朱凱敏 李 靜

(1.中國市政工程西南設計研究總院有限公司，四川 成都 610081； 2.深圳市燃氣集團股份有限公司，廣東 深圳 518000)

?

基于CBR的燃氣工程設計項目知識檢索方法研究

朱凱敏1李 靜2

(1.中國市政工程西南設計研究總院有限公司，四川 成都 610081； 2.深圳市燃氣集團股份有限公司，廣東 深圳 518000)

從燃氣工程設計項目基于CBR的事例的表示、相似事例的檢索兩個環(huán)節(jié)，構建了項目知識檢索的方法，探討了采用AHP確定事例特征屬性權值的技巧，使知識的檢索更加科學有效。

項目知識檢索，CBR系統(tǒng)，層次分析法，判斷矩陣

進入知識經濟時代，繼勞動力、資本、土地之后，知識成為重要的生產要素。人類社會近三十年創(chuàng)造的知識已超過之前所創(chuàng)造的知識的總和[1]，企業(yè)實施知識管理的重要性日漸凸顯。對于知識密集型和人才密集型的工程勘察設計企業(yè)而言，知識更是企業(yè)的立足之本與核心競爭力所在?？辈煸O計企業(yè)最重要的工作成果是設計圖紙和報告，其數量隨業(yè)務的發(fā)展呈幾何級增長。如何從數據海洋中檢索到有效知識，是知識需求者參與知識共享的關鍵。

基于事例推理(Case-Based Reasoning,CBR)指的是利用舊的事例或經驗來解決問題，評價方案，解釋異常情況或理解新情況，是人工智能發(fā)展過程中涌現的一種推理模式。本文通過對燃氣工程設計領域基于CBR的事例的表示、相似事例的檢索兩個環(huán)節(jié)的研究探索項目知識檢索的路徑。

1 項目事例的表示

事例的表示是CBR系統(tǒng)的基礎，事例必須表示成一定的結構形式才能被檢索。CBR事例的表示可簡化為(問題的描述和結果的描述)兩部分。問題的描述指事例發(fā)生時周圍的環(huán)境狀態(tài)和問題的具體內容，即事例的特征屬性。CBR系統(tǒng)通常采用事例特征屬性匹配方法，將事例問題的描述，表示為一系列事例特征屬性的組合，通過事例特征屬性之間的匹配關系來確定各特征屬性的相似度，并經加權后計算綜合相似性來檢索事例。結果的描述是指描述問題求解的效果或者結論信息，具體指CBR匹配出的項目及其相關項目文件。

燃氣工程事例特征屬性通常由領域專家抽取，表1給出筆者推薦的特征屬性。

表1 燃氣工程設計項目事例特征屬性

2 項目事例的檢索

2.1 檢索方法

項目事例的檢索算法有最近鄰法、歸納法、知識引導法、基于數據庫技術的檢索法等[2]，其中最經典的最近鄰法逐項計算目標事例與事例庫中源事例的特征屬性的相似度，然后依據預先確定的特征屬性權值確定目標事例與源事例的綜合相似度，并返回綜合相似度超過閾值的源事例。最近鄰法需要解決三個問題：事例綜合相似度的度量；事例特征屬性的相似度度量；科學確定事例特征屬性的權重。

2.2 事例綜合相似度的度量

最近鄰法計算綜合相似度有歐式距離(Euclidean)、海明距離(Hamming)、Kolodner距離等公式[3]，本文采用Kolodner距離公式：

(1)

表2～表6給出了燃氣工程設計項目的項目類型、氣源類型、壓力級制、項目階段、項目區(qū)域五個字符型特征屬性的推薦相似度矩陣。

表2 項目類型特征屬性相似度取值表

表3 氣源類型特征屬性相似度取值表

(2)

其中，Maxfi和Minfi分別為事例庫中第i個特征屬性取值的上限和下限。

表4 壓力級制特征屬性相似度取值表

表5 項目階段特征屬性相似度取值表

表6 項目區(qū)域特征屬性相似度取值表

2.4 事例特征屬性權值ωi的確定

事例特征屬性的權重可通過專家評價法、層次分析法、概率分析法等方法確定，其中第一種方式通常由領域專家給出或由用戶自定義，帶有明顯的主觀局限性，后兩種方法較為科學和客觀，本文采用層次分析法。

層次分析法(Analytic Hierarchy Process，簡稱AHP)是國外20世紀70年代提出的適用于結構較為復雜、決策準則較多而且難以量化的決策問題的一種系統(tǒng)分析方法。AHP在深入分析復雜決策問題的本質、影響因子及其內在關系的基礎上，將影響決策的因素分解為目標層、準則層、方案層等若干層次，利用較少的定量信息實現決策的分析過程數學化，適用于解決無結構特性或多準則、多目標的復雜決策問題。關于AHP的關鍵技術，讀者可查閱相關文獻[4]。

1)建立層次結構模型。AHP方法確定事例特征屬性權值的目標層是從事例庫中檢索與目標事例相似的源事例；準則層為各事例特征屬性；方案層為事例庫的各源事例。由于AHP方法僅用于確定事例特征屬性的權值，因此本文僅關注目標層和準則層。建立的層次結構模型如圖1所示。

