基于本体推理的水电站水工建筑物安全决策模型

广西电力职业技术学院 陈星豪 李裕勇

基于本体推理的水电站水工建筑物安全决策模型

广西电力职业技术学院 陈星豪 李裕勇

为了更好地使用科学技术来指导水电站水工建筑物安全决策问题，本文引入本体的概念，提出了安全决策模型。通过OWL描述语言，构建水电站水工建筑物安全决策领域本体。同时，制定推理规则，对水电站水工建筑物监测数据进行推理，从而达到决策的目的，避免了决策过程中根据专家经验判断所带来的主观性影响。实验结果表明，此模型具有高效、智能化、语义性等特点，对水电站水工建筑物安全决策具有一定的指导意义。

本体推理；智能化；水电站；水工建筑物；安全决策

1.引言

水利工程是关系到国计民生的重大工程，而水工建筑物又是水利工程安全有效运行的重要基础。大型或重要的水工建筑物失事，常会造成重大灾害。水电站水工建筑物大坝迎水面、泄水建筑物、门槽、防冲段等隐蔽工程常年处于水下，其安全状况常常直接影响大坝的正常安全运行。

水电站水工建筑物类型众多，在水电站运行的过程当中会监测到大量的相关数据。这些大量的监测数据反映了水电站运行的安全情况，有的数据能反应水工建筑物的安全隐患，有的则是需要挖掘才能捕获到安全隐患；另外，有些数据单独反应情况良好，但是组合起来可能也会存在安全隐患，甚至会带来连锁的灾害。面对如此大量且复杂的数据，必须采用相关的信息技术将所有信息有机得整合在一起，才能实时地解读和挖掘出隐藏的安全隐患。现阶段，对于水工建筑物安全隐患的诊断基本是通过专家主观经验打分来进行判断，这对预警效果的逻辑性和实时性造成一定的负面影响。

本体这个术语最初来自于哲学，是形而上学的一个分支。用于定义相关领域内词汇的本身定义以及相互关系，并且根据这种本身的关系可以确定相关规则的定义。本体可以应用到各个行业当中。本文引入本体的概念，通过OWL描述语言，构建水电站水工建筑物安全决策领域本体。同时，制定推理规则，对水电站水工建筑物监测数据进行推理，从而达到决策的目的。避免了决策过程中专家根据经验判断所带来的主观性影响。

2.安全决策模型

2.1 系统模型

水电站运行过程中，对于水工建筑物的实时监测数据需采用自动化的处理技术代替人工经验判断，才能实时对水工建筑物的安全状况进行判断。本文提出的水工建筑物安全隐患预警模型，包括数据预处理模块，推理机模块等，涉及到领域知识库和领域本体库。具体框架如图1所示。

图1 模型结构图

数据预处理用来处理实时监测到数据，并转化为推理机可以进行推理的格式。推理机根据领域知识库和领域本体库结合推理规则进行相关推理，最终得出推理结果。如发现存在安全隐患则及时报警。其中推理机推理过程中所应用的领域知识库和领域本体以及推理规则采用开放接口，领域专家和工程师可以根据实际情况进行维护，具有良好的扩展性。

2.2 水工建筑物安全决策领域本体

水工建筑物按照功能性可分为挡水建筑物、泄水建筑物，进水建筑物，输水建筑物等，各种分类下还可以进行更加细致的分类。每一种具体的建筑物都有可能存在不同情形的状况，而不同的状况反映了水电站的安全情况，每一种情况应该采取什么样的决策。例如：大坝发生滑动位移应该采取抢救措施的决策。根据水电站领域专家的建议以及具体的内容分析，本文把水工建筑物安全决策领域本体分为三类，分别是：水工建筑物本体，水工建筑物状态本体，水工建筑物决策本体。

(1)水工建筑物本体

水工建筑物可分为通用性水工建筑物和专门性水工建筑物。其中通用性水工建筑物又可以分为：挡水建筑物，泄水建筑物，进水建筑物，输水建筑物等。往下再细分有各种坝、水闸、各种溢流坝、岸边溢洪道、泄水隧洞、分洪闸等。

