М С Барабаш - Представление знаний в проектировании пространственных конструкций - страница 1

Страницы:
1 

(кафе, аптек, поликлиник, медресе, клубов, кинотеатров), спортивных комплексов, а также развитость транспортной инфраструктуры (транс­портных автомагистралей, станций технического обслуживания авто­мобилей, автостоянок и автозаправочных станций). Среди средств об­щественного транспорта преобладает автобус, а индивидуального — автомобиль. Перечень названных архитектурных объектов свидетель­ствует о значительном уровне урбанизации городов Иордании. К от­рицательным показателям экологии городской среды относятся отсут­ствие водных бассейнов (рек, озер), а также малочисленноегь зеленых насаждений. Каждая семья обеспечивается месячным запасом воды в объеме всего 2 м3.

Полученные результаты анализа качества городской среды стали основой для рекомендаций по оптимизации экологической среды ур­банизированных территорий Иордании.

Получено 16.09.2002

 

 

 

СТРОИТЕЛЬСТВО

 

УДК 721.011 : 65.011.56

М.С.БАРАБАШ

НИИАСС, г.Киев

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ПРОЕКТИРОВАНИИ ПРОСТРАНСТВЕННЫХ КОНСТРУКЦИЙ

Рассматриваются вопросы применения баз знаний в проектировании пространст­венных конструкций. Приводятся модель предметной области, классификация интен­сиональных и экстенсиональных знаний, инструментальные средства, оперируемые с базами знаний, весовые оценки правил, изменяющих вероятность консеквеига.

Определяются пути приобретения знаний: взаимодействие пользователя с инже­нером знаний, взаимодействие пользователя с системой, создание базы знаний с помо­щью программы индуктивного вывода, приобретение знаний непосредственно из лите­ратуры.

Предлагается схема поиска решений в базе знаний с использованием стратегии обратного поиска. Стратегия обратного поиска реализуется на основе метода первого поиска в глубину, использующего граф И/ИЛИ.

Быстрое расширение сфер применения систем, базирующихся на знаниях, вычислительных систем, обучающихся систем и т.д. требует развития адекватных инструментальных средств для создания при­кладных систем баз знаний [1]. Под системой баз знаний здесь пони­мается инструментальная система, обеспечивающая как создание и использование баз знаний, так и функционирование конкретной при­кладной баш знаний или нескольких баз, т.е. прикладную систему.

Ключевым понятием в системах баз знаний, выражающим их специфику, является само понятие базы знаний. Обычная структура базы знаний включает в себя в качестве головной части модель пред­метной области, или так называемое понятийное знание, которое взаимодействует с процедурными знаниями (например, пакеты при­кладных программ) и предметными знаниями (например, базы дан­ных). Две последние части непосредственно связаны между собой и находятся в контакте с системой управления базой знаний, которая, в свою очередь, имеет связь с предметной областью (см. рис.1). В на­стоящей статье рассматриваются данные о разработке инструменталь­ных средств, поддерживающих сконструированную модель базы зна­ний предмет ной области прочностных конструкций.

Знанім, которыми оперируют инструментальные средства под­держки баз знаний, включают знания первого и второго рода. Знания первого рода представляют собой общезначимые факты, явления, за­кономерности, истины, признанные в рассматриваемой предметной области и зафиксированные в книгах, статьях, справочниках и т.д. Примером таких знаний в нашем случае служат нерегулярные наборы данных для описания законов состояния материалов, виды материалов, их свойства и др. Знания второго рода - это обычно эмпирические правила, интуитивные соображения и факты, полученные либо экспе­риментальным путем, либо на основе статистических исследований, либо из личного опыта специалиста-эксперта. К этим знаниям отно­сятся такж е знания, полученные способом удаления бесполезных идей или способом использования нечеткой информации. Указанные знания отличаются тем, что они не имеют характера закона, не публикуются, но дают возможность принимать решение даже в условиях неполных и противоречивых данных.

Базы знаний условно разделяются на интенсиональные и экстен­сиональные (собственно базы данных) части. Это объясняется тем, что в базах знаний понятия могут иметь двойственный характер: деклара­тивный и процедурный, образующийся в результате осуществления процедур (алгоритмов, программ, аналитических преобразований и т.д.) над фактами как исходными данными. При формировании модели проектирования обычно реализуется переход от декларативного зна­ния, заложенного в концептуальной модели, к процедурному.

