混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理方法

趙二峰 黃 浩

（1.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098；2.河海大學(xué)水資源高效利用與工程安全國(guó)家工程研究中心，南京 210098）

混凝土壩結(jié)構(gòu)和工作條件復(fù)雜，特別是高壩和特高壩的服役性態(tài)評(píng)價(jià)需各級(jí)領(lǐng)導(dǎo)親臨現(xiàn)場(chǎng)，通過(guò)組織專家小組對(duì)大壩及壩基服役性態(tài)多源監(jiān)測(cè)和檢測(cè)信息進(jìn)行綜合分析，從而進(jìn)行決策.但是，對(duì)于高壩大庫(kù)，施工、設(shè)計(jì)、地勘等資料、各類巡查信息、檢測(cè)信息和監(jiān)測(cè)信息等很多，導(dǎo)致信息處理分析的工作量很大，往往需要較長(zhǎng)時(shí)間完成，以致不能及時(shí)發(fā)現(xiàn)隱患.另外，混凝土壩在設(shè)計(jì)、施工和運(yùn)行過(guò)程中，積累了大量的專家知識(shí)和實(shí)踐經(jīng)驗(yàn)，需要及時(shí)科學(xué)地總結(jié)管理這些知識(shí)，避免由于專家老齡化而導(dǎo)致這些知識(shí)的消失［1］.鑒于此，本文展開(kāi)混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理方法研究，利用復(fù)雜系統(tǒng)的多層融合、知識(shí)獲取、知識(shí)表示和因果機(jī)制推理等具備學(xué)習(xí)功能的人工智能技術(shù)，構(gòu)建基于黑板結(jié)構(gòu)的混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析體系，設(shè)計(jì)多源信息融合推理的知識(shí)庫(kù)和推理算法，充分利用施工、設(shè)計(jì)、地勘等資料、各類巡查信息、檢測(cè)信息、監(jiān)測(cè)信息、模型監(jiān)控信息和專家經(jīng)驗(yàn)信息等，從而提高混凝土壩長(zhǎng)效服役性態(tài)安全評(píng)價(jià)的可靠性和準(zhǔn)確性.

1 混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理體系的特性分析

在構(gòu)建混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理體系時(shí)，這些信息在類型、表達(dá)形式等方面的差異，需要依靠由數(shù)據(jù)驅(qū)動(dòng)的串行或并行程序進(jìn)行，而且由于各類信息和資料的多源性、冗余性、互補(bǔ)性，使得各功能模塊可采用不同的分析模式，如數(shù)據(jù)挖掘方法、結(jié)構(gòu)計(jì)算、檢測(cè)信息評(píng)測(cè)等，但必須將這些方法統(tǒng)一起來(lái)，才能做到對(duì)多源信息融合處理過(guò)程的有效控制.另外，來(lái)自各類監(jiān)測(cè)和檢測(cè)儀器及巡查信息具有隨時(shí)間不斷變化的特點(diǎn)，推理體系須具有一定的更新機(jī)制，并在各類信息變化時(shí)，主動(dòng)去識(shí)別、理解異常信息.黑板結(jié)構(gòu)通過(guò)不同知識(shí)表達(dá)方法、推理框架和控制機(jī)制的組合來(lái)實(shí)現(xiàn)，在信息管理智能決策系統(tǒng)中得到了廣泛的應(yīng)用［2－3］.黑板系統(tǒng)通過(guò)提供可擴(kuò)展的多層次結(jié)構(gòu)，可以有效地組織調(diào)度大量相互獨(dú)立的知識(shí)源，而且通過(guò)不斷加入新的知識(shí)，可不斷提高信息融合推理的智能化程度.黑板框架結(jié)構(gòu)如圖1所示，由黑板、知識(shí)源和控制運(yùn)算機(jī)構(gòu)組成.

圖1 黑板框架結(jié)構(gòu)

1）黑板是用來(lái)存儲(chǔ)施工、設(shè)計(jì)、地勘等資料、監(jiān)測(cè)數(shù)據(jù)、檢測(cè)信息和各類處理方法的動(dòng)態(tài)數(shù)據(jù)庫(kù)，整個(gè)黑板分成若干個(gè)信息層，每一層用于描述混凝土壩滲漏、裂縫等問(wèn)題的某一類信息.

