43

§7.3 地理信息系统与人工智能的结合

    人工智能是用计算机模拟人的智能行为来解决一些复杂问题。目前地理信息系统由于缺乏知识处理和进行启发式推理的能力，其决策支持功能仍很弱，还无法解决多层次、多因素、非线性变化的复杂地学问题。将GIS和专家系统相结合，发展智能GIS或专家GIS，是解决复杂地学问题的重要途径，也是地理信息系统最吸引人的一个应用方向。

一、人工智能概述

    介绍人工智能中有关知识的概念、知识的表示方法、知识推理、知识获取、专家系统等基础知识。

二、GIS与人工智能相结合实例 --地震预报智能决策支持系统

    介绍地震预报智能决策支持系统的实际意义、系统结构和使用情况。

一、人工智能概述

    人工智能简称AI。一般用计算机模拟人的智能行为就属人工智能范畴。例如知识表示、推理技术、搜索技术、机器学习、人工智能语言都是人工智能的核心内容。目前，人工智能主要研究：专家系统、知识库系统、决策支持系统、模式识别、自动程序设计、智能机器人等。现介绍若干重要概念。

1、知识概念：一般可分为描述性知识、判断性知识、过程性知识。

1）事实性知识：表示对象及概念的特征及其相互关系的知识，以及问题求解状况的知识，也称描述性知识。

2）判断性知识：表示相关问题求解的知识如推理规则，也称启发性知识。

3）过程性知识：表示问题求解的控制策略，也即如何应用判断性知识进行推理的知识。

    根据知识作用于不同的层次，知识还可分为两类：

1）领域相关的知识：对象级知识直接描述有关领域对象的知识。

2）元级知识，描述对象级知识的知识，如关于领域知识的内容、特征、应用范围、可信度以及如何运用的知识。

2、知识的表示方法

    常用的知识表示方法有逻辑语义网络、框架和产生式系统。

1）逻辑表示法

指采用一阶谓词逻辑来表达知识。它通过描述客观事物的状态、属性值及相互间关系来表达。例"地图是地理信息产品"，"不是所有的数据都能被人利用"这样的事实描述，可以采用如下接边词"与（Λ）"、"或（V）"、"非（┐）"、"蕴含（→）"和"存在量词"、"全称量词"组合来表达：

    X[地图（x）]∧[地理信息产品]；

    X[数据（x）∧利用（人，x）]；

2）语义网络

采用有向图来表示知识的方法。其结点表示客体，客体性质、概念、事件和行为等，而有向边则表示客体间联系。它类似于面向对象数据模型，可以用分类、概括、聚集和联合，如图7-3-1所示。

3）框架

    一个框架等同于一个"聚集型语义网络"结构，其框架名即是语义聚集结点，而框架的块名即是聚集元素结点，如图7-3-2所示框架结构相对应于图7-3-1中相应部分语义网络。

4）产生式系统

    产生式系统包括综合数据库，产生式规则和控制系统三个基本要素。

1）综合数据库是用来存储描述问题状态数据的数据库。

2）控制系统则是根据综合数据库新的状态数据选择一条规则作用于它，即通过识别，产生动作，不断循环，直至综合数据库结束或无可用规则为止。

3）产生式规则的作用是对综合数据库进行操作，使之恢复发生变化，其一般的形式如下： 如果<前提> 那么 <动作∨结论>。

    例如下列知识与其相应产生式规则表示。

    知识："没有地震前兆，不会有地震"，"动物异常是一种地震前兆"。

    规则表示：如果 <没有地震前兆> 那么 <没有地震>，如果 <动物异常> 那么 <有地震前兆>。

3、知识推理

    知识推理就是运用知识探求解决。根据上面知识表示方法，可将知识推理分为"图搜索"和"逻辑论证"两种方法。基于图的知识表示，推理就用图搜索法，其基本的方法有广度优先和深度优先搜索两种；当知识基于逻辑方法时，推理就采用逻辑论证法。常用的逻辑推理方式可分为：演绎、归纳、外展、非单调及不精确推理五种。

