中地數媒 2020-01-18

一、推理網路基本工作程式

本系統礦床模型計算機推理網路採用的推理策略為正反向混合推理，基本工作模型為人機對話模型。系統採用互動式圖形介面，透過選單驅動，能將不同礦床模型的各種典型地質特徵靈活展現到使用者面前，包括詳細的成因註釋說明及圖片展示，以供參照、對比、選擇。首先，系統採用由資料到結論的正向推理，地質勘查人員根據程式的要求輸入某個地區的地質觀測證據（包括大地構造背景、礦床地質特徵如控礦地層、構造、岩漿岩特徵、岩石、礦物、蝕變指示標誌及物、化、遙資訊標誌等），確認後，計算機程式將觀測證據與各種型別的礦床模型進行對比，並根據礦床模型知識庫中的推理規則進行推理計算，然後將各礦床型別推理結果按名稱及相應歸類機率列於螢幕上，作為該地區可能存在的礦床型別評價結論，供使用者選擇。在此，系統每次只允許使用者選擇一個礦床型別進行考查。當用戶作出選擇後，系統進入反向推理，程式以所選礦床型別為結論，反向逐級考查該礦床模型，找出那些使用者尚未提供但卻最有效的證據，透過人機互動方式向用戶詢問，以便從使用者處獲得新證據，進而改變目標礦床型別的判類可信度機率值。

二、推理規則的表示

一般說來，對一個具體礦床模型，有下列推理規則：

if E1，E2，…，En

then H［LS，LN］

上述規則可以解釋為：“若有E1到En的n項觀測證據，則認為（在可信度［S，N］上）假說H成立”。［LS，LN］是兩個統計量估值，它反映礦床地質學專家總結出的該條規則的可信度。其中，LS估值為規則的充分性度量，表示規則的前提條件存在時，規則結論成立的可能性；LN估值為規則的必要性度量，表示規則的前提條件不存在時，規則結論成立的可能性。估值與LS值和LN值的換算見表4-1。例如，在岩漿型銅礦模型中包含下列規則：

if 侵入體岩石型別條件有利

then 對形成岩漿型銅礦床的岩漿岩條件有利［LS，LN］

通常，一個規則的假說往往涉及到另一個規則的證據。例如，在岩漿型銅礦模型中還包含下列規則：

if 侵入體為鎂鐵質-超鎂鐵質基性-超基性岩

then 岩石型別條件有利［LS，LN］

表4-1 推理規則統計量估值換算表

三、基本網路結構

圖4-8表示由多維資料組成的推理網路中假說和證據的連結，即根據證據推斷而得到結點，這個結點還可以與其他結點連線起來，由此組成一個推理網路。圖中Ei代表證據，Hi代表假說。圖中的H5是一個典型的中間結點，它起到兩種作用：為其上的結點H2提供了證據，同時又屬於其下的結點E2和E3的假說。為避免混淆，我們將證據和假說統稱為斷言。在推理網路結構中，每一個端點（葉子）結點是系統可透過提問使用者直接獲取的證據，而其他結點都是假說。

圖4-8 推理網路示意圖

斷言是一些既可為真又可為假的陳述，在給定的條件下，總是存在著一個是真或假的確定程度。在推理的開始階段，每個陳述的真假是未知的。當獲取到一條事實證據後，就可明確地建立起某些斷言。一般情況下，我們給每個斷言附上一個機率值。推理網路的連線實際上就是測定一個斷言的機率變化在何種程度上影響其他斷言。

一個模型推理網路的頂級斷言（基本斷言），可以看作是一個頂級“空間”。它是由幾個因子組成，每一個因子又可看作是一個模型的“空間”。一個頂級空間可使得有效的證據和某個專門模型相匹配。例如，建立斑岩銅礦模型的頂級空間時，必須首先建立下列若干條假說作為它的因子。這些假說是：