2）知識(shí)源用于描述混凝土壩長(zhǎng)效服役性態(tài)安全評(píng)價(jià)中的分析方法、模型和因果推理機(jī)制，每個(gè)知識(shí)源可完成具有較明確因果機(jī)制的推理分析，各類知識(shí)源具有相互獨(dú)立性，知識(shí)推理分析過(guò)程記錄在各信息層相應(yīng)的黑板上.

3）控制運(yùn)算由監(jiān)督程序和調(diào)度程序組成，其中監(jiān)督程序根據(jù)黑板信息的變化可激活相應(yīng)的分析方法、模型和因果推理機(jī)制，通過(guò)選擇最合適的知識(shí)源進(jìn)行推理，推理結(jié)果同時(shí)用于修改黑板狀態(tài)，以便下一步循環(huán)推理.

與此同時(shí)，混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析需要綜合運(yùn)用多學(xué)科知識(shí)，所以在黑板框架結(jié)構(gòu)中，每個(gè)專家可根據(jù)其領(lǐng)域身份提供結(jié)構(gòu)、滲流等問(wèn)題的分析方法，并利用黑板交流其經(jīng)驗(yàn)以解決問(wèn)題.在此框架下，各個(gè)功能模塊通過(guò)協(xié)調(diào)工作可實(shí)現(xiàn)最佳的多源信息融合效果.因此，鑒于混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理的層次化要求，利用黑板框架構(gòu)造多層次多源信息融合系統(tǒng)成為較好的途徑.

2 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析結(jié)構(gòu)

混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理分析結(jié)構(gòu)如圖2所示，多源信息庫(kù)用于存儲(chǔ)多源檢測(cè)和監(jiān)測(cè)信息等及信息融合結(jié)果；知識(shí)庫(kù)用于存儲(chǔ)領(lǐng)域?qū)＜抑R(shí)，并存儲(chǔ)巡查記錄與混凝土壩變形、應(yīng)力、裂縫、滲流等結(jié)構(gòu)變化性態(tài)的因果機(jī)制；黑板用于輸入混凝土壩服役的各類信息、結(jié)構(gòu)性態(tài)變化的因果推理機(jī)制，根據(jù)混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理的特點(diǎn)，預(yù)處理和融合層的黑板均包含數(shù)據(jù)層、特征層和決策層；綜合調(diào)度管理用于監(jiān)督黑板、調(diào)度推理機(jī)制及選擇信息融合結(jié)果等；因果推理機(jī)則以一定的因果機(jī)制推理策略，根據(jù)混凝土壩多源信息進(jìn)行綜合推理，進(jìn)行大壩長(zhǎng)效服役性態(tài)的綜合評(píng)價(jià).

圖2 多源信息融合推理分析結(jié)構(gòu)

對(duì)于混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理，最重要的技術(shù)環(huán)節(jié)是構(gòu)建知識(shí)庫(kù)和推理機(jī)，下面綜合運(yùn)用多維數(shù)據(jù)庫(kù)［4］、BP 神經(jīng)網(wǎng)絡(luò)［5－6］，對(duì)混凝土壩長(zhǎng)效服役性態(tài)知識(shí)的表示、知識(shí)的獲取、知識(shí)的管理和實(shí)時(shí)融合推理機(jī)制進(jìn)行研究.

2.1 知識(shí)庫(kù)

1）知識(shí)的表示

混凝土壩長(zhǎng)效服役性態(tài)綜合評(píng)價(jià)結(jié)構(gòu)如圖3所示，知識(shí)庫(kù)存放工程等級(jí)評(píng)判準(zhǔn)則、設(shè)計(jì)標(biāo)準(zhǔn)評(píng)判準(zhǔn)則、原型工作性態(tài)評(píng)判準(zhǔn)則、施工質(zhì)量評(píng)判準(zhǔn)則、運(yùn)行評(píng)判準(zhǔn)則和庫(kù)區(qū)滑坡評(píng)判準(zhǔn)則等；推理機(jī)指借助圖2中的因果推理分析等對(duì)結(jié)構(gòu)和滲流引起的異常進(jìn)行物理成因解析，并提出輔助決策和建議.為了便于混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理，本文采用基于多維數(shù)據(jù)原理的知識(shí)表示方法，通過(guò)模式識(shí)別、模糊識(shí)別、推理求解等［7］實(shí)現(xiàn)，具體包括元事實(shí)表（ID－MATA）、事實(shí)表（ID－FACT）、規(guī)則表（IDRULE）、方法表（ID－METHOD）、事實(shí)索引表（IDMATA）、規(guī)則索引表（ID－MATA）和方法索引表（ID－MATA）.

