Кузнецов О.Л., Никитин А.А., Черемисина Е.Н. Геоинформатика и геоинформационные системы

Подождите немного. Документ загружается.

Далее по наблюденным полям с помощью спектрального эквива-

лентного приема определяется разность между плотностью или намагни-

ченностью каждой из элементарных призм по отношению к одной из них,

принимаемой в качестве базовой. При моделировании магнитных аномалий

требуется задание направления вектора намагниченности пород, которое

принимается совпадающим с направлением главного геомагнитного поля в

изучаемом регионе. В комплексе REIST с этой целью имеется возможность

вычисления компонент нормального геомагнитного поля. При заданных ус-

ловиях избыточные (или эффективные) плотности и намагниченности каж-

дой из элементарных призм определяются однозначно.

Важно, что исходные гравитационное и магнитные поля при этом за-

даются в реальных точках наблюдений, т.е. при неравномерной сети с уче-

том высоты над поверхностью геоида. Число точек магнитной съемки, как

правило, значительно больше числа элементарных призм. Поэтому часть из

них относится программным комплексом к активным, по которым ведется

коррекция модели в процессе последовательных приближений. Другая часть

точек наблюдений считается пассивной, для них вычисляется поле подби-

раемой модели, по ним же оцениваются погрешности подбора при каждой

итерации.

Применительно к данным гравиразведки описанный итерационный

процесс реализует решение линейной обратной задачи, в то время как для

магнитных аномалий ∆Т осуществляется решение нелинейной обратной за-

дачи. Это обстоятельство отличает технологию СИГМ-3D от других анало-

гичных компьютерных систем, для которых применяются линейное, чаще

всего гармоническое приближение для аномалий ∆Т.

Результаты моделирования в программном комплексе REIST пред-

ставляют собой эффективные плотности и намагниченности, равные разно-

сти между истинными значениями физических свойств в каждой из элемен-

тарных призм и соответствующими значениями в «базовой» призме, выби-

раемой либо автоматически, либо по указанию интерпретатора. Подобный

процесс интерпретации полностью устраняет влияние на результаты посто-

янного регионального фона.

Помимо распределения эффективных физических параметров (плот-

ности и намагниченности) в изучаемом слое интерпретатор получает оста-

точное поле, как разность наблюденного поля и поля подобранной модели,

например, фундамента, непосредственно в точках наблюдений. Остаточное

поле обычно связано с влиянием осадочного чехла, если проводится моде-

лирование кристаллического фундамента. Это поле также содержит помехи

техногенного происхождения и вызванные погрешностями аппроксимируе-

мой модели. Однако остаточное поле позволяет эффективно решать задачи

по изучению осадочного чехла.

В технологию СИГМА-3D включен пакет DVOP, реализующий по-

строение трехмерной модели распределения физических свойств горных

пород, для которых интерпретатор получает возможность извлекать отдель-

ные разрезы в вертикальной плоскости (по глубине) или погоризонтные

планы. Технология СИГМА-3D была эффективно использована при изуче-

нии геологического строения кристаллического фундамента платформенных

областей, в частности для построения обновленных карт фундамента Рус-

ской платформы [7].

Для условий горной местности, где аномальные эффекты, обуслов-

ленные влиянием расчлененного рельефа, многократно превышают полез-

ные сигналы от искомых геологических объектов, А.С. Долгалем создана

технология RELGRV-RELMAG [14], обеспечивающая комплексную интер-

претацию данных гравиразведки и магниторазведки. Важным элементом

этой технологии является реализация имитационного стохастического мо-

делирования методом Монте-Карло оценки точности определения топопо-

правок при гравиметрической и магнитной съемках в горной местности. На

основе технологий RELGRV-RELMAG осуществлено построение согласо-

ванной по плотности и магнитной восприимчивости модели рудоносных

интрузий норильского типа.

Вопрсы для самоконтроля.

1. Состав и структура ГИС ПАРК.

2. Назвоите основные компь.терные системы комплексного ана-

лиза геоданных сцелью картирования и прогноза полезных ископаемых.

3. Привидите наиболее распространенные компьютерные тех-

нолгиии комплексной интерпретации данных геофизических исследова-

ний скважин и сейсморазведки.

