基于案例推理的工業(yè)園區(qū)廢氣污染溯源方法研究

張春梅， 賈云霞， 李曉云， 王 晨

(1. 太原市環(huán)境監(jiān)測(cè)中心站， 山西 太原 030002； 2. 山西大學(xué) 物理電子工程學(xué)院， 山西 太原 030006)

0 引 言

改革開(kāi)放以來(lái)， 我國(guó)經(jīng)濟(jì)發(fā)展和社會(huì)建設(shè)取得了巨大的成就， 但與此同時(shí)， 人們的環(huán)境保護(hù)意識(shí)淡薄、 人類(lèi)的各種活動(dòng)與自然環(huán)境的不和諧也導(dǎo)致了各類(lèi)環(huán)境問(wèn)題的出現(xiàn). 近年來(lái)， 特別是黨的十八大以來(lái)， 生態(tài)文明建設(shè)得到高度重視， 我國(guó)總體環(huán)境得到了一定程度的改善， 但具體環(huán)境狀態(tài)依舊不容樂(lè)觀. 2016年， 全國(guó)338個(gè)地級(jí)及以上城市中， 有84個(gè)城市環(huán)境空氣質(zhì)量達(dá)標(biāo)， 占全部城市數(shù)的24.9%； 254個(gè)城市環(huán)境空氣質(zhì)量超標(biāo)， 占75.1%； 平均優(yōu)良天數(shù)比例為78.8%， 比2015年上升2.1個(gè)百分點(diǎn)； 平均超標(biāo)天數(shù)比例為21.2%. 超標(biāo)項(xiàng)主要包括細(xì)顆粒(PM2.5)、 可吸入顆粒物(PM10)、 二氧化氮(NO2)、 二氧化硫(SO2)和一氧化碳(CO)等[1].

目前， 環(huán)境保護(hù)已經(jīng)成為我國(guó)可持續(xù)發(fā)展的重要環(huán)節(jié)和關(guān)鍵任務(wù)， 而全國(guó)范圍內(nèi)環(huán)境污染問(wèn)題突出， 特別是工業(yè)園區(qū)在污染監(jiān)測(cè)、 控制、 管理等方面存在較多問(wèn)題,工業(yè)園區(qū)聚集了大量的工業(yè)企業(yè)， 在推動(dòng)各地區(qū)工業(yè)發(fā)展、 經(jīng)濟(jì)技術(shù)及科學(xué)發(fā)展方面發(fā)揮著重要作用. 近年來(lái)工業(yè)園區(qū)(經(jīng)濟(jì)園區(qū))在各地繁榮興盛起來(lái)， 甚至有不少園區(qū)已經(jīng)取得了一定的經(jīng)濟(jì)效益， 成為推動(dòng)地區(qū)經(jīng)濟(jì)增長(zhǎng)的重要因素. 然而眾多工業(yè)園區(qū)在其實(shí)際發(fā)展中也排放出大量污染物， 成分復(fù)雜， 監(jiān)測(cè)的范圍廣， 導(dǎo)致園區(qū)環(huán)保監(jiān)測(cè)出現(xiàn)網(wǎng)絡(luò)建設(shè)缺乏系統(tǒng)規(guī)劃、 決策因子缺乏代表性、 監(jiān)管規(guī)范不完善等問(wèn)題. 工業(yè)園區(qū)的空氣質(zhì)量不僅直接影響園區(qū)自身的環(huán)境水平， 而且影響著所在區(qū)域甚至整個(gè)城市的大氣環(huán)境. 如何對(duì)工業(yè)園區(qū)內(nèi)不同類(lèi)型的企業(yè)進(jìn)行廢氣排放方面的有效管理， 已經(jīng)成為園區(qū)環(huán)境管控乃至城市環(huán)境保護(hù)的重點(diǎn)工作.

