题解决能力，发散性思维能力和社会合作能力的培养。 一、学习者分析 选修这门课程的学生通常已具有一定的信息技术基础知识，懂得如何操作计算机、上网浏览信息和收集资料等。“专家系统”的学习内容在人工智能教材中一般都是置于“知识表示”之后，因此学生对各种知识表示方式都有初步了解，掌握了例如产生式规则、状态空间图、语义网络等的基本表示方法。但是各种知识表示如何在人工智能中得到应用，学生们对这个问题在上一阶段的学习中还难以深入体会。专家系统通过把领域专家的大量知识加以计算机编程嵌入到计算机内部，产生式规则的知识表示方式在专家系统的知识库建设中得到了实际应用。因此对于学生来说，虽然专家系统完全是个新事物，但是它与各种知识表示，尤其是产生式规则表示方式，有着理论与实际应用的关系。教师在教学设计时，不能忽视这个有利于学生知识增长和能力发展的“最邻近发展区”。 二、教学目标 知识与技能目标： 1. 感受什么是专家系统，知道专家系统和专家系统外壳之间的区别和联系 2.了解专家系统的基本构造和工作机制 3.能利用专家系统外壳自行开发一个简易的专家系统 过程与方法： 1.能够根据任务的要求，有效采集、分类和管理信息 2.通过感受人类专家解决复杂问题的思路，增强逻辑思维和问题解决能力 情感态度与价值观： 1.进一步增强对人工智能领域的认识，感受人工智能技术的丰富魅力 2.增强协作学习和人际交流能力 三、学习时间 本次教学计划用3个课时完成《专家系统及其设计》的课程内容 第1课时：主要让学生感受什么是专家系统，并了解有关专家系统的一些基本知识 第2课时：主要让学生能够利用InterModeller专家系统外壳自行设计一个简易的植物识别专家系统 第3课时：学生展示设计的植物识别专家系统，在互相交流中提高口头表达能力和作品鉴赏能力 四、课前准备

XXX知识库专家系统

知识库专家系统 一、产品聚焦：知识创造未来 1、助力于汇集群体智慧 2、助力于提高知识收集参与热情 3、助力于提高知识点实用化水平 4、助力于降低培训成本，提升服务效率 5、助力于为各种服务渠道机器人提供支撑 二、产品简介 该产品采用一流的体系架构，先进的检索技术，深度融合电力行业的专业知识应用，以使用者便捷的应用为导向，形成知识从收集、分类、推荐、共享、检索、更新、删除全生命周期的知识管理体系。是95598座席人员、业务人员、管理人员工作不可或缺的工具，是相关人员培训和学习的得力帮手，是智能机器人的后台支撑。 三、产品特点 ■信息全面、与营销业务无缝融合 信息覆盖供电企业的各个领域，专业全面，实现与营销业务应用系统数据集成与业务协作，充分实现数据共享与工作协同。 ■技术先进、使用便捷 采用B/A/S多层分布式体系结构和Lucene全文检索引擎技术，提供先进的搜索算法，创建高效的企业级海量数据搜索引擎。 ■地图式知识管理、智能化知识推理 支持使用者自行设定板块知识结构地图或者不同岗位设置知识岗位地图，可自定义知识推理模型，实现知识应用智能化。 ■强大的知识分类，高速的知识共享交流 依托深厚的电力营销业务行业应用背景，合理进行知识分类，贴近使用者的思维习惯，形成知识收集、知识更新、知识推荐、知识共享、知识交流于一体的知识管理体系，支持多种文档格式相同的展现方式。 ■流程化、规范化、制度化管理 采用流程化的知识管理流程，规范化的知识结构设计，创新的积分激励策略，形成一套知识收集覆盖面广而又精准高效、知识分类科学合理、知识应用方便快捷的制度化知识管理体系。 四、应用效果

说明：通过知识门户，根据知识分类、知识关键字全文检索快速搜索定位知识；快速获取热点知识，最新知识；可对知识进行评价和回复，可提出知识诉求。 说明：通过统一全文检索浏览界面，按关键字对知识进行全文检索，并按知识更新先后顺序、知识热点先后顺序排序展示。 五、产品功能