圖3 混凝土壩長(zhǎng)效服役性態(tài)綜合評(píng)價(jià)結(jié)構(gòu)

2）知識(shí)的獲取

混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理知識(shí)的獲取可將得到的專家知識(shí)直接輸入知識(shí)庫(kù)，也可利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來(lái)獲取，后者既具有更高的時(shí)間效率，又能保證更高的學(xué)習(xí)質(zhì)量.本文采用基于BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的知識(shí)獲取，知識(shí)的獲取過(guò)程如圖4所示.

圖4 BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)知識(shí)自動(dòng)獲取過(guò)程

3）知識(shí)的管理

混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理知識(shí)的管理直接影響多源信息融合推理的效果，通過(guò)選擇緊耦合知識(shí)管理系統(tǒng)，充分利用高效的搜索算法，對(duì)推理規(guī)則的一致性和完整性進(jìn)行檢驗(yàn)，其中一致性檢驗(yàn)包括因果推理機(jī)制的條件冗余、沖突、檢驗(yàn)等.因此，借助多維數(shù)據(jù)庫(kù)的信息共享、存儲(chǔ)、并發(fā)控制等技術(shù)，采用結(jié)構(gòu)化查詢語(yǔ)言SQL 與知識(shí)庫(kù)進(jìn)行交互的管理模式，實(shí)現(xiàn)因果推理機(jī)制等知識(shí)的有效管理.

2.2 推理過(guò)程

混凝土壩長(zhǎng)效服役性態(tài)實(shí)時(shí)推理分析流程如圖5所示，當(dāng)知識(shí)庫(kù)識(shí)別為異常測(cè)值時(shí)，通過(guò)推理過(guò)程進(jìn)行異常測(cè)值的成因分析，對(duì)結(jié)構(gòu)和滲流等出現(xiàn)的異常情況進(jìn)行專家綜合診斷，解析物理成因，并提出輔助決策建議.

圖5 混凝土壩長(zhǎng)效服役性態(tài)實(shí)時(shí)推理分析流程

根據(jù)知識(shí)庫(kù)的評(píng)判準(zhǔn)則，可對(duì)混凝土壩長(zhǎng)效服役性態(tài)進(jìn)行層次閾值模糊評(píng)判，首先對(duì)水工建筑物的級(jí)別、設(shè)計(jì)標(biāo)準(zhǔn)以及衡量質(zhì)量的相關(guān)標(biāo)準(zhǔn)進(jìn)行評(píng)價(jià)；然后，進(jìn)行樞紐等級(jí)、設(shè)計(jì)洪水、安全超高、抗滑穩(wěn)定、工程質(zhì)量及基礎(chǔ)處理等進(jìn)行評(píng)價(jià)；最后，按上述準(zhǔn)則進(jìn)行評(píng)價(jià).根據(jù)多源信息融合的定義，鑒于漸進(jìn)推理方法可以對(duì)多源信息的各類數(shù)據(jù)進(jìn)行漸進(jìn)綜合分析，本文采用分級(jí)漸進(jìn)推理機(jī)制（圖6），即通過(guò)感知、記憶和論證在綜合調(diào)度管理下協(xié)調(diào)工作，進(jìn)行混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理.

圖6 分級(jí)漸進(jìn)推理機(jī)制

1）推理機(jī)主要數(shù)據(jù)結(jié)構(gòu)

CURRENT－FACT 存儲(chǔ)當(dāng)前的巡查信息；

CURRENT－RULE 存儲(chǔ)當(dāng)前正在執(zhí)行的因果機(jī)制；

CURRENT－MODEL 存儲(chǔ)當(dāng)前正在執(zhí)行的監(jiān)控模型；

VALID－RULES－STACK 規(guī)則順序棧，存儲(chǔ)所要執(zhí)行的因果機(jī)制序列；

VALID－METHODS－STACK 方法順序棧，存儲(chǔ)所要執(zhí)行的監(jiān)控方法序列.