通常情況下， 由于工業(yè)園區(qū)成分復(fù)雜， 加之地形、 時(shí)間等限制因素， 不能準(zhǔn)確直接定位污染排放企業(yè)的位置. 目前， 主要以?xún)煞N思路研究廢氣污染溯源模型與方法： ① 基于數(shù)理統(tǒng)計(jì)、 概率論而形成. 此種思路基于大氣擴(kuò)散的數(shù)值分布， 運(yùn)用各種算法統(tǒng)計(jì)分析確定排放源的位置； ② 以?xún)?yōu)化理論為契機(jī)， 在確定目標(biāo)函數(shù)的基礎(chǔ)上， 計(jì)算出其最優(yōu)化解[2]. 殷鳳蘭等人主要從概率統(tǒng)計(jì)學(xué)的角度展開(kāi)研究， 首先確定點(diǎn)源位置、 個(gè)數(shù)， 并基于最佳攝動(dòng)量正則化算法得出污染源強(qiáng)數(shù)值[3]; 文獻(xiàn)[4]中定義了氣體泄漏源、 反算污染源參數(shù)， 首先通過(guò)模式搜索法進(jìn)行定義， 然后以貝葉斯推理法進(jìn)行計(jì)算. 此種算法通常以經(jīng)驗(yàn)為依據(jù)假設(shè)模型參數(shù)， 需觀測(cè)大量數(shù)據(jù)進(jìn)行分析， 計(jì)算量大， 適用于氣體泄漏的溯源工作. 對(duì)于優(yōu)化理論方法在氣體溯源的研究方面， 駱蓓、 鄒吉然、 史陽(yáng)、 張久鳳等學(xué)者[5-8]基于氣體濃度的實(shí)際觀測(cè)值及其理論計(jì)算值， 確定目標(biāo)函數(shù)然后再利用各種人工智能算法求解目標(biāo)函數(shù)的最優(yōu)解. 本文提出的基于案例推理的氣體污染溯源方法， 可以突破單一氣體追溯的限制， 以整個(gè)工業(yè)園區(qū)作為研究對(duì)象， 綜合園區(qū)環(huán)境和周邊， 綜合分析氣體污染源.

1 案例推理概述及推理過(guò)程

圖 1 案例推理模型Fig.1 Case-based reasoning model

案例推理即CBR(Case-based Reasoning)技術(shù)最早出現(xiàn)在Roger Schank對(duì)計(jì)算機(jī)和人的提醒和學(xué)習(xí)理論的動(dòng)態(tài)記憶的描述中[9]， 是智能領(lǐng)域中應(yīng)用比較多的關(guān)于知識(shí)的問(wèn)題求解方式和學(xué)習(xí)方法， 它對(duì)已有的經(jīng)驗(yàn)和案例作為知識(shí)單位進(jìn)行存儲(chǔ)， 核心思想是利用過(guò)去解決類(lèi)似問(wèn)題的經(jīng)驗(yàn)來(lái)解決新的問(wèn)題. R4 模型是CBR中應(yīng)用最普遍的一種模型， 如圖 1 所示， 通常包含4大步驟： ① 案例表示； ② 案例檢索； ③ 案例修正； ④ 案例學(xué)習(xí). 圖 1 較為詳實(shí)地介紹了CBR的整個(gè)過(guò)程.

1.1 案例表示

案例表示即以結(jié)構(gòu)化的形式描述相關(guān)知識(shí). 選擇何種案例方式， 則何種描述方式將對(duì)整個(gè)案例的效率、 性能形成較大的影響. 有很多方法都可用于案例表示， 一般認(rèn)為只要適用于知識(shí)表示， 其通常也適用于案例表示.

現(xiàn)階段最為典型的案例表示方法主要有： 語(yǔ)義網(wǎng)、 框架表示、 本體描述等， 每種方法各具優(yōu)缺點(diǎn)， 適用的范圍也各不相同. 案例表示實(shí)際上就是對(duì)已知案例的一種描述， 同一案例可以有不同的表示方式， 而不同的表示方式對(duì)案例推理的性能影響也不盡相同， 案例表示合理可以使推理變得簡(jiǎn)單高效， 不合理的表示會(huì)使推理辨識(shí)繁瑣和低效.