专家系统及其应用

专家系统及其应用 计算机12班马洪旭 01055050 mhx1220@https://www.wendangku.net/doc/7c5704797.html, 一．专家系统的基本概念 1．何谓专家系统 专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。 为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家助手的作用。 开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。随着计算机科学技术整体水平的提高，分布式专家系统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。 2．专家系统的基本结构 专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。 在其中，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系

专家系统的应用实例专家系统及其在教育中的应用研究

专家系统的应用实例专家系统及其在教育中的应用研究专家系统及其在教育中的应用研究 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 xx年 06 月 20 日 专家系统及其在教育中的应用研究

摘要：作为人工智能应用研究的一个重要分支，专家系统被广泛应用于各个领域并取得了巨大的成功。本文在介绍专家系统的内涵、基本结构原理和发展趋势的基础上对专家系统在教育领域中的应用 现状作了探讨，分析了专家系统与计算机辅助教学、网络远程教学的结合应用以及在辅助教育教学方面的其他应用。 关键字：人工智能；专家系统；ITES ；ICAI ；IDSS 一、引言 信息技术的飞速发展正以一种前所未有的深度和广度渗透到社会的方方面面，改变着人们的生活。其中，对于人工智能领域的关注和研究一直领跑于信息技术的前沿，标志着社会发展的智能化趋势。而人工智能中最接近实际应用、发展最快、效益最显著的当属专家系统。可以说“专家系统是人工智能从幻想到实践，再由实践到理论的主角川¨。从1965年世界上第一个专家系统诞生至今，随着知识工程的深入研究，以及专家系统的理论和技术的不断发展，使得专家系统的应用渗透到几乎各个领域，并在实际应用中产生了巨大的经济效益。当今社会对教育现代化的呼吁和关注，使专家系统在教育中的应用也越来越得到人们的重视，且具有广阔的发展前景。尤其是专家系统与传统的计算机辅助教学、网络远程教学的结合，更能满足学生的个性化学习需求，充分体现了教与学的灵活性、互动性和适应性，同时，

专家系统在辅助教育教学中的其他应用也极大地促进了教育信息化 的发展。 二、有关专家系统 专家系统(Expert System)是人工智能应用研究中最活跃、最成熟的一个领域。专家系统的实质就是一种具有特定领域内大量知识和经验的计算机智能程序系统。它包括两个方面的含义。首先，专家系统是一种智能程序系统，因此，它不同于一般的程序系统，是一种能够运用已有知识和经验进行推理、判断与决策并对结论的推理过程作出解释的启发式程序系统。其次，专家系统的智能领域专家的知识和经验，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平，而且能够在运行过程中不断积累和更新知识，和人类专家相比更具持久性、灵活性和一致性。专家系统又可称为“基于知识的系统”。这种基于知识的系统以知识为中心，以逻辑推理为手段解决问题。因此，专家系统的核心内容是知识库和推理机制，其主要组成部分是：知识库、推理机、综合数据库、解释机构、知识获取机构和用户界面。其一般结构如图1所示： 领域专家、知识工程师

人工智能习题&答案-第6章-专家系统

第六章专家系统 6-1 什么叫做专家系统?它具有哪些特点与优点? 专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。 特点： (1)启发性 专家系统能运用专家的知识与经验进行推理、判断和决策 (2)透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。 (3) 灵活性 专家系统能不断地增长知识，修改原有知识，不断更新。 优点： (1) 专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。 (2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。 (3) 可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。 (4) 专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力。 (5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力，它拥有更渊博的知识、更丰富的经验和更强的工作能力。 (6) 军事专家系统的水平是一个国家国防现代化的重要标志之一。 (7) 专家系统的研制和应用，具有巨大的经济效益和社会效益。 (8) 研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。