2）推理機(jī)與知識(shí)庫(kù)的主要接口

①SEARCH（OBJECT，CURRENT－FACTS－SET）

在事實(shí)庫(kù)（或案例庫(kù)）中搜索與當(dāng)前結(jié)構(gòu)或滲流異常相匹配的元事實(shí)：

IF OBJECT ＝ID－MATA

THEN ID－MATA should be added into CUR－RENT－FACTS－SET

②SEARCH（PARENT－RULE，F(xiàn)ACTS－SET）

在優(yōu)化規(guī)則庫(kù)中搜索當(dāng)前啟用因果推理機(jī)制的子規(guī)則：

IF PARENT－RULE number ＝ PARENTRULE AND part of conditions are consistent with FACTS－SET

THEN return

③SEARCH（PARENT－METHOD，F(xiàn)ACTS－SET）

在方法庫(kù)中搜索所用監(jiān)控方法或監(jiān)控模型的子監(jiān)控方法或子監(jiān)控模型：

IF PARENT－METHOD number ＝PARENTMETHOD AND is suitable in FACTS－SET for MATA use

THEN return

④EXECUTE（RULE－NO）執(zhí)行規(guī)則RULENO 的推理機(jī)制，若該規(guī)則含有“輸出建議”，則輸出相應(yīng)的推理分析建議；若含有“判斷新的事實(shí)（案例）”，則進(jìn)行中間事實(shí)（案例）判斷，并將判斷后的中間事實(shí)（案例）返回.

⑤EXECUTE （METHOD－NO）執(zhí)行方法METHOD－NO 的操作部分，若該方法含有“輸出建議”，則輸出相應(yīng)的建議；若含有中間事實(shí)產(chǎn)生，則進(jìn)行相應(yīng)的判斷，并將判斷后的中間事實(shí)返回.

⑥EXECUTE（bpa）根據(jù)數(shù)據(jù)庫(kù)或人工確定的基本概率指派函數(shù)（bpa），運(yùn)用D－S證據(jù)理論對(duì)規(guī)則推理結(jié)果進(jìn)行驗(yàn)證.若有中間事實(shí)產(chǎn)生，則進(jìn)行相應(yīng)的判斷，并將判斷后的中間事實(shí)返回.

3 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理分析模型

3.1 數(shù)據(jù)級(jí)的模糊貼近度融合模型

因此，在得到監(jiān)測(cè)點(diǎn)與估計(jì)值貼近度的基礎(chǔ)上，即可計(jì)算出各測(cè)點(diǎn)的相對(duì)權(quán)重，進(jìn)而最終得到多測(cè)點(diǎn)監(jiān)測(cè)信息融合結(jié)果為

3.2 特征級(jí)的GA－BP網(wǎng)絡(luò)融合模型

對(duì)于多層BP神經(jīng)網(wǎng)絡(luò)，定義能量函數(shù)為

式中，okj為第k 個(gè)學(xué)習(xí)樣本第j 個(gè)輸出節(jié)點(diǎn)的實(shí)際輸出，tkj為第k 個(gè)學(xué)習(xí)樣本第j 個(gè)輸出節(jié)點(diǎn)的期望輸出.

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程是找到一個(gè)較優(yōu)的網(wǎng)絡(luò)模型（確定網(wǎng)絡(luò)參數(shù)），調(diào)整權(quán)值矩陣W 和閾值矩陣θ使得E 最小的過(guò)程.因此，定義評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)優(yōu)劣的適應(yīng)度函數(shù)為

式中，C 為常數(shù)，E 為能量函數(shù).

GA－BP算法應(yīng)用于特征信息融合的過(guò)程如圖7所示.將利用遺傳算法得到的網(wǎng)絡(luò)參數(shù)及初始權(quán)值矩陣和閾值矩陣傳于BP 算法對(duì)其進(jìn)行細(xì)微調(diào)整，即可得到滿意的優(yōu)化結(jié)果.