本體描述語(yǔ)言是案例表示的一種形式， 常用于對(duì)異構(gòu)知識(shí)的表示中. 本體表示具有邏輯性、 易于表示、 清晰度較高， 所以被普遍應(yīng)用. 本文基于此建立廢氣污染溯源通用本體模型.

1.2 案例檢索

案例檢索是CBR非常重要的過(guò)程， 直接影響著案例推理的效率和結(jié)果， 也是CBR步驟中專(zhuān)家學(xué)者的研究重點(diǎn)， 目前已經(jīng)形成了豐富的案例檢索法， 其中決策樹(shù)法、 最近相鄰法得以最普遍的應(yīng)用.

在廢氣污染溯源推理案例檢索過(guò)程中， 采用了計(jì)算相似度的檢索方案， 考慮到影響因子的特殊性， 即具有模糊性、 不確定性等特點(diǎn)， 所以在計(jì)算相似度時(shí)采用直覺(jué)模糊粗糙集方法.

1.3 案例修正

盡管案例匹配時(shí)能找到與待解決問(wèn)題匹配度很高的相似案例， 但是自然因素和社會(huì)環(huán)境瞬息萬(wàn)變， 很難保證匹配案例和待解決問(wèn)題完全一致， 所以必然會(huì)形成不同的解決方案. 基于此， 應(yīng)結(jié)合其它方法進(jìn)行修正. 本文引入專(zhuān)家意見(jiàn)法， 希望通過(guò)此法提高修正的可靠性， 將通過(guò)案例檢索已經(jīng)解決的案例交由專(zhuān)家系統(tǒng)進(jìn)行調(diào)整， 對(duì)其不合理的部分進(jìn)行修正以提高案例匹配的準(zhǔn)確度.

1.4 案例學(xué)習(xí)

案例學(xué)習(xí)是指新問(wèn)題解決后的最終方案保存至案例庫(kù)， 以供后續(xù)問(wèn)題參照， 使得推理系統(tǒng)案例和知識(shí)不斷得到補(bǔ)充和完善. 因此， 案例學(xué)習(xí)步驟體現(xiàn)了案例推理自學(xué)習(xí)、 自適應(yīng)的特點(diǎn). 本文采用最簡(jiǎn)單的案例學(xué)習(xí)方法把已解決問(wèn)題作為案例補(bǔ)充到案例庫(kù).

2 廢氣污染溯源推理方法

追溯污染氣體排放源頭、 定位污染排放企業(yè)是管理廢氣污染時(shí)需要解決的重要問(wèn)題， 很多學(xué)者以往的溯源研究一直局限于園區(qū)本身?xiàng)l件來(lái)進(jìn)行溯源， 本文提出基于案例推理對(duì)廢氣污染進(jìn)行溯源的推理方法. 溯源推理總體思路就是首先根據(jù)其他工業(yè)園區(qū)污染溯源案例庫(kù)， 與待解決的工業(yè)園區(qū)案例信息進(jìn)行檢索匹配， 找出與之相匹配的最佳案例， 然后根據(jù)匹配案例比較分析得出廢氣溯源結(jié)果.

2.1 廢氣污染案例表示

在設(shè)計(jì)廢氣污染溯源推理本體模型時(shí)主要以環(huán)境領(lǐng)域的有關(guān)概念為依據(jù)， 結(jié)合領(lǐng)域?qū)＜业慕?jīng)驗(yàn)、 知識(shí)描述廢氣污染源[10]， 同時(shí)所形成的廢氣污染溯源推理主體必須得到領(lǐng)域?qū)＜业恼J(rèn)可， 從而正確闡釋說(shuō)明影響本體概念的要素. 本文定義廢氣污染溯源推理本體模型， 構(gòu)建了廢氣污染溯源推理的指標(biāo)體系并給定指標(biāo)間的關(guān)系， 如圖 2 所示.