В большинстве инструментальных средств, оперирующих с база­ми знаний, основным способом представления знаний являются про­недурные правила того или иного вида с существующим механизмом вывода [1]. Это согласуется с принятыми нами средствами представ­ления знаний. Кроме того, в нашем случае объединение пакетов при­кладных программ и сложных расчетно-логических систем с правила­ми продукционного типа приводит к так называемой гибридной сис­теме, которая базируется на совокупности математических и логико-лингвистических моделей. Гибридная инструментальная система ре­шает в данном случае проблему сочетания двух видов знаний: точные модели избавляют от разного рода неформальных надстроек, а саму гибридную систему от несвойственных ей количественных зависимо­стей и отрицательных суждений. Проблемно-ориентированные знания в такой системе можно представить продукционными правилами сле­дующего вида:


ЕСЛИ <условие> ТОГДА <вес правила><действие>, где <условие> представляет булево выражение, состоящее из предика­тов над тройкой "объект - атрибут - значение" (рис. 1).

С каждой тройкой системы связывается фактор уверенности, из­меняющийся от -1 (ложь) до +1 (истина). Условие считается истин­ным, если его фактор уверенности больше, чем значение некоторого заданного порога (например, 0,2) и ложным, если он ниже віекоторого другого порога (например, -0,2). Использование правил предусматри­вает обновление фактора уверенности правой части правила. В этом случае сюда входит вычисление факторов уверенности левой части правила, правой его части и всего правила в соответствии с имеющи­мися формулами. К правым частям правила, носящим название "кон-секвенты" в отличие от левых частей - "антецеденты", присоединяют­ся процедуры, которые содержат вызов исполняемых программ, вы­полняющих в нашем случае расчеты пространственных конструкций.

Весовая оценка правила, вес правила в общем случае состоит из двух частей, первая из которых изменяет вероятность консеквента, когда известно, что антецедент имеет место, вторая - изменяет эту ве­роятность, когда антецедент не имеет места.

С помощью указанных правил удается описать модели баз знаний (данных), описывающих методы представления расчетных схем и результатов решения задач прочностных и оптимизационных расче­тов простра нственных конструкций. Необходимо заметить, что приоб­ретение знаний является одним из узких мест при конструировании систем баз знаний. Вообще говоря, существует несколько путей для приобретения знаний [7,11]. Это прежде всего:

а) взаимодействие пользователя с инженером знаний;

б)  взаимодействие пользователя с системой непосредственно че-
рез интеллектуальную редактирующую программу (редактирующая
программа располагает развитыми возможностями для диалога и су-
щественными знаниями о структуре базы знаний);

в)  создание базы знаний с помощью программы индуктивного
вывода;

г) приобретение знаний непосредственно из литературы с помо-
щью программ, понимающих естественный язык, а также графические
изображения.

Таким образом, приобретение знаний сводится к трем основным задачам:

а) ввод данных или знаний в систему;

б) устранение ошибок данных и знаний;

в)  выверка или расширение знаний для достижения желаемого
уровня работы системы.

Эти функции являются основными для подсистемы представле­ния и прио бретения знаний.

Консультации в системах, базирующихся на знаниях, представ­ляют собой некоторую форму трассировки (просмотра) тех правил, которые сработали на этапе получения решения. Однако для убеди­тельного объяснения консультационного запроса, в частности того, как было получено решение, требуется связать шаги логического вы­вода с фундаментальными принципами, характеризующими рассмат­риваемую область знаний, в качестве оправдания этих шагов.

Оправданием каждого макропрохода высокого уровня может служить лишь отсылка к основополагающим принципам — правило не может служить оправданием самого себя. Поэтому в нашем случае для * соблюдения этого условия с каждым продукционным правилом свя­зываются определенные фундаментальные принципы, и на их основе • реализуется консультация конечного пользователя.

Процесс выбора новых фактов связан с динамическим созданием символьных структур. Правила вывода в системе в большинстве слу- * чаях представляют вероятностные знания, т.е. с какой-то долей при- ; ближения, так как наблюдение ситуации, определяемой антецедентом, изменяет уверенность в возможности ситуации, описываемой консек-вентом. Вывод в рассматриваемой модели знаний осуществляется в обратном направлении, учитывая то обстоятельство, что мы имеем дело с относительно небольшой областью допустимых решений.

Стратегия обратного поиска допускает два режима выбора реше- ;

ний:

       поиск всех врзможных решений;

       проверка допустимости конкретного решения.

