人工智能在热带风暴潮防灾减灾中的应用

李翔

摘 要：热带风暴潮是中国沿海一带最常见、也最严重的海上灾难。在热带风暴潮防灾减灾、应急救援管理方面存在困难，也是当前急需解决的问题。在人工智能理论的基础上，同时采用最好的生产技术，应用以信誉为基础的向前推理策略和数据挖掘智能学习法，对知识库和推理机进行研究，从而设计了一种具有实际操作性的热带风暴防灾减灾人工智能技术。

关键词：热带风暴潮；防灾减灾；应急管理；辅助决策系统

中图分类号：TB 文献标识码：A doi：10.19311/j.cnki.1672-3198.2018.36.102

1 引言

人工智能是20世纪三项复杂的科学技术成就之一（分别是：人工智能、原子能和空间技术）。尽管人工智能最初是作为20世纪计算机科学的一个分支被提出，现在已经发展成一项交叉学科，被应用在计算机科学、心理学、生物学和神经系统科学等多领域。

专家系统（ES）是人工智能领域最活跃、应用最广泛的技术。自20世纪60年代，专家系统作为一种研究工具被开发，Edward Feigenbaum，斯坦福大学教授，将专家系统定义为“一种智能计算机程序，仅通过一个专家库中的知识和判断程序，可以解决很多复杂问题”。在20世纪70年代，专家系统逐渐被广泛接受。在20世纪80年代，专家系统开始应用到商业目的，并创造出了商业价值。自20世纪90年代，专家系统进入到了高速发展阶段。目前，专家系统被广泛应用到了几乎所有领域，比如商业、科学、工程和制造业等。

然而，国内在这方面的研究还比较晚，在1977年，国内成功的研发了第一款人工智能，1981年，先后成立了中国人工智能协会等相关智能团体，自1986年，相关大型项目被列入到国家高科技研究计划。在21世纪，越来越多的ES研究从各类基金计划中获得了支持。

热带风暴潮是世界海上灾难中主要的一种，然而，中国与西北太平洋海域相邻，是自然灾害的高发区。因此，国家计划通过科学和教育来发展海洋（2008-2015，国家海洋局），这体现了国家对海洋自然灾害（如暴风潮、赤潮、漏油事件、海冰、海啸、海平面上升等）方面的应急管理指导思想和要求。通过应用专家系统理论，结合计算机、时间和空间信息、数据库技术，设计了关于热带风暴潮的防灾防损的专家系统，为建立和实施防灾减灾应急系统，甚至是为热带风暴潮灾害系统下的整个决策支持系统提供参考。

2 系统的基本结构

热带风暴潮的防灾减灾系统是跨越多个学科的前沿系统工程，然而，制定热带风暴潮防灾防损专家们，不太可能把海洋、安全和信息技术等知识，以及丰富的防灾减灾实践经验，超强的解决问题的能力，整合在一起，进而提供良好的技术支持和帮助。

热带风暴潮和防灾减灾的有效性，取决于应急反馈的速度和应急救援的效率。需要制定合理的解决方案，并提供相应的决策，使决策工具成为提高速度和效率的有力保证和技术手段。

热带风暴潮人工智能防灾减灾的8种模型如下：

（1）人工机器交互模型：通过多模型用户界面技术（MUI），新的互动渠道（间隙、声音和手势等），设备、综合技术、使用者，都允许自然的使用人机对话，平行的、多渠道合作，因此，用户的互动意图可以通过从多渠道不准确和准确的输入值中捕捉到，这样人机互动中的自然性和高效性得到提升。

（2）解释和分析模型：可以通过根据用户和系统容易接受的方式，解释和分析问题、知识、推理和结论。

（3）知识获取模型：可以通过半自动和全自动方式获得来自内部环境的知识。

（4）知识库模型：知识库一般包括专家经验和领域知识，同时，也是一种知识和数据的存储库，在知识库中，可以通过知识获取、推断和智能学习来提供权威知识和数据，可以被分为事实数据库、规则数据库和知识数据库。

（5）推理机模型：该模型用于控制和调整整个人工智能的核心部分。

（6）可靠性分析模型：这是一个不精准的推理模型（IR），并通过可信性因素对目标的可信度进行计算。

（7）聪明的学习模型：这是一个数据挖掘模型。

（8）结论模型：根据推理结果和可信度计算来产生输出结果。

3 关键技术

3.1 知识库模型

热带风暴潮防灾减灾受到很多因素的影响，因此，要根据热带风暴灾害的实际情况，选择理想的应急响应系统，比如：等级、影响范围和行进路线、当地的海岸线和地形结构，不仅仅是人工智能的问题，也是内容框架沟通的一个系统的知识库。

知识体系的质量，知识库的知识组织、表达和存储方式，将对推理机的推理效率，在知识库中对知识的综合整理和更新，以及专家系统解决问题的能力，产生直接影响。

在热带风暴潮防灾减灾知识库中的知识，来自海洋专家、安全专家、富有经验的应急救援人员、案例、防灾防损文檔和材料、有关部门的应急计划等隐形知识。

知识表达是知识工程的关键技术之一。防灾方面的知识主要总结如下：

（1）事实性知识：这是指对客体及其概念特征的认识和相互关系，问题解决条件，是决策规则和推理规则的基础。

（2）启发式知识：这是指与领域有关的问题解决的知识，以案例和经验来表达，也是推理机操作的信息。这种信息可以在程序知识中，通过分类等方式编制成规则。

（3）根据实际情况应用，比如生产表达、语义网络、架构表达、本体表达、谓词逻辑、主语中心表达，都接近于人类思想、自然易懂的、自由添加删减和改变的规则等，而且通过关系数据库将语言进行组织、保存和管理。

3.2 推理机模型

推理机是人工智能思考的核心方法。推理机的设计与知识表达方法是非常相关的，因此，知识推理机应该用合理的推理机械进行操作，具备高效准确的问题解决能力。在该系统中，采用从事实出发的前向推理，同时基于可信度，匹配相应的冲突解决策略。

首先应将事实基础输入推理机模型，然后，对数据库中是否包含问题的解决方案进行检查。

3.3 智能学习模型

从国内人工智能的实际情况来看，由于用人单位的人员结构偏差、技术人员结构缺陷，困难在不断扩大，实时修改、知识库的研究和发展，越来越明显的成为发展瓶颈。在理想热带风暴潮防灾减损人工智能学习模型中，数据挖掘引擎是数据挖掘系统的最基本部分，可以用于相关性、演化和变异分析。

参考文献

[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.