廢氣污染溯源推理案例是基于廢氣污染溯源本體模型進(jìn)行案例表示， 廢氣污染溯源推理案例包含了本體中關(guān)鍵影響因子， 并表明影響因子的相互作用. 案例搜集主要收集了國(guó)內(nèi)近幾年來(lái)各工業(yè)園區(qū)的有關(guān)案例， 并總結(jié)分析了其污染類(lèi)型、 環(huán)境因素、 爆發(fā)情況等等， 最終得出表 1 的結(jié)果.

表 1 廢氣污染溯源案例庫(kù)部分案例信息

由于篇幅有限， 表 1 僅僅列舉了案例庫(kù)中的部分案例及部分案例信息， 案例庫(kù)實(shí)際收集整理了183個(gè)工業(yè)園區(qū)案例.

圖 2 廢氣污染溯源本體表示 Fig.2 The source of exhaust pollution traceability

2.2 廢氣污染案例檢索與匹配

2.2.1 復(fù)雜網(wǎng)絡(luò)關(guān)聯(lián)特性模型

圖 3 廢氣污染溯源總網(wǎng)絡(luò)表示Fig.3 Total network representation of exhaust pollution traceability

廢氣擴(kuò)散過(guò)程中會(huì)涉及到氣體之間、 氣體與外界環(huán)境之間的相互作用， 周邊環(huán)境(包括自然和人文環(huán)境)的各種物質(zhì)都會(huì)通過(guò)一定的相互作用聯(lián)系在一起， 這種聯(lián)系或大或小， 相互作用的強(qiáng)度也存在一定差異性. 考慮到擴(kuò)散內(nèi)部的實(shí)際情況， 即內(nèi)部關(guān)系復(fù)雜加之尚未能明確擴(kuò)散機(jī)制， 所以為了更為準(zhǔn)確地描述廢氣污染擴(kuò)散， 本文引入復(fù)雜網(wǎng)絡(luò)關(guān)聯(lián)特性模型.

節(jié)點(diǎn)之間的連線段用來(lái)表示各個(gè)概念之間的相互關(guān)系， 節(jié)點(diǎn)集合形成點(diǎn)集V(V={v1,v2,…,vi,vn})， 其中Vi表示第i個(gè)節(jié)點(diǎn)， 網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)為n， 連線集合形成邊集合E(E={e1,e2,…,ej,…,em})， 表示第j條邊， 邊總數(shù)為m.

在廢氣污染溯源過(guò)程中， 結(jié)合影響因子的性質(zhì)， 一般認(rèn)為影響因子可細(xì)分為子網(wǎng)絡(luò)、 總網(wǎng)絡(luò). 前者用于細(xì)分后者的屬性， 后者表示污染案例的綜合屬性. 具體如圖 3， 圖 4 所示.

圖 4 廢氣污染溯源子網(wǎng)絡(luò)表示Fig.4 Network representation of exhaust gas pollution traceability

根據(jù)廢氣污染溯源總網(wǎng)絡(luò)和子網(wǎng)絡(luò)影響因子集合表示如下.

總網(wǎng)絡(luò)集合形式：V={自然環(huán)境， 排放類(lèi)型， 經(jīng)濟(jì)因素， 人文環(huán)境}.

自然環(huán)境：V1={光照強(qiáng)度， 地理位置， 濕度， 空氣溫度， 風(fēng)速， 風(fēng)向， 大氣穩(wěn)定度， 周邊環(huán)境， 地面覆蓋物}.

排放類(lèi)型：V2={突發(fā)泄漏， 持續(xù)排放， 間斷排放}.

經(jīng)濟(jì)因素：V3={處理投資力度， 二次污染}.

人文環(huán)境：V4={人口流動(dòng)性， 人口密集度， 廢氣處理方式}.