В процессе логического вывода осуществляется попытка сопос­тавить очередную гипотезу с фактами из базы фактов. >

Выбор очередной гипотезы определяется следующими условия­ми: <-

       отсутствует запрещение на выбор гипотезы;

       относительное число подтвержденных фактами так называемых

вершин в графе, представляющем модель гипотезы, больше значе- -

ния соответствующего параметра системы. Логический вывод выполняется с учетом степени надежности 1-правил и фактов, поэтому очередная гипотеза принимается в качестве решения только в том случае, если она соответствует фактам и вели­чина фактора уверенности для нее больше соответствующего пара­метра.

Для решений, полученных в режиме обратного поиска, реализу- с ется объяснение аналогично тому, как в конце консультации, если бы­ли получены решения, пользователь может воспользоваться подсис­темой объяснений для отслеживания хода решения.

Подсистема объяснений разъясняет пользователю действия, со- j вершаемые системой. Она отвечает на вопросы, почему было достиг- нуто некоторое заключение или почему некоторые другие альтернати­вы были отброшены. С этой целью в подсистеме объяснений реализу­ется небольшое число стандартных планов ответов на вопросы.

Компонента объяснения делает просмотр (трассировку) в обрат­ном направлении элементов решений в базе знаний, начиная от того заключения, к которому относится вопрос, и, направляясь к тем про­межуточным гипотезам или тем данным, на которые опиралось это заключение.

Каждый шаг назад соответствует выводу на основе одного пра­вила из базы знаний. Компонента объяснений собирает вместе такие промежуточные выводы и переводит их на обычный язык перед выда­чей пользователю.

Для ответа на вопрос "почему не ..." система прибегает к эври­стическому варианту этого метода. Предположим, что не удалось вы­делить некоторую возможную цепочку правил, которая позволила бы достичь обсуждаемого заключения, но не была применена, поскольку условие применения одного из правил оказалось невыполненным.

Рассматриваемая подсистема объясняет пользователю решение системы отказаться от некоторого возможного заключения, заявив, что такие невыполненные условия заблокировали все цепочки рассу­ждения, которые могут обосновать подобное заключение.

Для расширения возможностей простых трассировочных средств предусмотрена способность воспроизводить логическую цепочку по­сле того, как она уже отработала, а не просто делать перечисление ша­гов по ходу процесса вычислений. Воспроизведение истории процесса логического вывода и последующее использование ее для объяснений поведения системы включает в себя демонстрацию одного или не­скольких правил, приведших к данному заключению. Это имеет нема­лое значение, поскольку, анализируя объяснения, предоставленные системой, пользователь фокусирует свое внимание на основных пред­положениях и последующих логических шагах, составляющих реше­ние.

Поиск решений в реализуемых средствах осуществляется в на­правлении от цели к данным, т.е. выполняется обратный поиск. По­следний реализуется как "поиск в глубину" на графе условий И/ИЛИ и возможен в двух режимах:

а) поиск всех возможных решений;

б) проверка допустимости конкретного заключения.

При работе с системой пользователь формулирует задачу, вводя лингвистические значения концептов, представленных в виде конъ­юнктивных вопросов. Процедура поиска конъюнктивного вопроса от­ражает определение логического следования. Используя алгоритмунификации, вычисляется основной пример цели и основной пример правила, рекурсивно ищется ответ, соответствующий телу этого пра­вила.


В процессе работы могут возникнуть вопросы с многочисленны­ми решениями. Во избежание этого используются некоторые ограни­чения, такие как использование дополнительных конъюнктивных чле­нов в вопросе и уточнение переменных. В режиме поиска всех воз­можных решений возможно выполнение допустимых решений, в ре­жиме проверки конкретного заключения проверяется допустимость указанного пользователем заключения для заданных фактов (рис.2).

Выбор очередной гипотезы (заключения) для проверки ее под­тверждения фактами осуществляется при выполнении следующих ус­ловий:

      нет запрещения на выбор гипотезы, определяемого метЕгправилом, т.е. специальным видом знаний, которые используются в процессе логического вывода на основе стратегии обратного поиска при вы­боре очередной гипотезы;

      относительное число подтвержденных фактами - терминальных вершин в графе, представляющем модель гипотезы, больше значе­ния соответствующего параметра.

Оценка гипотезы осуществляется методом первого поиска в глу­бину и, если терминальная вершина не подтверждена фактом и входит в правило типа И, то система выдает запрос пользователю на ее под­тверждение; для правила типа ИЛИ запрос на подтверждение пооче­редно для каждой терминальной вершины выдается системой только в том случае, если ни одна из них не была подтверждена фактами из ба­зы фактов.