农业专家系统发展的概况与前景

作者简介 孙曰波(1971-),男,山东威海人,讲师,从事园林植物栽培和设施园艺的教研工作。 收稿日期2006-06-30 农业专家系统(Expert System ,简称ES)也可以叫智能系统,是基于知识的程序设计方法建立起来的计算机系统,是人类专家的一种模仿物,研制农业专家系统的目的是为了把农业专家多年积累的知识和经验,应用计算机技术,克服时空限制,在较短的时间内得以广泛的应用,使专家的知识和经验变为生产力。专家系统应用在农业上的各个领域,涉及到作物生产管理、施肥、节水灌溉、品种选育、温室管理、病虫害防治、杂草控制、水土保持、森林环保、家畜饲养、食品加工、财务分析、农业机械选择、市场管理等方面,有些系统已成为商品进入市场。以农业专家系统为主要内容的农业知识工程越来越为人们所认识,并有广阔的应用发展前景。1专家系统的发展 1.1产生阶段(1965~1971年) 1956年人工智能产生,为专 家系统的诞生奠定了基础。1965~1968年美国Stanford 大学 计算机系Feigenbaum 等根据化合物的分子式及其质谱数 据,研制出帮助化学家推断分子结构的计算机程序系统 DENDRAL ,获得极大的成功。该系统解决问题的能力已达到专家水平,在某些方面甚至超过同行领域的化学家。这标志着人工智能的一个新的研究领域———专家系统的产生。 1.2成熟阶段(1972~1977年)这一时期专家系统的观点逐渐被人们广泛接受,从而先后出现了一批卓有成效的专家系统,典型代表是1974年E .H .Shortliffe 等研制的用于治疗感染性疾病的MYCIN 系统。在此期间,知识组织形式、系统的人机接口、解释机制、知识的获取、不确定性推理等技术得到了进一步的发展和成熟。 1.3发展阶段(1978年以后)这一时期专家系统渗透到了非常广泛的领域。第一个农业专家系统在美国的伊利诺斯大学诞生,我国的农业专家系统研究起步较晚,但发展较快。自20世纪80年代也开始了农业专家系统的研究。2专家系统在农业上的应用 2.1在国外农业上的应用在国外,农业信息系统研究始于20世纪60年代,初期它仅仅是由农业数据库和数据库管理程序构成。60年代中期,美国斯坦福大学Feigenbaum 等研制了第一个专家系统。从此,人工智能专家系统发展起来,并迅速渗透到各个领域,在农业上应用更是方兴未艾。 此类专家系统的研制和应用已成为高新技术应用于农业生产的成功实例。比较有名的专家系统有:PLANT/ds 、ICCS 等,涉及多种作物的病虫害诊断、预测与管理、施肥、防御低温冷害等,一般用于解决带有经验性的定性问题。作物模拟模型在荷兰和美国创立,而园艺作物模型出现在70年代末80年代初,作物模拟模型与农业专家系统的研究和应用表明了农业科学开始进入计算机信息时代。80年代,出现了以农业专家系统为主进而与作物模型、GIS 等相结合向深度发展的趋势,并大面积应用于生产。较为典型的有美国棉花管理专家系统Cotton++、APSIM 等。90年代以来,农业专家系统、作物模型、3S 技术之间的集成已成为信息技术领域研究的热点之一,印度、加拿大等将AEGIS/Win 与RS 模型、专家系统等结合进行干旱地区决策、农业生产模式等领域的深层次决策支持系统研究与应用。 2.2在我国农业上的应用我国农业专家系统的研究始于20世纪80年代初,国家科技部曾明确提出:“以农业专家系统为突破口,发展我国的农业信息技术”。早在1985年由中国科学院人工智能所开发的“砂姜黑土小麦施肥专家咨询系统"在安徽省淮北平原得到很好的推广应用。此后,“七五”、“八五”期间,国家科委、农业部先后支持了一些作物专家系统及其工具、作物生长发育模型、农业生产管理系统等的开发,并取得了一些重要成果,在农业生产和管理中发挥了重要作用,有些成果已达到了国际前沿水平。如中国科学院合肥智能机械研究所采用先进的知识工程方法,与各类农业专家紧密结合,开展了农业专家系统的广泛研究和应用,研制了小麦、棉花、番茄等作物的田间管理、施肥和病虫害防治等专家系统,并开发了可以由农技人员直接使用的各种专家系统工具。这些系统能模仿农业专家推理并给出决策咨询,部分代替农业专家走向田间地头,进入农家,对于提高农民素质、促进农业生产具有重要意义。自1992年开始,国家“863计划"智能计算机系统主题组织了农业专家系统的研制与应用推广工作,以农业专家系统为代表的智能化管理系统形成了成熟的技术,北京市农林科学院等科研单位均研制出了各具特色的农业专家系统开发平台,得到不同程度的应用和推广。在此基础上,科技部、国家863计划306主题专家组与地方政府合作,“九五"期间国家863计划专门设立了智能化农业信息应用主题,重点对水稻、小麦、玉米、棉花等作物的引种与良种推荐、合理施 农业专家系统发展的概况与前景 孙曰波,任术琦,丁世民 (潍坊职业学院,山东潍坊261041) 摘要简要论述了国内外农业专家系统的发展概况,提出我国农业专家系统发展中存在的问题,阐述了农业专家系统的发展前景。关键词农业专家系统;发展概况;前景中图分类号S126文献标识码A 文章编号0517-6611(2006)20-5445-02Development and Perspective of Agricultural Expert System SUN Yue 蛳bo et al (Weifang Vocational College,Weifang ,Shandong 261041) Abstract The development of agricultural expert systems in China and foreign country was introduced,and the problems were pointed out and the perspective was presented. Key words Agricultural expert system ;General situation of development;Perspective 安徽农业科学,Journal of Anhui Agri.Sci.2006,34(20):5445-5446责任编辑罗芸责任校对罗芸

