采矿方法选择辅助决策专家系统

刘晓亮,褚洪涛

(1.长沙矿山研究院, 湖南长沙 410012;2.国家金属采矿工程技术研究中心, 湖南长沙 410012)

采矿方法选择辅助决策专家系统

刘晓亮1,2,褚洪涛1

(1.长沙矿山研究院, 湖南长沙 410012;2.国家金属采矿工程技术研究中心, 湖南长沙 410012)

通过对采矿方法专家系统的研究现状进行分析,总结各种采矿方法选择专家系统的优缺点,提出采矿方法选择辅助决策专家系统。该系统并不追求单一的结果,而是通过对多个目标进行分析、计算、倾向性排序,辅助决策者进行采矿方法选择,能够最大限度的利用计算机和人脑的优势进行采矿方法选择决策。

采矿方法选择;辅助决策系统;倾向性排序;专家系统

采矿方法的合理与否直接影响着矿山的安全、经济及高效生产。采矿方法选择专家系统的引入能够更加充分利用采矿领域采矿方法选择的经验、理论、策略,更加快捷、全面的选择出合适的采矿方法。由于采矿方法选择需要考虑的因素太多,并且其中一些因素因时间、地点、个人倾向的不同而不同,故采矿方法选择专家系统多针对特定的矿体,没有得到普遍推广。本文综合之前采矿方法选择系统的成功之处,创新性提出采矿方法选择辅助决策专家系统。

1 采矿方法选择专家系统

1.1 专家系统简介

专家系统是1970年代兴起的一门计算应用科学,是以广泛的人工领域专家知识为基础,应用推理方法模拟领域专家思维与解决领域问题的过程的计算机程序,它同模式识别和智能机器人构成了人工智能科学的三大前沿领域。

一个成功的专家系统,应当是综合吸收了本领域的理论知识和众多领域专家的实践经验及解决实践问题的策略,并且能够模拟专家的求解思维过程去解决本领域的问题。专家系统不仅能使领域专家的知识与智能得以充分发挥,同时作为计算机程序的专家系统又具有不受人心理因素、地域因素、时间因素的影响,以及方便,灵活、准确、快速的优点。专家系统作为一种有效而实用的工具,为人类提供了保存、传播、利用和评价领域专家知识和经验的一种有效手段。

一个专家系统有两个主要的组成部分:知识库和推理机。图1表示了知识库、推理机与知识工程师(KE,KnowledgeEngineer)、领域专家(DE,Domain Expert)之间的关系。

图1 专家系统基本结构

1.2 专家系统研究现状

采矿方法选择专家系统在采矿方法选择中应用较广泛,如采矿方法选择专家系统、采矿方法选择神经网络专家系统、集成多属性效用理论和专家系统的采矿方法选择决策支持系统、基于问题原型的采矿方法选择专家系统、层次分析决策方法、采矿方案的模糊优选、模糊集理论等。

采矿方法专家系统包含了采矿方法决策、分类知识和查询模块3大模块,结构较完整、功能丰富。但此系统推理机判断形式单一,在处理相互影响的参数时将力不从心;系统人机界面采用命令问答形式,不利于进行参数录入、查看和修改。

采矿方法选择神经网络专家系统具备神经网络所特有的智能程度高的特点,此系统不仅使专家系统具有处理复杂问题能力,同时也使专家系统具有自我学习、完善能力。但是,相对于基于规则等流行结构的专家系统,神经网络专家系统结构十分复杂,其研发要困难很多。并且神经网络专家系统结构复杂,开发时容易出错,调试、维护困难。要使采矿方法选择神经网络专家系统能够根据冗繁复杂的条件选出适合的采矿方法,需要投入大量的人力、物力和时间,限制开发与推广。

多属性效用理论应用于采矿方法选择专家系统的成功之处在于把复杂的问题条理化、简单化,这使得采矿方法专家系统的目的不再是一味的追求完全满足的单一目标,而是通过将采矿方法选择结果进行不同倾向性排序,提供决策支持。虽然多属性效用理论给专家系统在采矿方法选择的应用中的提供了一个新思路,但是矿山开采的倾向性会因矿体的开采、环境的改变而改变,如果仅靠倾向性排序而确定某个适合矿山开采的采矿方法是十分困难的。

从采矿方法(方案)选择的相关参考文献来看,神经网络理论、多属性效用理论、模糊数学理论多用于特定的矿体采矿方法选择、分析、优化,并未形成普遍适用的专家系统,虽在相关文献中有提及,但未见详细描述或普遍推广应用实例。

2 采矿方法选择辅助决策专家系统

2.1 系统特点

综合之前各种采矿方法专家系统的成功之处,提出采矿方法选择专家系统设计新思路:不使用采矿方法专家系统去追求完全单一目标,而是通过对多个目标进行分析、计算、倾向性排序,决策者在排序结果中选择满足其倾向性的采矿方法。这样不仅利用了计算机程序在大量数据上处理上的优势,给决策者创造更大的选择空间,也发挥人类在处理动态问题的优势;不但降低了专家系统的研发难度,同样也使得采矿方法选择结果更加符合实际。