(2)水工建筑物状态本体

水工建筑物状态本体包括各种水工建筑物的实时状态名词，用来描述水工建筑物的实时状况。例如：描述大坝坝身的状态：完整牢固、有缺口、无缺口、有滑动位移、无滑动位移、有裂缝、无裂缝等相关的名词；描述压力管道的的状态：沉陷、变形、裂缝、漏水和锈蚀等。

(3)水工建筑物决策本体

水工建筑物决策本体包括所有检测到安全隐患后所应该采取具体措施。例如：正常维护、小修、大修、抢修等维修类别，另外还有泄洪、关闭闸门、启闭机螺杆等技术类别，等等诸如此类。

2.3 水工建筑物安全决策领域本体关系经验

水工建筑物安全决策领域本体各种本体之间具有严密的逻辑关系，同时，这种关系已经经过专家理论的证明以及水电站运行过程实践证明。现实中，水电站水工建筑物的安全隐患排查以及处理正是通过这种经验关系来执行。归纳现有的相关文献资料以及结合专家的经验，可得出水工建筑物安全决策领域本体关系经验各主要本体之间的相互关系主要有3种：

(1)发生。主要用于描述水工建筑物本体与水工建筑物状态本体之间的关系，说明水工建筑物发生某些具体的状况。例如，大坝坝身发生滑动位移；压力管道发生变形；压力管道发生裂缝。

(2)采取措施。主要用于描述水工建筑物状态本体与水工建筑物安全隐患处理本体的关系，说明水工建筑物发生某些状况应该采取什么样的措施。例如，大坝发生滑动位移应该抢修；大坝水位过高应该采取泄洪措施。

(3)引发。主要描述水工建筑物状态本体之间相互影响和依存关系，说明某一水工建筑物发生某些状况是否会引发其它的状况。例如，大坝有缺口同时又滑动位移会引发溃堤。

2.4 水工建筑物安全决策领域本体建立

根据2.3节所提出的关系经验模型，采用protege作为编辑工具，OWL DL作为描述语言，建立水工建筑物安全决策领域OWL本体模型。根据Cruber在1995年提出本体建立5大基本原则来规划本体的建立流程：

(1)定义类及层次关系

通过分析并抽象出水工建筑物安全决策领域里相关概念，自顶向下构建本体的层次关系。例如，挡水建筑物是通用性水工建筑物的子类，而坝和水闸又分别是挡水建筑物的子类。使用OWL语言描述这种概念类之间的关系如下所示：

(2)定义各本体类之间的关系

通过2.3节的关系经验模型可知，水工建筑物安全决策领域各只要本体之间的相互关系主要有“发生”和“采取措施”以及“引发”三种。“发生”关系主要针对的是水工建筑物本体与水工建筑物状态本体之间的关系，顺序是不可逆的。这种关系相当于一个二元关系，前后的群体分别代表定义域和值域。“采取措施”和“引发”关系也是同样的道理。这种关系对应本体体系中的对象属性（object properties）。采用OWL描述语言描述它们的这种关系，以“发生”关系为例，具体代码如下所示：

(3)设置各本体类的属性

主要描述的是类与其实例之间关系的属性，对应本体体系中的类型属性（datatype properties）。

(4)定义同义等语义扩展关系

本体技术的一大特点是能支持本义、同义、近义和上下位的语义扩展，所以在构建本体的过程当中要将这些语义扩展关系描述出来。

(5)本体模型的修正

本体的开发和建立是一个不断修正的重复过程，采用推理机对本体模型进行逻辑推理，不断修正不合理处，最终得出健壮和稳定的本体。

(6)本体存储

OWL描述的本体知识库可以采用三种不同类型进行存储。第一种是纯文本的方式（如.OWL文件），第二种是专门的管理工具以及关系数据库。三种类型各有优点，本文水工建筑安全决策领域本体采用OWL文件存储方式保存。