圖7 GA－BP算法應(yīng)用于特征信息融合過(guò)程

3.3 決策信息的D－S融合模型

1）單測(cè)點(diǎn)多測(cè)量屬性融合模型

設(shè)單測(cè)點(diǎn)n個(gè)監(jiān)測(cè)周期中通過(guò)對(duì)效應(yīng)量的監(jiān)測(cè)獲得對(duì)k 個(gè)命題的可信度分配為m1（Ai）、m2（Ai）、…、mn（Ai），i＝1，2，…，k，mj（Ai）表示在第j個(gè)周期中對(duì)命題Ai的可信度分配，則該測(cè)點(diǎn)依據(jù)n 個(gè)監(jiān)測(cè)周期的累積測(cè)量對(duì)k 個(gè)命題的融合后驗(yàn)可信度分配為

特別地，“未知”命題（不同于中性命題）的融合后驗(yàn)可信度分配為

式中，ui表示第i 個(gè)周期“未知”命題的可信度分配值.

對(duì)于除了“未知”命題以外，各周期間不同命題都相互獨(dú)立的情形

2）多測(cè)點(diǎn)多測(cè)量屬性融合模型

設(shè)有m 個(gè)測(cè)點(diǎn)，每個(gè)測(cè)點(diǎn)在辨識(shí)框架Θ 的冪集2θ中有意義的命題為k 個(gè).各測(cè)點(diǎn)在各測(cè)量周期上獲得的后驗(yàn)可信度分配為msj（Ai）（i＝1，2，…，k；j＝1，2，…，n；s＝1，2，…，m），usj＝msj（2θ），其中msj（Ai）表示第s個(gè)測(cè)點(diǎn)在第j 個(gè)監(jiān)測(cè)周期上對(duì)命題Ai的后驗(yàn)可信度分配；usj表示對(duì)“未知”命題的可信度分配.融合思路如下：首先對(duì)于單個(gè)測(cè)點(diǎn)，基于n 個(gè)監(jiān)測(cè)周期的累積測(cè)量計(jì)算出每一個(gè)命題的融合后驗(yàn)可信度分配，然后基于這些融合可信度分配，再將m 個(gè)測(cè)點(diǎn)視為一個(gè)監(jiān)測(cè)系統(tǒng)，進(jìn)一步計(jì)算出總的融合后驗(yàn)可信度分配.

①計(jì)算單測(cè)點(diǎn)依據(jù)各自n 個(gè)監(jiān)測(cè)周期的累積量測(cè)所獲得的k 個(gè)命題的融合后驗(yàn)可信度分配

②將m 個(gè)測(cè)點(diǎn)視為一個(gè)監(jiān)測(cè)系統(tǒng)，計(jì)算總的融合后驗(yàn)可信度分配

特別地，“未知”命題的融合后驗(yàn)可信度分配為

4 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理實(shí)現(xiàn)

下面以面向?qū)ο筌浖O(shè)計(jì)開(kāi)發(fā)方法為基本原則，利用Delphi 2007實(shí)現(xiàn)混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理的功能.混凝土壩長(zhǎng)效服役性態(tài)信息融合推理采用層次化的體系結(jié)構(gòu)如圖8所示，自下而上分為數(shù)據(jù)層、學(xué)習(xí)層、融合層以及應(yīng)用層.在數(shù)據(jù)層上，通過(guò)對(duì)環(huán)境信息源狀態(tài)的獲取以及混凝土壩運(yùn)行監(jiān)測(cè)和檢測(cè)數(shù)據(jù)等的標(biāo)準(zhǔn)化處理，完成對(duì)混凝土壩長(zhǎng)效服役多源信息的預(yù)處理；在學(xué)習(xí)層上，通過(guò)BP 網(wǎng)絡(luò)學(xué)習(xí)算法對(duì)證據(jù)合成規(guī)則中的權(quán)值進(jìn)行離線學(xué)習(xí)，并對(duì)學(xué)習(xí)樣本進(jìn)行管理；在融合層上，利用學(xué)習(xí)后得到的權(quán)值在證據(jù)合成網(wǎng)絡(luò)中對(duì)標(biāo)準(zhǔn)化處理后的各類數(shù)據(jù)進(jìn)行合成，實(shí)現(xiàn)對(duì)多源信息的融合；應(yīng)用層作為擴(kuò)展模塊，可以根據(jù)需求加入不同的模塊，從而實(shí)現(xiàn)對(duì)信息融合決策的應(yīng)用.