4、知识获取

    知识获取是将解决专门问题的专业知识由知识源传递和转换为计算机上知识库中知识的过程。它有三种方式：

1）人工移植：由人来编制程序进行移植；

2）机器学习：由机器通过运行过程自学习，获取知识，对原知识库进行增、删、改；

3）机器感知：由机器通过计算机视觉、听觉、触觉，直接感知外部世界，获取知识。

5、专家系统（ES: Expert System）

    专家系统是具备知识库且具有学习能力，能对知识库动态修改以增进能力，采用一定策略的推理机制，能够解决适度规模专家级问题的计算机软件系统。

    ES中最重要的是知识库及推理机制。其基本结构如图7-3-3所示。

    其中解释模块负责解释知识推理结果及回答用户问题，中间数据库作为工作单元，存储系统各种中间结果，结果输出是推理机的各种结论及可信度，供用户决策。

     应当指出，由于人的智能机制十分复杂，以及计算机硬、软件的发展水平所限，它所能解决的仅是人的智能的很小一部分。专家系统在"望文生义"上表现很好，在"望形生意"上表现很差。但这是具有巨大意义的一部分。是一个宏大的重要目标一个有意义的开端。

二、GIS与人工智能相结合实例 --地震预报智能决策支持系统

1、实际意义

    地震是众多自然灾害中对经济发展和社会稳定造成危害最为严重的一种灾害。至今，地震预报仍然是一个世界性难题。目前进行地震预报的主要依据还是各种地震前兆，专家们根据发生的各种现象及自己的经验进行地震预报。如果将他们的日常工作由计算机来代替，由计算机进行数据的自动采集、异常的自动判别，然后再根据知识库中的知识进行地震预报的综合决策，不仅节省了专家们重复劳动的时间，而且还有诸多优越性。

2、系统结构

    地震是重要的地理现象。"地震预报智能决策支持系统"的总体结构及各种处理子系统之间的关系如图7-3-4所示。（各子系统具体说明）

3、使用情况

§7.3 地理信息系统与人工智能的结合

    人工智能是用计算机模拟人的智能行为来解决一些复杂问题。目前地理信息系统由于缺乏知识处理和进行启发式推理的能力，其决策支持功能仍很弱，还无法解决多层次、多因素、非线性变化的复杂地学问题。将GIS和专家系统相结合，发展智能GIS或专家GIS，是解决复杂地学问题的重要途径，也是地理信息系统最吸引人的一个应用方向。

一、人工智能概述

    介绍人工智能中有关知识的概念、知识的表示方法、知识推理、知识获取、专家系统等基础知识。

二、GIS与人工智能相结合实例 --地震预报智能决策支持系统

    介绍地震预报智能决策支持系统的实际意义、系统结构和使用情况。

一、人工智能概述

    人工智能简称AI。一般用计算机模拟人的智能行为就属人工智能范畴。例如知识表示、推理技术、搜索技术、机器学习、人工智能语言都是人工智能的核心内容。目前，人工智能主要研究：专家系统、知识库系统、决策支持系统、模式识别、自动程序设计、智能机器人等。现介绍若干重要概念。

1、知识概念：一般可分为描述性知识、判断性知识、过程性知识。

1）事实性知识：表示对象及概念的特征及其相互关系的知识，以及问题求解状况的知识，也称描述性知识。

2）判断性知识：表示相关问题求解的知识如推理规则，也称启发性知识。

3）过程性知识：表示问题求解的控制策略，也即如何应用判断性知识进行推理的知识。

    根据知识作用于不同的层次，知识还可分为两类：

1）领域相关的知识：对象级知识直接描述有关领域对象的知识。

2）元级知识，描述对象级知识的知识，如关于领域知识的内容、特征、应用范围、可信度以及如何运用的知识。

2、知识的表示方法

    常用的知识表示方法有逻辑语义网络、框架和产生式系统。

1）逻辑表示法

指采用一阶谓词逻辑来表达知识。它通过描述客观事物的状态、属性值及相互间关系来表达。例"地图是地理信息产品"，"不是所有的数据都能被人利用"这样的事实描述，可以采用如下接边词"与（Λ）"、"或（V）"、"非（┐）"、"蕴含（→）"和"存在量词"、"全称量词"组合来表达：

    X[地图（x）]∧[地理信息产品]；

    X[数据（x）∧利用（人，x）]；

2）语义网络

采用有向图来表示知识的方法。其结点表示客体，客体性质、概念、事件和行为等，而有向边则表示客体间联系。它类似于面向对象数据模型，可以用分类、概括、聚集和联合，如图7-3-1所示。

3）框架

    一个框架等同于一个"聚集型语义网络"结构，其框架名即是语义聚集结点，而框架的块名即是聚集元素结点，如图7-3-2所示框架结构相对应于图7-3-1中相应部分语义网络。

