人工智能在熱帶風暴潮防災減災中的應用

李翔

摘 要：熱帶風暴潮是中國沿海一帶最常見、也最嚴重的海上災難。在熱帶風暴潮防災減災、應急救援管理方面存在困難，也是當前急需解決的問題。在人工智能理論的基礎上，同時采用最好的生產技術，應用以信譽為基礎的向前推理策略和數據挖掘智能學習法，對知識庫和推理機進行研究，從而設計了一種具有實際操作性的熱帶風暴防災減災人工智能技術。

關鍵詞：熱帶風暴潮；防災減災；應急管理；輔助決策系統

中圖分類號：TB 文獻標識碼：A doi：10.19311/j.cnki.1672-3198.2018.36.102

1 引言

人工智能是20世紀三項復雜的科學技術成就之一（分別是：人工智能、原子能和空間技術）。盡管人工智能最初是作為20世紀計算機科學的一個分支被提出，現在已經發展成一項交叉學科，被應用在計算機科學、心理學、生物學和神經系統科學等多領域。

專家系統（ES）是人工智能領域最活躍、應用最廣泛的技術。自20世紀60年代，專家系統作為一種研究工具被開發，Edward Feigenbaum，斯坦福大學教授，將專家系統定義為“一種智能計算機程序，僅通過一個專家庫中的知識和判斷程序，可以解決很多復雜問題”。在20世紀70年代，專家系統逐漸被廣泛接受。在20世紀80年代，專家系統開始應用到商業目的，并創造出了商業價值。自20世紀90年代，專家系統進入到了高速發展階段。目前，專家系統被廣泛應用到了幾乎所有領域，比如商業、科學、工程和制造業等。

然而，國內在這方面的研究還比較晚，在1977年，國內成功的研發了第一款人工智能，1981年，先后成立了中國人工智能協會等相關智能團體，自1986年，相關大型項目被列入到國家高科技研究計劃。在21世紀，越來越多的ES研究從各類基金計劃中獲得了支持。

熱帶風暴潮是世界海上災難中主要的一種，然而，中國與西北太平洋海域相鄰，是自然災害的高發區。因此，國家計劃通過科學和教育來發展海洋（2008-2015，國家海洋局），這體現了國家對海洋自然災害（如暴風潮、赤潮、漏油事件、海冰、海嘯、海平面上升等）方面的應急管理指導思想和要求。通過應用專家系統理論，結合計算機、時間和空間信息、數據庫技術，設計了關于熱帶風暴潮的防災防損的專家系統，為建立和實施防災減災應急系統，甚至是為熱帶風暴潮災害系統下的整個決策支持系統提供參考。

2 系統的基本結構

熱帶風暴潮的防災減災系統是跨越多個學科的前沿系統工程，然而，制定熱帶風暴潮防災防損專家們，不太可能把海洋、安全和信息技術等知識，以及豐富的防災減災實踐經驗，超強的解決問題的能力，整合在一起，進而提供良好的技術支持和幫助。

熱帶風暴潮和防災減災的有效性，取決于應急反饋的速度和應急救援的效率。需要制定合理的解決方案，并提供相應的決策，使決策工具成為提高速度和效率的有力保證和技術手段。

熱帶風暴潮人工智能防災減災的8種模型如下：

（1）人工機器交互模型：通過多模型用戶界面技術（MUI），新的互動渠道（間隙、聲音和手勢等），設備、綜合技術、使用者，都允許自然的使用人機對話，平行的、多渠道合作，因此，用戶的互動意圖可以通過從多渠道不準確和準確的輸入值中捕捉到，這樣人機互動中的自然性和高效性得到提升。

（2）解釋和分析模型：可以通過根據用戶和系統容易接受的方式，解釋和分析問題、知識、推理和結論。

（3）知識獲取模型：可以通過半自動和全自動方式獲得來自內部環境的知識。

（4）知識庫模型：知識庫一般包括專家經驗和領域知識，同時，也是一種知識和數據的存儲庫，在知識庫中，可以通過知識獲取、推斷和智能學習來提供權威知識和數據，可以被分為事實數據庫、規則數據庫和知識數據庫。

（5）推理機模型：該模型用于控制和調整整個人工智能的核心部分。

（6）可靠性分析模型：這是一個不精準的推理模型（IR），并通過可信性因素對目標的可信度進行計算。

（7）聰明的學習模型：這是一個數據挖掘模型。

（8）結論模型：根據推理結果和可信度計算來產生輸出結果。

3 關鍵技術

3.1 知識庫模型

熱帶風暴潮防災減災受到很多因素的影響，因此，要根據熱帶風暴災害的實際情況，選擇理想的應急響應系統，比如：等級、影響范圍和行進路線、當地的海岸線和地形結構，不僅僅是人工智能的問題，也是內容框架溝通的一個系統的知識庫。

知識體系的質量，知識庫的知識組織、表達和存儲方式，將對推理機的推理效率，在知識庫中對知識的綜合整理和更新，以及專家系統解決問題的能力，產生直接影響。

在熱帶風暴潮防災減災知識庫中的知識，來自海洋專家、安全專家、富有經驗的應急救援人員、案例、防災防損文檔和材料、有關部門的應急計劃等隱形知識。

知識表達是知識工程的關鍵技術之一。防災方面的知識主要總結如下：

（1）事實性知識：這是指對客體及其概念特征的認識和相互關系，問題解決條件，是決策規則和推理規則的基礎。

（2）啟發式知識：這是指與領域有關的問題解決的知識，以案例和經驗來表達，也是推理機操作的信息。這種信息可以在程序知識中，通過分類等方式編制成規則。

（3）根據實際情況應用，比如生產表達、語義網絡、架構表達、本體表達、謂詞邏輯、主語中心表達，都接近于人類思想、自然易懂的、自由添加刪減和改變的規則等，而且通過關系數據庫將語言進行組織、保存和管理。

3.2 推理機模型

推理機是人工智能思考的核心方法。推理機的設計與知識表達方法是非常相關的，因此，知識推理機應該用合理的推理機械進行操作，具備高效準確的問題解決能力。在該系統中，采用從事實出發的前向推理，同時基于可信度，匹配相應的沖突解決策略。

首先應將事實基礎輸入推理機模型，然后，對數據庫中是否包含問題的解決方案進行檢查。

3.3 智能學習模型

從國內人工智能的實際情況來看，由于用人單位的人員結構偏差、技術人員結構缺陷，困難在不斷擴大，實時修改、知識庫的研究和發展，越來越明顯的成為發展瓶頸。在理想熱帶風暴潮防災減損人工智能學習模型中，數據挖掘引擎是數據挖掘系統的最基本部分，可以用于相關性、演化和變異分析。

參考文獻

[1]Nils J.Nilssorr. Artificial Intelligence A New Synthesis[M].Morgan Kaufmann，1999.

[2]Joseph C.Giarratano. Expert Systems： Principles and Programming，Fourth Edition[M].Course Technology，2006.

[3]George F.Luger. Artificial Intelligence： Structures and Strategies for Complex Problem Solving，4E[M]. Pearson Education，2004.