材料设计专家系统

（ 、 《计算机在材料科学中的应用》 结课作业 题 目：计算机用于新材料的设计 班 级： 姓 名： 学 号： 二零一一年五月

计算机用于新材料的设计 ——材料设计专家系统 21世纪是一个全新的数字信息时代，人们的生活、娱乐、办公、学习都离不开计算机的帮助。不仅如此，它改变了包括各个学科领域在内的世界面貌。21世纪伴随着信息产业的发展，计算机在软硬件方面都取得了长足的进步，而网络技术、信息高速公路的出现，是计算机的应用已远不止科学计算，更成为科技领域存储、传输、处理、加工数字化信息的工具。 在20世纪50年代科学家就设想用计算机进行“材料设计”，其旨是通过理论与计算机预报新材料的组分、结构与性能，或者是通过理论设计来“订做”具有特别性能的新材料，按生产要求“设计”最佳的制备与加工方法。在“材料设计”的研发下，人工智能在20世纪中叶产生并迅速的发展了起来。人工智能的研究是要分析人类的思维过程或人类智能可能具有的功能，并在计算机系统中模拟实现。而专家系统是人工智能研究领域中最活跃、最具实现价值的应用领域之一。 把专家系统应用于我们的材料设计之中，便诞生了材料设计专家系统。材料设计专家系统是指具有相当数量的与材料有关的各种背景知识，并能运用这些知识解决材料设计中有关问题的计算机程序系统。最理想的专家系统是从基本理论出发，通过计算和逻辑推理预测未知材料的性能和制备方法。但由于影响材料的组织结构和性能的因素极其复杂，这种完全演绎式的专家系统还难以实现。目前的专家系统是以经验知识和理论知识相结合为基础的。 一个完整的材料设计专家系统通常由知识库、工作数据库、推理机、知识获取机制、解释机制和人机接口六个部分组成。材料设计专家系统根据用户提出的有关材料性能的要求，以综合材料数据库为出发点，在控制策略的引导下，由推理机运用知识库中的有关知识，通过不断的探索推理以达到目标。材料设计专家系统的工作过程是以知识为基础、对目标问题进行求解的过程，是一个搜索过程。