圖8 信息融合體系結(jié)構(gòu)

根據(jù)信息融合體系結(jié)構(gòu)，混凝土壩長(zhǎng)效服役性態(tài)信息融合推理主要包括：1）信息預(yù)處理模塊，包括監(jiān)測(cè)數(shù)據(jù)獲取與標(biāo)準(zhǔn)化子模塊，通過(guò)獲取待融合的各類監(jiān)測(cè)和檢測(cè)數(shù)據(jù)等，利用標(biāo)準(zhǔn)化函數(shù)將各種類型的數(shù)據(jù)和信息進(jìn)行預(yù)處理；2）參數(shù)設(shè)置模塊，用于管理和配置系統(tǒng)中的各種全局參數(shù)，包括BP神經(jīng)網(wǎng)絡(luò)權(quán)值的設(shè)置以及多源信息融合參數(shù)等；3）離線學(xué)習(xí)模塊，包括樣本管理、學(xué)習(xí)參數(shù)設(shè)置以及學(xué)習(xí)算法等，樣本管理子模塊將實(shí)現(xiàn)對(duì)樣本數(shù)據(jù)的存儲(chǔ)、修改等，學(xué)習(xí)算法模塊利用BP神經(jīng)網(wǎng)絡(luò)對(duì)權(quán)值進(jìn)行離線學(xué)習(xí)，學(xué)習(xí)參數(shù)設(shè)置用于管理離線學(xué)習(xí)模塊中特定的參數(shù)（如算法的學(xué)習(xí)效率、迭代次數(shù)等）；4）信息融合推理模塊（圖9），將標(biāo)準(zhǔn)化后的各類數(shù)據(jù)傳入D－S證據(jù)合成網(wǎng)絡(luò)中，并利用離線學(xué)習(xí)獲得的權(quán)值進(jìn)行參數(shù)設(shè)置，最終得到混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理結(jié)果.

圖9 混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理功能模塊

5 結(jié) 語(yǔ)

本文研究了混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理方法，構(gòu)建了基于黑板結(jié)構(gòu)的信息融合推理結(jié)構(gòu)，提出了利用多維數(shù)據(jù)庫(kù)進(jìn)行混凝土壩長(zhǎng)效服役性態(tài)的多源信息的知識(shí)表示方法，利用BP 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法來(lái)獲取知識(shí)，以及采用結(jié)構(gòu)化查詢語(yǔ)言SQL與知識(shí)庫(kù)進(jìn)行交互的知識(shí)管理模式，并采用分級(jí)漸進(jìn)推理機(jī)制進(jìn)行混凝土壩長(zhǎng)效服役性態(tài)的多源信息融合推理.在此基礎(chǔ)上，利用Delphi 2007實(shí)現(xiàn)混凝土壩長(zhǎng)效服役性態(tài)多源信息融合推理的功能，為提高混凝土壩長(zhǎng)效服役性態(tài)安全評(píng)價(jià)的可靠性和準(zhǔn)確性提供了技術(shù)支持.

［1］ 顧沖時(shí)，吳中如.大壩與壩基安全監(jiān)控理論和方法及其應(yīng)用［M］.南京：河海大學(xué)出版社，2006.

［2］ 高舉紅，徐燕申，單樂(lè)生.基于黑板結(jié)構(gòu)CAPP專家系統(tǒng)的研究［J］.天津大學(xué)學(xué)報(bào)，2000，33（3）：298－301.

［3］ 劉 群，夏 虹.多源信息融合系統(tǒng)的主動(dòng)式黑板結(jié)構(gòu)與模型［J］.哈爾濱工程大學(xué)學(xué)報(bào)，2007，28（8）：910－916.

［4］ 趙二峰，金 怡，楊 陽(yáng)，等.大壩安全監(jiān)控系統(tǒng)的多維數(shù)據(jù)模型設(shè)計(jì)［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46（25）：231－234.

［5］ 張育智.基于神經(jīng)網(wǎng)絡(luò)與數(shù)據(jù)融合的結(jié)構(gòu)損傷識(shí)別理論研究［D］.成都：西南交通大學(xué)，2007.

［6］ 張洪濤.基于神經(jīng)網(wǎng)絡(luò)和濾波理論的信息融合算法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2007.

［7］ 葛 紅，田聯(lián)房.信息融合技術(shù)在模式識(shí)別中的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用研究，2009，26（1）：19－24.