2.2 系统组成

采矿方法选择辅助决策系统有6个模块组成:采矿方法知识库(MMKD,Mining Method Knowledge Database)、推理机(IE,In ference Engine)、解释器(IP,Interpreter)、知识收集器(KC,Knowledge Collector)、知识查询器(KQE,Knowledge Query Engineer),系统用户界面(UI,User Inter face)。

采矿方法知识库中主要存贮了采矿方法知识子库和采矿方法选择判断规则子库两部分内容。采矿方法知识子库内存储了采矿方法分类、适用矿体参数、应用情况、技术经济指标等数据,采矿方法选择判断规则子库内存储了采矿方法选择判断规则和响应的解释记录。

推理机的功能是模拟采矿专家选择采矿方法的思维,通过调用采矿方法知识库中的内容进行分析、倾向性排序。

解释器用来解释系统推理机做出判断的依据,是实现系统透明性的主要部件。

知识查询器主要用于采矿方法相关知识的查询,如典型方案图、实际应用情况、技术经济指标等的查询。

知识收集器有两大主要功能:系统研发人员通过知识收集器对采矿方法知识库内专家知识进行修改、优化、补充;用户通过知识收集器提交应用回馈信息。

用户通过用户图形界面与专家系统进行专家系统各项功能操作,以实现数据输入、知识查询、推理解释等功能。

2.3 实现过程

2.3.1 系统实现过程

用户通过UI输入矿体赋存参数、技术经济参数、开采特殊性要求等数据。IE调用用户输入的参数,结合采矿方法知识库中的信息,按照推理规则推理。IP对推理过程中的各个步骤进行实时追踪、记录、解释。在推理过程完毕之后,推理结果将存储至MMKD,同时由UI进行输出。用户通过KC反馈使用信息,也能通过KQE查询采矿方法具体应用实例。图2为系统的结构与流程。

图2 采矿方法选择辅助决策系统结构与流程

2.3.2 采矿方法知识库

采矿方法知识库主要由矿山基本信息、矿山地质条件、矿床赋存要素、采矿方法名称、矿床开采特殊要求及技术经济指标等数据构成。其中采矿方法分类及命名属于描述性知识,将采矿方法名称类参数化后存储,如CT_UP_FC_DZ表示“点柱上向分层充填法”。判断规则以判断语句形式存储,解释规则以文字描述形式存储。

2.3.3 推理机实现过程

本系统主要采用正向推理方式,基本思想是从已知事实出发,应用产生式规则,经过逐步推理得出结论。本系统推理机由两个模块组成,第一个模块是采矿方法初选,其功能是根据矿山地质条件、矿体赋存情况等自然因素,参照MMKD中的采矿方法,淘汰技术不可行的采矿方法;第二个模块是倾向性分析,其功能是结合MMKD中类似矿山的技术经济指标,将初选的采矿方法进行如倾向于额外安全考虑、最高矿石回收率、最快收益、最低开采成本、最高开采效率等方面的计算、分析、排序。从而实现给投资者提供采矿方法选择倾向性建议。

2.3.4 解释器实现过程

解释器负责回答用户提出的问题,解释专家系统做出判断的依据,是实现系统透明性的主要部件。解释器有两个部分组成:监视程序和解释记录。监视程序集成于推理机中,当推理机进行某步骤的推理需要进行解释时,自动调用监视程序,监视程序调用相应的解释记录进行解释。解释记录存储在MMKD中,由问题编号和解释内容构成。

3 总 结

本文通过对采矿方法选择专家系统、神经网络专家系统、集成多属性效用理论和采矿方法选择决策支持系统等进行研究,根据采矿方法选择的特点,提出一个新的专家系统设计思维:专家系统最终的目的不是要选择出能够满足决策者全部需求的单一采矿方法,而是通过对所有满足矿山开采技术条件的采矿方法进行不同倾向性排序,给决策者提供决策参考,辅助其采矿方法选择决策。这不仅大大减轻了专家系统的研发难度,同时也利用人脑根据实际进行动态决策采矿方法,使采矿方法的选择结果更加准确、更加符合实际需求。

[1]蒋瑾瑜.关于采矿方法选择的专家系统设想[J].有色冶金设计与研究,1998,19(2):17～200.

[2]娄富昌,等.地下金属矿山采矿方法选择及应用[J].世界矿业快报,1992,12:27～46.

[3]杨洪军,等.基于问题原型的采矿方法选择专家系统的研究[J].黄金,1997,18:19～22.

[4]王广成,等.采矿方法选择:集成多属性效用理论和专家系统的决策支持系统[J].国外金属矿山,1996,(1):24～27.

[5]冯 定.神经网络专家系统[M].北京:科学出版社,2006:1～11.

[6]黄可鸣.专家系统[M].南京:东南大学出版社,1991.

2010-02-05)

刘晓亮(1984-),男,甘肃兰州人,硕士,助理工程师,主要从事采矿工艺及矿山数字化研究工作,E-mail:lightlau@msn.com。