1）構造環境對斑岩銅礦有利；

2）岩漿岩條件對斑岩銅礦有利；

3）礦化指示標誌對斑岩銅礦有利；

4）物探、化探資訊標誌對斑岩銅礦有利。

上述4條因子都是研究區的實測資料（證據），可以透過直接向用戶詢問它們是否為真，即可建立起來。然而通常情況下，它們只是間接證據，即上述因子同時又是假說，並與其他因子有相關關係。例如，上述的構造環境的有利性又可由下列3個因子組成，它們是：

1）研究區位於大陸邊緣造山活動帶、島弧帶或陸內構造-岩漿活動帶；

2）該帶的年代為中生代或新生代；

3）研究區屬於深大斷裂帶及旁側次級斷裂帶發育的一系列中酸性鈣鹼性斑岩體分佈地帶、火山機構分佈地帶。

上述3個因子可從測得的事實證據中得到，由此可知，模型是層次結構的，頂級斷言是通過幾個主要的二級斷言確定，而二級斷言又由一些三級斷言確定，以此類推，直至斷言可以直接從研究區的事實證據中確定為止。斷言按照不同的等級層次由上向下發展。

四、3種基本推理關係

在地質學中，地質成礦規律實際上是各種假說，假說的結論由地質觀測證據支援，而地質證據有可能又是另一地質假說的結論，即證據和假說是相對的。在推理網路中，必須反映出這種證據和假說的相對關係，而這種證據—假說—證據的複雜關係是依靠一定的推理關係來連線的。

在本系統中，證據和假說之間存在著下列3種基本推理關係：

1。似然推理關係

在似然推理關係中，不同的證據可對一個假說有不同的支援程度，稱為規則強度，它可用可能性比率值來表達。每個規則強度值測定了一個斷言機率的變化是如何影響其他斷言的。

規則中一個給定的事實證據可以存在或不存在，這可分別用可信度機率值來說明。一般說來，證據事實的存在與否是非確定性的，系統透過在這兩個極端值之間進行插值，來計算可能性機率。顯然，證據不確定必然會隨之改變結論的可信度。

規則可信度由礦床地質專家在設計模型的時候提出來，透過把自然語言表達程度的副詞如“肯定”、“不太可能”轉換成數字來表示（本系統表示存在與否的描述及其可信度機率值如表4-2所示），推理中機率的變化及其結合，採用Bayes公式。

在Bayes公式中，涉及3個統計參量估計值：假說（規則）的先驗機率估值、充分性度量估值LS及必要性度量估值LN（B ayes方法具體介紹詳見下章）。在系統推理網路模型中，每個結點對應一個先驗機率估值，它由礦床勘查專家在制定該結點時給出，葉子結點的先驗機率直接由使用者在選擇結點時提供。另外，用LS估值和LN估值表示礦床地質學專家總結每條規則的可信度：LS表示規則的前提條件存在時，規則結論成立的可能性；LN表示規則的前提條件不存在時，規則結論成立的可能性，這2個引數也是在建立每條規則時由礦床勘查專家給出。這3個引數反映了領域專家的知識和經驗，且代表了推理網路模型的權威性和可靠性。本系統透過聘請10位國內知名礦產資源評價及礦床地質學領域專家，分別對三個引數獨立打分，然後對結果進行統計處理，最終得出每類礦床模型的三個引數值。

表4-2 可信度描述及取值

2。邏輯推理關係

推理網路中有些規則的證據與假說之間是一種邏輯關係，即一種假說的真假值由證據的布林函式式確定。基本的3種邏輯關係是“與”（and）、“或”（or）、“非”（not）。例如斑岩體中鈉長石交代斜長石（E1）、白雲母交代斜長石（E2）和綠簾石交代斜長石（E3）3種交代作用地質證據對斑岩體核心心帶形成有利（H）關係如圖4-9所示，這就是一種邏輯推理關係。H的值為：