2)建立判斷矩陣。針對準則層上的因素C1，…，Cn，相關的目標層的因素是Ak，則可針對因素Ak，對所有的元素C1，…，Cn按表7的含義進行兩兩比較，得到數值cij。記矩陣Ak=(cij)n×n為因素C1，…，Cn相對于上一層因素Ak的判斷矩陣，顯然，cii=1，cij=1/cji(i，j=1,2,…,n)。

表7 cij含義表

在分析對比燃氣工程設計項目的七個特征屬性的基礎上，對各特征屬性的重要性進行兩兩比較，得到判斷矩陣Ak=(cij)7×7，如表8所示。

表8 判斷矩陣Ak

3)層次單排序。分析決策問題并建立相似事例匹配層次結構模型后，轉入層次中權值計算的問題，即層次單排序和層次總排序。單排序是指依據判斷矩陣計算與上一層次某因素有聯(lián)系的本層次因素對前者而言重要性次序的權重的過程；總排序是確定某層所有因素對于總目標而言重要性次序的權重過程，此計算過程是從最高層到最低層依次進行的。由于本文模型只關注目標層和準則層，因此其層次單排序的結果也就是層次總排序的結果，通過層次單排序即可得出表征燃氣工程設計項目七個特征屬性重要性次序的權值。

根據判斷矩陣計算對于目標層Ak而言準則層C1，…，Cn的權重，其計算可轉化為求解判斷矩陣的特征向量與最大特征根的過程。對任意判斷矩陣Ak，若有Akω=λmaxω，稱λmax為Ak的最大特征根，ω=(ω1，…，ωn)T為Ak的特征向量，ω1，…，ωn即為因素C1，…，Cn對于目標層Ak按重要程度的一個排序，即權重。

特征向量與最大特征根可以通過線性代數的方法進行求解，也可采用和積法或方根法[5]等近似方法計算。經計算判斷矩陣的最大特征根λmax=7.529，判斷矩陣的特征向量ω=(0.375,0.132,0.106,0.024,0.076,0.245,0.042)T，換言之，燃氣工程設計項目的七個特征屬性的權值分別為0.375,0.132,0.106,0.024,0.076,0.245和0.042。

4)一致性檢驗。為避免在構造判斷矩陣時出現判斷上的不一致性，需要利用一致性指標按下述步驟進行檢驗，作為度量判斷矩陣偏離一致性的程度。

a.計算一致性指標CI(Consistency Index)：

(3)

b.查找相應同階平均隨機一致性指標RI，表9給出了1階～16階的平均隨機一致性指標RI。

c.計算一致性比例CR(Consistency Ratio)：

CR=CI/RI

(4)

當CR≤0.1時，認為判斷矩陣的一致性令人滿意，否則需要調整判斷矩陣。

由式(3)，式(4)分別計算出CI=0.088，CR=0.067。由于CR<0.1，判定判斷矩陣的一致性是令人滿意的，由此判斷本文建立的數學模型是合理的。

表9 平均隨機一致性指標RI[6]

3 結語

本文通過對基于CBR系統(tǒng)的項目事例的表示、相似事例的檢索兩個關鍵環(huán)節(jié)的研究為企業(yè)構建知識檢索的路徑，實現從事例庫中檢索出與目標事例相似的源事例。在相似事例度量環(huán)節(jié)，采用Kolodner距離公式計算目標事例與源事例的綜合相似度，并采用AHP確定事例特征屬性的權重值，使取值更客觀和科學。

[1] 趙燕茹.科技進步與經濟發(fā)展[J].黑龍江社會科學,1998(2):16-17.

[2] 李曉輝,劉妍秀.基于實例推理機制(CBR)綜述[J].長春大學學報,2006,16(4):68-70.

[3] 吳 鋒.基于AHP和CBR技術的注射模智能報價方法研究[D].杭州:浙江大學,2008.

[4] 胡運權,郭耀煌.運籌學教程[M].第3版.北京:清華大學出版社,2007:422-433.

[5] 陳 珽.決策分析[M].北京:科學出版社,1987:179-183.

[6] 焦樹鋒.AHP法中平均隨機一致性指標的算法及MATLAB實現[J].太原師范大學學報(自然科學版),2006,5(4):45-47.

Knowledge retrieval method of gas engineering design projects based on CBR

Zhu Kaimin1Li Jing2

(1.Southwest Municipal Engineering Design and Research Institute of China, Chengdu 610081, China;2.ShenzhenGasGroupCo.,Ltd,Shenzhen518000,China)

Projects knowledge retrieval method is introduced in the aspects of cases representation and similar cases retrieval of gas engineering design projects based on CBR, and AHP is used to determine weights of cases feature attributes, to ensure the knowledge retrieval to be more scientific and effective.

project knowledge retrieval, CBR, AHP, judgment matrix

1009-6825(2016)30-0238-03

2016-08-17

朱凱敏(1986- )，男，工程師，注冊公用設備工程師(動力)，IPMP(Level C)； 李 靜(1987- )，女，工程師

G257.36

A