3.水工建筑物安全决策推理实现

模型的推理实现过程主要包括两个步骤：首先设置并制定相关的推理规则，然后采用JANA提供的推理机接口结合其它编程工具编程进行推理，最终得出逻辑结果作为决策依据。

3.1 推理规则

Jena本身包含了大量的通用推理规则，都是是针对本体的特点而定义的，用于检查概念的可满足性，不同类之间的关系以及属性的传递、互逆、不相交等。但是，这些通用规则不一定能全部满足某些具体领域内的一些推理和信息检索的要求。根据水工建筑物安全隐患领域中各本体之间的关系特点，本研究定制自己的规则并创建特定的推理机以满足相关推理的要求。推理自定义规则包括类关系规则、实例关系规则以及属性关系规则三部分，这里仅以类关规则为例，介绍制定过程。

(1)引发传递规则

Rule1(?a sd#yinfa ?b)(?b sd#yinfa?c)-->(?a sd#yinfa c)

若状态本体a可引发状态本体b，状态本体b可引发状态本体c，则状态本体a可引发状态本体c。

(2)发生继承规则

Rule2(?a rdf:subClassof ?b)(?b sd#fasheng ?c)-->(?a sd#fasheng c)

若水工建筑物本体a是水工建筑物本体b的子类，而水工建筑物本体b发生状态本体c，则水工建筑物本体a发生状态本体c。

(3)采取措施继承规则

Rule3(?a rdf:subClassof ?b)(?a sd#cuoshi ?c)-->(?b sd#cuoshi c)

若状态本体a是状态本体b的子类，而状态本体b应要采取措施水工建筑物处理本体c，则状态本体a也应要采取措施水工建筑物处理本体c。

3.2 推理实现

推理实现的平台选择Netbeans，开发语言采用Java，加载jena2 API库文件，另外结合自定义规则文件创建语义本体推理应用程序。首先从感应注册机中获得OWLReasoner。可以获得返回的标准配置OWL reasoner。然后将reasoner绑定到本体。接着，将使用绑定的reasoner从本体模型创建相关模型。从原始数据和OWL本体创建了推理模型后，它就可以像任何其他Model实例一样进行处理。创建和查询推理模型部分代码如下：

4.实验及分析

实验采用手工输入输入两组信息，模拟实时监测到的数据。三组信息包括：(1)大坝+水位过高；(2)压力管道+变形。两组实时数据经过决策模型推理之后分别得出相应的决策如图2、图3所示。

图2 “大坝+水位过高”决策模型实验结果图

图3 “压力管道+变形”决策模型实验结果图

图2、图3表明，本决策模型能根据实时数据，快速、高效地进行推理，最终得出决策。该模型具备语义性和智能性。

5.结束语

为了避免决策过程中根据专家经验判断所带来的主观性影响，本文引入本体的概念，提出水电站水工建筑物安全决策模型，使用智能化的推理手段达到决策的目的。实验结果表明，该模型具有有效性、合理性以及逻辑性，对水电站水工建筑物的安全决策具有一定的指导意义。

[1]付秀东.OWL+DL本体中概念相似度算法研究[D].西南交通大学,2009.

[2]郝素慧.水工建筑物混凝土裂缝的防治[J].同煤科技,2009(3).

[3]朱姬凤,马宗民,吕艳辉.OWL本体到关系数据库模式的映射[J].计算机科学,2008,35(8):165-169.

[4]李勇,李跃龙.基于关系数据库存储OWL本体的方法研究[J].计算机工程与科学,2008,30(7):105-107.

[5]谭月辉,肖冰,陈建泗,等.Jena推理机制及应用研究[J].河北省科学院学报,2009,26(4):14-17.

[6]田宏,马朋云.基于Jena的城市交通领域本体推理和查询方法[J].计算机应用与软件,2011,28(8):57-59.

[7]黄风华,晏路明.基于Jena的台风灾害领域本体模型推理[J].计算机应用,2013,33(3):771-775.

[8]李宏伟,蔡畅,李勤超.基于Jena和地理本体的空间查询与推理研究[J].测绘工程,2009,18(5):5-9.

陈星豪（1980—），男，广西防城港人，讲师，研究方向：本体、语义网、智能电网。

李裕永（1965—），男，广西钦州人，讲师，研究方向：水电站动力设备。