专家系统与人工智能的应用

专家系统 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 2013年6月20 日

专家系统与人工智能的应用 摘要：人工智能有许多备受关注的领域，如自然语言理解，人工神经系统，专家系统。 专家系统（Expert System）就是对传统人工智能问题中智能程序设计的一个非常成功 的近似解决方法；是人工智能从一般思维规律探索走向专门知识利用，从理论方法研究 走向实际系统设计的转折点和突破口。它作为典型的“知识工程”系统，既是知识表达、 只是存储、只是推理、知识获取、知识管理技术的综合应用对象，也是研究和开发知识 工程技术的工具。从这个意义上说，它促进了计算机软件、硬件和系统从数据信息处理 向知识信息处理的发展。近年来，专家系统在理论研究和实际应用方面取得了令人瞩目 的成就。在管理决策领域，专家系统也愈来愈受到人们的关注，取得了巨大的发展。 1. 引言 专家系统的第一个里程碑是斯坦福大学根鲍姆等人于1968年研制成功的分析化合物分子结构的专家系统——DENDRAL系统。此后，相继建立了各种不同功能、不同类型的专家系统。MYCSYMA系统是麻省理工学院（MIT）于1971年开发成功并投入应用的专家系统，用LISP语言实现对特定领域的数学问题进行有效的处理，包括微积分运算、微分方程求解等。DENDRAL和MYCSYMA系统是专家系统的第一阶段。这个时期专家系统的特点是高度的专业化，专门问题求解能力强，但结构、功能不完整，移植性差，缺乏解释功能。 20世纪70年代中期，专家系统进入了第二阶段——技术成熟期，出现了一笔成功的专家系统。具有代表性的专家系统是MYCIN、PROSPECTOR、AM、CASNRT等系统。MYCIN 系统是美国斯坦福大学研制的用于细菌感染性疾病的诊断和治疗的专家系统，能成功地对细菌性疾病做出专家水平的诊断和治疗。它是一个结构完整、功能全面的专家系统。它第一次使用了知识库的概念，引入了可信度的方法进行不精确推理，能够给出推理过程的解释，用英语与用户进行交互。MYCIN系统对形成专家系统的基本概念、基本结构起了重要的作用PROSPECTOR系统是由美国斯坦福研究所开发的一个探矿专家系统。由于它首次实地分析华盛顿某山区一带的地质资料，发现了一个钼矿，成为第一个取得显著经济效益的专家系统。CASNET是一个与MYCIN几乎同时开发的专家系统，由拉特格尔（Rutger），大学开发，用于青光眼诊断与治疗。AM系统是由斯坦福大学于1981年研制成功的专家系统。它能模拟人的类进行概括、抽象和归纳推理，发现某些数论的概念和定理。 第二阶段专家系统的特点是： ①单学科专业型专家系统。 ②系统结构完整，功能较全面，移植性好。 ③具有推理解释功能，透明性好。

浅谈农业专家系统

浅谈农业专家系统 摘要：本文通过查阅和分析文献资料的方法，总结了农业专家系统的发展概况以及我国农业专家系统的主要应用领域以及在发展过程中遇到的问题，并就农业专家系统的发展现状对其发展趋势和前景进行了简单预测。 关键词：农业专家系统，发展概况，问题，发展趋势 引言 随着我国加入WTO, 传统型农业将面临巨大的挑战, 因而必须依靠先进的科学技术, 向信息化、现代化农业迈进。信息技术的广泛应用, 为精确农业的发展提供了技术支持。精确农业在美国等发达国家已取得长足发展，但在我国尚处于起步阶段。精确农业代表农业的发展方向, 以农业专家系统为特征，发展精确农业是我国农业信息化、现代化的一条新路。农业专家系统也可叫农业智能系统, 是一个具有大量农业专门知识与经验的计算机系统。它应用人工智能技术, 依据一个或多个农业专家提供的特殊领域知识、经验进行推理和判断, 模拟农业专家就某一复杂农业问题进行决策。目前国际上有近百个农业专家系统, 广泛应用于作物生产管理、灌溉、施肥、品种选择、病虫害控制、温室管理、畜禽饲料配方、水土保持、食品加工、财务分析、农业机械选择等方面, 有些系统(如哥伦比亚大学的梯田管理系统)已成为商品进入市场。与欧美等发达国家相比较来看，我国农户生产规模小而分散，农业科技素质差，习惯于传统粗放的经营方式，对农业生产知识技术有很大的需求。再加上农业专家的缺乏，因此广泛推广运用农业专家系统对我国农业和农村发展有着十分重要的意义。 1.农业专家系统的含义及其特点 1.1 含义 农业专家系统是运用人工智能知识工程的知识表示、推理、知识获取等技术，总结和汇集农业领域的知识和技术，农业专家长期积累的大量宝贵经验，以及通过试验获得的各种资料数据及数学模型等，建造的各种农业“电脑专家”计算机软件系统。该系统以形象直观的方式向农业生产者提供各种农业问题的咨询服务与决策方案，使计算机在农业活动中起到类似人类农业专家的作用。 1.2 特点 启发性，能运用专家知识和经验进行判断。 透明性，能解释本身的推理过程，能回答用户提出的问题。 灵活性，能不断地增长知识、修改和完善原有知识。 综合性，能解答种子、土肥、植保、农经等多专业问题，克服了单个农业专家的专业局限。