При создании правила типа ИЛИ пользователь может связать ус­ловия прав ила в цепочку и если очередное (возможно, первое) условие в цепочке будет подтверждено пользователем, то остальные условия цепочки не будут рассматриваться системой при формировании за­проса.

Ответы пользователя на запросы системы запоминаются и ис­пользуются при оценке следующих гипотез, однако только для одного сеанса работы.

Запрос системы на подтверждение терминальной вершины обыч­но выдается в виде вопроса определенной структуры, включающей текущую гипотезу, возможные ответы, подтверждающие или отри­цающие факт, запрос на просмотр фактов и др.

Если пользователь подтверждает факт, который указан в запросе, то он должен указать значение фактора уверенности в этом факте. Это значение может быть числом от 0 до 1.

Используя факторы ослабления правил, входящих в граф реше­ния, и факторы уверенности фактов, система вычисляет фактор уве­ренности гипотезы. Причем подтвержденная фактами гипотеза может быть системой не принята в качестве заключения, если вычисленное значение фактора уверенности для этой гипотезы меньше значения соответствующего параметра. В случае подтверждения гипотезы сис­тема выдает сообщение, характеризующее объект рассмотрения.

Если выбирается режим поиска всех возможных заключений, то после выдачи сообщений по заключению система переходит к провер­ке очередной гипотезы. После просмотра всех гипотез система выдает список полученных заключений о пригодности решений.

В конце консультации, если были получены решения, для их от­слеживания обычно пользуются функцией объяснения. После выбора функции ОБЪЯСНЕНИЕ ВЫВОДОВ в режиме ОБРАТНЫЙ ПОИСК обычно требуется задать информацию для ввода номера вывода. В процессе объяснения вывода система отображает правила в той после­довательности, как они использовались системой для получения этого вывода.

Как указывалось ранее, стратегия обратного поиска в системе реализуется на основе метода "первый поиск в глубину", использую­щего графі И/ИЛИ. Поэтому как только объяснение прекращается, при окончании выдается список правил, которые были применены при по­иске вывода. После завершения процесса объяснения (пользователемили системой) обычно отображается информация для ввода номера

вывода. *^

1.Системы управления базами данных и знаний: Справ, изд. / А Н Наумов,
А.М.Вендеров, В К Иванов и др.; под ред. А.Н.Наумова. - М.: Финансы и статистика, ^
1991.-352 с. !
v.-                                                                           Получено 16.09.2002 |

УДК 624.012.45

М.Ю.ИЗБАШ, канд. техн. наук, В.В.АСАНОВ Харьковский государственный технический университет строительства и архитектуры


+1

ЭФФЕКТИВНЫЙ ТИП ПЕРЕКРЫТИЙ

ДЛЯ РЕКОНСТРУКЦИИ ЗДАНИЙ И СООРУЖЕНИЙ

Предлагается эффективный тип перекрытий для реконструкции зданий и соору­жений.

Экономическая эффективность конструктивных решений пере­крытий определяется их технологичностью, уровнем материальных и энергетических затрат при возведении, расходами в эксплуатации, со­ответствием функциональным требованиям.

Предлагаемое перекрытие представляет собой систему стальных двутавровых балок, по верхним полкам которых уложена монолитная железобетонная плита. Совместность работы железобетонной плиты и стальной балки обеспечивается приваркой к верхним полкам двутав­ров арматурных анкеров, свободные концы которых входят в железо­бетонную плиту. Стальная балка подается на монтаж с уже приварен­ными анкерами (рис.1), что повышает степень ее готовности.

Эффективность образующихся сталежелезобетонных изгибаемых элементов в силовом плане очевидна: железобетонная полка воспри­нимает сжатие, стальная двутавровая балка - растяжение. Однако се­чение стальной балки должно подбираться не только из условия ее работы под нагрузкой в эксплуатации по схеме сталежелезобетонной конструкции, но и из рассмотрения ее деформирования как стальной балки, нагруженной свежеуложенным бетоном, опалубочными щита­ми и собственным весом. Такое состояние соответствует стадии возве­дения перекрытия и во многих случаях является лимитирующим при подборе сечений стальных балок сталежелезобетонных перекрытий. Поэтому в целях экономии стали предлагается осуществлять техно­логическое обжатие, являющееся расширением сферы применения предложенного Шагиным А.Л. [1] способа предварительного обжатия элементов из бетона.

Страницы:
1 


Похожие статьи

М С Барабаш - Представление знаний в проектировании пространственных конструкций

М С Барабаш - Экспертная система выбора рациональных проектных решений