總網(wǎng)絡(luò)中Vi表示總網(wǎng)絡(luò)的第i個(gè)影響因子，Vik表示第i個(gè)子網(wǎng)絡(luò)的第k個(gè)影響因子.

2.2.2 網(wǎng)絡(luò)節(jié)點(diǎn)[11]權(quán)重優(yōu)化確定

(1)

Uk用于表示信息節(jié)點(diǎn)的難易程度， 利用式(2)即可計(jì)算

(2)

式中：Uk用于說(shuō)明k個(gè)節(jié)點(diǎn)的網(wǎng)絡(luò)效率, 是衡量節(jié)點(diǎn)重要性的重要指標(biāo).Uk越大， 該節(jié)點(diǎn)與其他節(jié)點(diǎn)間的傳輸效率越高， 網(wǎng)絡(luò)效率越好， 該節(jié)點(diǎn)在網(wǎng)絡(luò)中的作用越大.

根據(jù)圖 2 和圖 3 給出的總網(wǎng)絡(luò)與子網(wǎng)絡(luò)間相互關(guān)系可求得該網(wǎng)絡(luò)特征參數(shù)為

λ=[3,2,2,3];λ+=[0,2,1,2];λ-=[3,0,1,1],

δ表示節(jié)點(diǎn)之間的直接連接度， 若兩個(gè)節(jié)點(diǎn)之間有連線則δ=1， 否則δ=0.

將以上參數(shù)代入式(2)中可得總網(wǎng)絡(luò)中各節(jié)點(diǎn)的重要性

網(wǎng)絡(luò)中節(jié)點(diǎn)對(duì)案例匹配結(jié)果影響的重要程度與節(jié)點(diǎn)間相互關(guān)系及網(wǎng)絡(luò)節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)相關(guān). 為了描述這種節(jié)點(diǎn)貢獻(xiàn)度， 引入節(jié)點(diǎn)貢獻(xiàn)度矩陣概念， 計(jì)算式如(3)所示.

(3)

式中：k表示網(wǎng)絡(luò)節(jié)點(diǎn)度的平均值， 從式(3)中可以看出：Hc表示所有節(jié)點(diǎn)之間的作用強(qiáng)度. 但是節(jié)點(diǎn)的網(wǎng)絡(luò)效率除了與其他節(jié)點(diǎn)間的作用用關(guān)， 還與自身的網(wǎng)絡(luò)效率有關(guān)， 因此節(jié)點(diǎn)貢獻(xiàn)度矩陣

(4)

結(jié)合節(jié)點(diǎn)貢獻(xiàn)度矩陣分析可知： 通過(guò)分析節(jié)點(diǎn)間拓?fù)潢P(guān)系及位置信息可說(shuō)明節(jié)點(diǎn)的貢獻(xiàn)度. 節(jié)點(diǎn)貢獻(xiàn)度矩陣HEij表示第j個(gè)節(jié)點(diǎn)對(duì)第i個(gè)節(jié)點(diǎn)的貢獻(xiàn)值. 考慮節(jié)點(diǎn)自身的網(wǎng)絡(luò)效率和對(duì)其他節(jié)點(diǎn)的網(wǎng)絡(luò)效率， 定義節(jié)點(diǎn)總網(wǎng)絡(luò)貢獻(xiàn)度

(5)

對(duì)節(jié)點(diǎn)總網(wǎng)絡(luò)節(jié)點(diǎn)貢獻(xiàn)度矩陣歸一化得到網(wǎng)絡(luò)節(jié)點(diǎn)權(quán)重

(6)

由此得到總網(wǎng)絡(luò)的節(jié)點(diǎn)權(quán)重為ω=[ 0.364 9,0.135 1,0.135 1,0.364 9]. 各子網(wǎng)絡(luò)節(jié)點(diǎn)權(quán)重分別為

ω1=[0.032 1,0.042 5,0.238 5,0.123 1,0.221 4,0.008 4,0.019 2,0.132 1,0.182 7],

ω2=[0.314 9,0.457 1,0.238 0],

ω3=[0.268 7,0.573 4,0.167 9],

ω4=[0.418 9,0.357 1,0.234 0].