H=（E1 or E2）and（not E3）

圖4-9 邏輯推理關係示意圖

3。順序推理關係

在斷言之間有時會有一定次序，必須按照一定的順序考慮斷言。例如，在考慮大陸邊緣地帶的年代之前，首先要確定該地帶是否存在，所以系統向用戶進行提問及獲取事實證據是有選擇性的。我們不能去詢問一個實際上不存在的地質年代問題。在一般情況下，可以用先後次序關係表達一種條件，只有在該條件滿足以後才能將一個斷言用在推理之中。例如上例中的邊緣地帶存在與否和詢問某年代是具有先後次序關係的。系統首先要用一切辦法建立地帶的存在證據，而不能夠在某地帶存在的機率值小於某個閾值時就詢問其年代。所以，一個斷言只有在另一個先後次序有關的斷言已成立的條件下才有意義。

五、基本推理過程及推理控制策略

1。基本推理過程

在銅礦床模型專家推理系統中，存在多個銅礦床地質找礦模型，而系統的最終目的是要推斷出研究區可能產出的銅礦床型別。因此，系統進行推斷的基本單位是礦床模型。推理的基本過程是：將觀測到的地質證據透過正向推理與系統中的各種模型匹配，並取出其中匹配最好的一個；然後，系統用反向推理全面鑑定這個模型，並得出最終結論，這是本系統的基本推理思路。

2。推理控制策略

推理是指按照某種策略從己知事實出發去推出結論的過程。智慧系統的推理過程相當於人類的思維過程，它不僅依賴於所用的推理方法，同時也依賴於推理的控制策略。在計算機科學中，推理控制策略是指讓一個程式推理系統能有一種方法，在推理過程的任一點上自動做出下一步如何行進的決定，使用領域知識使推理過程儘快達到目標，此類問題稱為“控制策略”問題。由於智慧系統的推理過程一般表現為一種搜尋過程，推理的控制策略又分為推理策略和搜尋策略。推理策略主要解決推理方向、衝突消解等問題；搜尋策略主要解決推理線路、推理效果、推理效率等問題。

推理方法按所用知識的確定性可分為確定性推理和不確定性推理。不確定推理按是否採用數值來描述不確定性，可分為數值方法和非數值方法。數值方法研究較多，一般分為兩種型別，一類是基於機率論的模型，如確定性理論、主觀Bayes方法、證據理論、可能性理論等；另一類是基於模糊邏輯理論發展起來的可能性理論方法，稱為模糊推理。

搜尋是指根據問題的實際情況，不斷尋找可利用知識，從而構造一條代價最小的推理路線，使問題得以解決的過程。可根據問題的表示方式分為狀態空間搜尋和與/或樹搜尋。

本系統是根據推理網路和傳播機率原理，應用推理規則連線而形成礦床模型，並使推理網路計算機化，最終建成礦床模型推理系統。系統採用的推理方法主要為主觀Bayes方法，搜尋採用與/或樹表示方式。其推理控制策略劃分為下列兩個階段：

（1）第一階段控制策略

在第一階段中，使用者首先向系統提供一批原始觀測資料。系統將觀測資料與系統中儲存的各種礦床模型的規則集依次相匹配，找出匹配成功的礦床模型，作為第二階段考查目標。

1）如果有多個模型匹配成功時，系統就按模型的可信度機率值的排列順序，選出可能性最大的模型，或由使用者指定一個模型，作為進一步考查的物件。

2）如果沒有模型匹配成功（或結論可信度小於某閾值如0。5），則提示使用者補充原始觀測證據，重新進行上述匹配過程。

第一階段採用的推理方法為資料驅動的正向推理方法。

（2）第二階段控制策略

第二階段控制策略的目的是為上述己確定的模型尋找最有效的證據。其基本方法是：考查目標模型下那些尚未確定的前提斷言，尋找對結論影響最大的前提斷言，反向考查對應次級前提斷言，直至端點（葉子）前提斷言，透過人機互動方式向用戶詢問，以便從使用者處獲得新證據；之後，系統再在該結論下面找下一個次大的前提斷言，然後再重複呼叫這一過程。顯然，新證據的獲得將改變結論目標模型的可信度機率值。第二階段採用的推理方法為目標驅動的反向推理方法。