专家系统概述

一般专家系统构造所需考虑的关键技术的讨论 张永红 哈尔滨工程大学信息与通信工程学院，黑龙江省哈尔滨市 150001 摘要:本文在叙述了人工智能科学技术的发展概况之后，同时粗略的分析力专家系统的发展情况。总结梳理了完成一项专家系统设计所需的关键技术的分析，给出了一般专家系统构造是在各个环节可以考虑和运用的技术。并对各个可用的技术进行了比较分析。总结目前在专家系统设计上飞瓶颈问题和突破口。 关键词 :专家系统，人工智能，知识表示，推理 Abstract:This paper describes the overview of the development of artificial intelligence, science and technology, while rough analytical expert system development. Summary combing analysis of the key technologies required to complete an expert system design, gives the general expert systems can be considered and the use of technology in all aspects. And a comparative analysis of the available technology. Summarizes the current bottlenecks and a breakthrough fly in expert system design. key: Expert System ,Artificial Intelligence Knowledge Representation , Reasoning 1 引言 自1965年提出专家系统的概念，至今已经过去整整半个世纪了，回顾它的发展历史，专家系统在各个领域的应用已经非常广泛了，这一点不仅可以从网络学术文献搜索的数量和文献研究的领域上，还是实际产品的开发用运上都可以印证。但是由于专家系统是人工智能科学的直接产物，而人工智能的发展始终徘回而前进缓慢。人工智能的主要研究领域有： （1）符号智能：符号智能以物理符号系统为基础，研究知识表示、获取、推理过程。 （2）计算智能：计算智能包括神经计算、模糊系统、遗传算法、进化程序设计等。神经计算是从神经生理学和认知科学的研究成果出发，应用数学方法描述非程序的和适应性的、大脑风格的人工神经网络信息处理的本质和能力。 而符号智能的研究进展缓慢，这主要是人工智能的在解决知识表示与表示的基本理论和方法这一关键理论问题上还未有完满的结果。这导致以其为基础的人工神经网络、专家系统等的发展各自在不同的小领域内进行突破前行。 1958 年麦卡锡发明了表处理语言LISP。由于 LISP 语言可以方便地处理符号，很快成为人工智能程序设计的主要语言。人工智能经历了自然语言的机器翻译、鲁滨逊 （J.A.Robinson）于 1965 年提出的消解法、神经网络研究等一次次高潮，但是由于人们忽视了现实世界的复杂性和问题的多样性，人工智能的早期研究只能停留在实验室里进行。人工智能研究遇到了比想象的要严重得多的压力和困难。 60 年代中期以后，人工智能由追求万能、通用的一般研究转入特定的具体研究，通用的解题策略同特定领域的专业知识与实际经验结合，产生了以专家系统为代表的基于知识的各类人工智能系统，使人工智能真正走向社会，走向实际应用研究。斯坦福大学的费根鲍姆（E.A.Feigenbaum）于1965 年开创了基于知识的专家系统 （ Expert System）这一人工智能研究的新领域。 80 年代末，神经网络得到飞速发展。