2.2.3 案例匹配

案例庫(kù)中的節(jié)點(diǎn)屬性一般可分為3種類(lèi)型： ① 選項(xiàng)型； ② 數(shù)值型； ③ 布爾型. 對(duì)于持續(xù)排放、 突發(fā)泄露等布爾型和選項(xiàng)型數(shù)據(jù)， 在匹配案例時(shí)， 需要對(duì)比屬性值， 假設(shè)經(jīng)對(duì)比完全相同， 則認(rèn)為其節(jié)點(diǎn)的屬性匹配度為1， 不同或者案例節(jié)點(diǎn)缺失則節(jié)點(diǎn)屬性匹配度為0. 對(duì)于濕度、 風(fēng)速等數(shù)值型節(jié)點(diǎn)屬性， 考慮復(fù)雜環(huán)境下的數(shù)值模糊度， 所以選用直覺(jué)模糊粗糙集匹配[12]方法.

令集合為R, ?x∈R中的上近似和下近似分別表示為x+和x-， 則模糊集S可表示為

S={〈S,μS-(x),μS+(x),λS-(x),λS+(x)〉|?x∈x},

(7)

式中：μS-∶S-→(0,1)，μS+∶S+→(0,1)分別代表S的下近似隸屬度函數(shù)和上近似隸屬度函數(shù)， 分別用來(lái)表示案例節(jié)點(diǎn)的負(fù)面影響和可能的負(fù)面影響.

λS-∶S-→(0,1),λS-∶S+→(0,1)分別代表S的下近似非隸屬度函數(shù)和上近似非隸屬度函數(shù)， 分別用來(lái)表示案例節(jié)點(diǎn)的正面影響和可能的正面影響.

以濕度為例， 結(jié)合實(shí)踐經(jīng)驗(yàn)定義濕度對(duì)廢氣溯源推理的正面影響和負(fù)面影響， 得到濕度正面隸屬度函數(shù)λ(SD)和濕度負(fù)面隸屬度函數(shù)μ(SD)， 如式(8)和式(9)所示.

(8)

(9)

式中：λ(SD),μ(SD)均作為模糊粗糙集的下近似. 同理， 其他數(shù)值型均可用λ和μ表示.

對(duì)于非空論域X={x1,x2,…,xn}上的模糊粗糙集S1和S2， 相似度計(jì)算[13]如式(10)所示.

(10)

式中：πS1(x)=1-μS1(x)-λS1(x)，πS2(x)=1-μS2(x)-λS2(x)，πS1(x),πS2(x)分別刻畫(huà)了S1,S2自身存在的粗糙程度.

在案例匹配時(shí)， 需要綜合考慮案例總網(wǎng)絡(luò)以及子網(wǎng)絡(luò)的節(jié)點(diǎn)貢獻(xiàn)度和節(jié)點(diǎn)間貢獻(xiàn)度求解案例對(duì)比相似度， 案例綜合相似度

(11)

式中：Spq表示案例p和案例q的相似度；ωi表示總網(wǎng)絡(luò)中第i個(gè)節(jié)點(diǎn)的貢獻(xiàn)度；ωij表示第i個(gè)子網(wǎng)絡(luò)中第j個(gè)節(jié)點(diǎn)的貢獻(xiàn)度；Mij表示第i個(gè)子網(wǎng)絡(luò)中第j個(gè)節(jié)點(diǎn)的相似度， 求解實(shí)際問(wèn)題和案例庫(kù)中每個(gè)案例的相似度進(jìn)行比較， 確定匹配案例， 即案例中相似度最大的， 并對(duì)比0.5， 當(dāng)案例最大相似度大于等于0.5 時(shí)匹配案例可用， 此時(shí)可將該案例交由專(zhuān)家審閱， 如果通過(guò)專(zhuān)家審閱即可用于實(shí)際項(xiàng)目. 相反的如果相較于 0.5 該案例的最大相似度較小， 則說(shuō)明當(dāng)前案例庫(kù)中并無(wú)可匹配于待解決的問(wèn)題. 這不僅有助于形成有交性的決策結(jié)果同時(shí)可確保更新后案例庫(kù)的準(zhǔn)確性.

