浅谈基于范例推理的软基处理方案决策.doc

1、浅谈基于范例推理的软基处理方案决策摘 要：范例推理是一种人工智能推理方法，本文应用大量的、成熟的软基处理方法构成软基处理方案决策的源范例库，为实现基于范例推理的软基处理决策奠定了可靠的基础。通过软基处理方案的目标范例与源范例之间的类比，根据计算获得的软基目标范例与软基处理源范例质检的相似性程度，从而获得软基目标范例的处理方案。 关键词：范例推理 软基处理 决策模型 范例 中图分类号：B811.23 文献标识码： A 一、前言 类比是人们经常运用的解决问题的方法。人们在问题解决的过程中，常常依赖以前解决相似问题的经验，来得到新问题的解决办法。基于范例推理正是以人类解决问题的这种实际心理历程为基础

2、的一种人工智能范式。 在软土地基上修建高速公路，首先需要对是否进行处理做出决策。对需要处理的地段，则需要对深层处理还是浅层处理做出决策。在软基处理技术决策中，涉及的影响因素众多，有地质因素，工程因素，经济因素及环境影响因素等。计算工作量大，设计理论不完善，经验往往起着重要的作用。如何使软基处理技术决策更具科学性变的非常重要，近年来这方面的研究取得了不少新的进展，研究人员先后提出了新的地基处理决策新方法，如评分优化法、模糊评判法、层次分析法以及地基处理智能辅助设计系统等。基于此，本文提出了基于范例推理的软基处理决策模型。 二、基于范例推理的软基处理方案决策模型 1 范例推理的机理 范例推理就是通

3、过访问范例库中过去相关的事例的求解利用类比推理而获得当前问题解。长期以来，研究人员已经对大量的成熟的软基处理方法进行过比较深入的研究，获得了比较明确的结论。这些大量的成熟的软基处理方法将构成软基处理方案决策的源范例库，通过软基处理方案的目标范例与源范例之间的类比，根据计算获得的软基目标范例与软基处理源范例之间的相似性程度，获得软基目标范例的处理方案。 基于范例推理(CBR)系统的核心包括四个部分：（1）范例库：存储先前的经验；（2）检索机：用一种有意义的方法排列范例；（3）匹配算法：比较新范例与旧范例的相似度；（4）调整机制：推演得出最后的解法。 CBR 系统的运作过程可概括（1）提取（2）重

4、用（3）修改和（4）存储。基于范例推理的步骤如下：（1）提出新问题作为目标范例，定义新问题的特征或属性；（2）检索范例库，根据问题的要求，在范例库中找出与目标范例最为相似的范例；（3）根据修正规则来修改检索到的旧范例，为新范例进行计算求解；（4）将有利用价值的新范例存储到范例库中，并对 CBR 系统的作相应的调整，以完成 CBR 的学习功能。 2 软基处理范例库的建立 CBR 系统所依赖的知识主要存储在范例中，范例的集合构成范例库。范例库是 CBR 中的重要组成部分，它是 CBR 中主要的知识库。范例库的大小及其组织结构直接影响 CBR 系统应用的效率和效果。如何表示范例，如何组织范例，如何建

5、立范例库的索引，是建立范例库的主要问题。 在 CBR 范例库的建造中，一个合理的、一致的范例表示方法是必不可少的。范例应该包含什么？一般认为，范例可以定义为能够导致特定结果的一组特征或属性的集合。从问题求解的角度来看，一个范例的内容主要由三部分组成：一是问题或情境描述；二是解决方案描述；三是结果描述， 对于基于范例推理的软基处理方案决策模型就是收集已经进行了深入研究的软基处理工程实例，构成软基处理方案的源范例库。其中，每一实例的属性参数及软基处理方式构成一个范例。 属性参数的确定 土的物理力学指标有很多，它们对软基处理方案的决策起着重要的作用。在建立软基处理方案决策模型时，我们不可能考虑所有的

6、参数，这就要求首先去确定哪些属性参数。通过对各个工程实例及土各个物理指标的研究，我们选择软土厚度、软土压缩模量、路堤高度、地表硬壳层厚度作为属性参数。 处理方式的分类 在软土地基上修建高速公路，首先需要对是否进行处理做出决策，对某些地质条件若处理不当，会对土的天然结构产生扰动，引起过大的附加沉降。对需要处理的地段，则需要对深层处理还是浅层处理做出决策。本文软基处理方式采用不处理、浅层处理、深层处理等。 3 目标范例与源范例相似度的计算 相似度计算是衡量软基的目标范例 T 与源范例之间的相似程度，常用的计算公式有海明距离、欧几里德距离、切比雪夫距离等。本文拟采用欧几里德距离进行计算： 欧几里德距

7、离计算公式： （3.1） 其中： 为目标范例 T 与源范例库中第 i 个范例之间的欧几里德距离， 越小，说明它们之间越相似；表示源范例库中第 i 个范例的第 j 个属性的值；n 为属性总数；表示目标范例库的第 j 个属性的值。 在进行相似度计算时，考虑到各属性参数的量纲不同具有不可公度性，采用式 2.2 对各属性参数进行规范化处理，将各属性值变换到0,1区间。 （3.2） (i=1,2,3 j=1,2,3n) 式中：和分别为软基源范例中第 j 个属性的最小值和最大值 三 应用举例 本文选择折学森的一书中，已经研究清楚并有明确结论的 15 个工程实例作为研究对象，每一实例的属性参数及软基处理方法

8、构成一个范例，属性参数共四个，即软土厚度、软土压缩模量、地表硬壳层、路堤填土高。软基处理方式分为三类, 即：不处理、浅层处理和深层处理。它们的属性参数及处理方式见表所示。 表 3.1 范例参数表 在研究基于范例推理的公路软土地基处理智能模型时，可以以前 12个工程作为源范例，后 3 个工程作为目标范例。根据上述范例推理的方法来获得后三个工程实例的处理方法，再和现采用的方法进行比较，用以验证范例推理的方法是否可行。 表 3.2 范例参数进行规范化处理后汇总表 根据计算的步骤，先对上述各个工程的参数采用式 3.2 进行规范化处理，将各属性的值全部变换到0,1区间，计算结果见表 3.2，然后根据欧几

9、里德距离计算公式 3.1 进行相似度计算，结果见表 3.3.根据相似度可以得出目标范例的处理方式。 由表 3.3 可知，目标范例 13 与源范例 2 最相似，目标范例 14 与源范例 8 最相似。目标范例 15 与源范例 3 最相似。由此可得，目标范例13，14，15 的处理方式分别与 2，8，3 相同即不处理，浅层处理，深层处理。分析结果与实例完全一致。 四 小结 在大量的软基处理工程实例的基础上，利用类比推理的方法来获得软基处理的方式，原理简单、直观，使用方便。对于工程技术人员来说具有一定的借鉴作用。这种基于范例推理的软基处理决策模型，不仅适用于高速公路的软基处理，在桥头处理、建筑工程地基处理，其他道路路基的处理方面也一样适用，只要我们收集到足够的过去成功的工程实例，形成较全面的源范例库，这一类的问题都可迎刃而解。