4）产生式系统

    产生式系统包括综合数据库，产生式规则和控制系统三个基本要素。

1）综合数据库是用来存储描述问题状态数据的数据库。

2）控制系统则是根据综合数据库新的状态数据选择一条规则作用于它，即通过识别，产生动作，不断循环，直至综合数据库结束或无可用规则为止。

3）产生式规则的作用是对综合数据库进行操作，使之恢复发生变化，其一般的形式如下： 如果<前提> 那么 <动作∨结论>。

    例如下列知识与其相应产生式规则表示。

    知识："没有地震前兆，不会有地震"，"动物异常是一种地震前兆"。

    规则表示：如果 <没有地震前兆> 那么 <没有地震>，如果 <动物异常> 那么 <有地震前兆>。

3、知识推理

    知识推理就是运用知识探求解决。根据上面知识表示方法，可将知识推理分为"图搜索"和"逻辑论证"两种方法。基于图的知识表示，推理就用图搜索法，其基本的方法有广度优先和深度优先搜索两种；当知识基于逻辑方法时，推理就采用逻辑论证法。常用的逻辑推理方式可分为：演绎、归纳、外展、非单调及不精确推理五种。

4、知识获取

    知识获取是将解决专门问题的专业知识由知识源传递和转换为计算机上知识库中知识的过程。它有三种方式：

1）人工移植：由人来编制程序进行移植；

2）机器学习：由机器通过运行过程自学习，获取知识，对原知识库进行增、删、改；

3）机器感知：由机器通过计算机视觉、听觉、触觉，直接感知外部世界，获取知识。

5、专家系统（ES: Expert System）

    专家系统是具备知识库且具有学习能力，能对知识库动态修改以增进能力，采用一定策略的推理机制，能够解决适度规模专家级问题的计算机软件系统。

    ES中最重要的是知识库及推理机制。其基本结构如图7-3-3所示。

    其中解释模块负责解释知识推理结果及回答用户问题，中间数据库作为工作单元，存储系统各种中间结果，结果输出是推理机的各种结论及可信度，供用户决策。

     应当指出，由于人的智能机制十分复杂，以及计算机硬、软件的发展水平所限，它所能解决的仅是人的智能的很小一部分。专家系统在"望文生义"上表现很好，在"望形生意"上表现很差。但这是具有巨大意义的一部分。是一个宏大的重要目标一个有意义的开端。

二、GIS与人工智能相结合实例 --地震预报智能决策支持系统

1、实际意义

    地震是众多自然灾害中对经济发展和社会稳定造成危害最为严重的一种灾害。至今，地震预报仍然是一个世界性难题。目前进行地震预报的主要依据还是各种地震前兆，专家们根据发生的各种现象及自己的经验进行地震预报。如果将他们的日常工作由计算机来代替，由计算机进行数据的自动采集、异常的自动判别，然后再根据知识库中的知识进行地震预报的综合决策，不仅节省了专家们重复劳动的时间，而且还有诸多优越性。

2、系统结构

    地震是重要的地理现象。"地震预报智能决策支持系统"的总体结构及各种处理子系统之间的关系如图7-3-4所示。（各子系统具体说明）

3、使用情况

    该系统将人的经验形式化后存入知识库中，同时把有关的数据或异常信息存入数据库中，然后进行推理，它所得出的结论基本上与人的综合结果是一致的，但它更直观、更定量化一些。如1994年底利用"地震预报智能决策支持系统"对1995年地震趋势进行了预报，结果1995年在全国发生的5级以上地震有80%落在该系统所预报的范围内，比人综合的效果更好一些。因此可以说，这些系统在日常的预报工作中发挥了一定的作用。

    地震预报仍然是一个世界性难题，本例用人工智能方法研究地震矛盾更是一项探索性的工作，需要不断地摸索和研究，在实践中不断丰富、完善并创新。

    该系统将人的经验形式化后存入知识库中，同时把有关的数据或异常信息存入数据库中，然后进行推理，它所得出的结论基本上与人的综合结果是一致的，但它更直观、更定量化一些。如1994年底利用"地震预报智能决策支持系统"对1995年地震趋势进行了预报，结果1995年在全国发生的5级以上地震有80%落在该系统所预报的范围内，比人综合的效果更好一些。因此可以说，这些系统在日常的预报工作中发挥了一定的作用。

    地震预报仍然是一个世界性难题，本例用人工智能方法研究地震矛盾更是一项探索性的工作，需要不断地摸索和研究，在实践中不断丰富、完善并创