3 案例推理方法實(shí)現(xiàn)與分析

針對(duì)廢氣污染溯源案例推理方法進(jìn)行驗(yàn)證， 以案例庫(kù)中衡水循環(huán)經(jīng)濟(jì)園區(qū)的案例信息為例， 獲取案例信息情況如表 2 所示.

表 2 衡水循環(huán)經(jīng)濟(jì)園區(qū)案例庫(kù)相關(guān)信息

首先使用本文所采用的案例匹配方法對(duì)布爾型與選項(xiàng)型屬性節(jié)點(diǎn)進(jìn)行匹配， 匹配后得出與衡水循環(huán)經(jīng)濟(jì)園區(qū)相匹配的包括案例庫(kù)中的案例4柳州洛維工業(yè)園區(qū)、 案例7臨沂工業(yè)園區(qū)、 案例8菏澤魯宏工業(yè)園區(qū)等案例； 然后使用本文所采用的模糊粗糙集進(jìn)行數(shù)值型屬性節(jié)點(diǎn)匹配， 在此基礎(chǔ)上可確定匹配篩選案例及衡水案例情況.

結(jié)合Ih=52%， 篩選各案例濕度I4=38 μg/m3,I7=57 μg/m3,I8=43 μg/m3， 結(jié)合模糊計(jì)算公式， 確定直覺(jué)模糊粗值.S={〈S,μS-(x),μS+(x),λS-(x),λS+(x)〉|?x∈X}}， 具體為

案例(衡水循環(huán)經(jīng)濟(jì)園區(qū))濕度與其它案例濕度相似度可用式(10)計(jì)算.

M(Ih,I4)=0.532 4,

(16)

M(Ih,I7)=0.943 4,

(17)

M(Ih,I8)=0.523 2.

(18)

按照上述所有方法計(jì)算確定所有數(shù)值型的相似度， 與布爾型及選項(xiàng)型的相似度一起代入式(9)可算出綜合貢獻(xiàn)度分別為

Sh4=0.362 7,

(19)

Sh7=0.563 9,

(20)

Sh8=0.482 1.

(21)

通過(guò)對(duì)比表明： 案例7的綜合貢獻(xiàn)度大于閥值(0.5)， 且最大， 因而本文將該案例作為衡水循環(huán)經(jīng)濟(jì)園區(qū)廢氣污染溯源的最佳匹配案例， 溯源結(jié)果與案例7臨沂工業(yè)園區(qū)的結(jié)果一致， 污染均來(lái)源于園區(qū)西南角的化工企業(yè)， 與案例庫(kù)的信息相一致， 從而證明了本文所提方法的準(zhǔn)確性.

4 結(jié) 論

本文針對(duì)工業(yè)園區(qū)廢氣污染溯源的實(shí)際應(yīng)用問(wèn)題， 構(gòu)建了廢氣污染溯源推理本體模型進(jìn)行案例表示， 并在案例搜索的過(guò)程中構(gòu)建了復(fù)雜網(wǎng)絡(luò)關(guān)聯(lián)特性模型， 定義了節(jié)點(diǎn)貢獻(xiàn)度的概念和網(wǎng)絡(luò)貢獻(xiàn)度公式， 同時(shí)引入直覺(jué)模糊粗糙集進(jìn)行案例匹配， 基于案例推理方法實(shí)現(xiàn)了廢氣污染的溯源工作， 借助衡水循環(huán)經(jīng)濟(jì)園區(qū)真實(shí)案例進(jìn)行案例推理方法實(shí)現(xiàn)， 實(shí)驗(yàn)結(jié)果表明了該方法的推理準(zhǔn)確性.