4. Назначение технологий количественной комплексной инте-

претации данных наземных геофизических методов.

5. Основные компьютерные технологии комплексной интерпре-

тации данных геофизических исследований скважин.

ГЛАВА VIII. БАЗЫ ЗНАНИЙ И ЭКСПЕРТНЫЕ СИСТЕМЫ

Создание баз знаний и экспертных систем в геологии является каче-

ственно новой ступенью в автоматизации и информатизации геологоразве-

дочной отрасли.

Если в автоматизированных и геоинформационных системах исполь-

зуются фактически измеренные данные и по результатам их обработки и ин-

терпретации делаются геологические выводы, то интеллектуальные (экс-

пертные) системы базируются на знаниях и с помощью логического вывода,

основанного на знаниях, применяются для решения поставленных задач.

В 80-е годы прошлого столетия в исследованиях по искусственному

интеллекту сформировалось самостоятельное направление, получившее на-

звание «экспертные системы» (ЭС).

Цель исследований по ЭС состоит в разработке программного обес-

печения для решения задач, трудных для эксперта – человека, но реализую-

щего получение результатов, не уступающих по качеству и эффективности

решениям эксперта. Экспертные или интеллектуальные системы прежде

всего были созданы при решении задач понимания и синтеза текстов на ес-

тественном языке (ЕЯ – системы), понимания и синтеза устной речи, обра-

ботки и синтеза изображений, перевода с одного естественного языка на

другой, принятия решений в условиях изменяющейся ситуации и т.п.

Производство интеллектуальных систем получило общее название в

виде термина «инженерия знаний».

Большинство задач в геологоразведке для принятия решений требуют

логических выводов, основанных на знаниях в конкретной области.

Наиболее развитые автоматизированные и геоинформационные сис-

темы могут представлять основу для перехода к экспертным системам по

отдельным разделам геологоразведочной отрасли.

Экспертные системы предназначены для так называемых неформали-

зованных задач, но они не отвергают и не заменяют традиционных подходов

к разработке программного обеспечения, ориентированного на решение

формализованных задач.

8.1. Понятие о базе знаний

Основой создания экспертной системы является база знаний.

База знаний (БЗ) – это совокупность имеющихся сведений о про-

блемной области, для которой предназначена ЭС, представленная в виде

формальной структуры, обеспечивающей использование предварительно

установленных правил.

База знаний содержит факты (или утверждения) и правила. Факты

представляют собой краткосрочную информацию в том смысле, что они мо-

гут изменяться. Так, например, при прогнозно-поисковых работах данные о

физических свойствах горных пород и руд, данные о геофизических, геохи-

мических полях, как правило, непрерывно пополняются новой информацией

или изменяются в связи с переходом в новые районы и т.д. По существу,

факты – это база данных.

Правила представляют более долговременную информацию, которая

обеспечивает порождение новых фактов, новых геологических заключений

или новых гипотез с помощью механизма логического вывода.

Основное различие между базой данных и базой знаний состоит в

том, что база знаний должна обладать определенными творческими воз-

можностями, в то время как факты в базе данных пассивны.

База знаний активно должна пополняться недостающей информаци-

ей.

В общем случае база знаний включает в себя базу данных, список по-

рождающих правил (их называют также свидетельствами) и методы выбора

конкретного порождающего правила для применения в данной ситуации.

Знания в БЗ делятся на три типа:

1) фактические знания, в том числе фактически полученные данные о

геополях;

2) порождающие правила или процедурные знания, которые собирают-

ся заранее путем опроса специалистов (экспертов) в данной предмет-

ной области. Эти знания составляют ядро БЗ и используются в блоке

рассуждения экспертной системы для вывода следствия;

3) управляющие знания, представляющие набор стратегий для рассмот-

рения альтернатив в процессе принятия решений и заключений.

Для решения прогнозно-поисковых задач по комплексу геоданных и

знаний БЗ включает три разных модуля:

1) факты или база данных, т.е. сами геоданные о признаках конкрет-

ной геологической ситуации, например, наблюденные значения гео-

физических и геохимических полей в конкретном районе, геологиче-

ское строение которого, допустим, представлено интрузивными ком-

плексами основного и кислого состава;

2) правила, которые определяет область экспертизы. Каждое правило

(порождающее) имеет форму:

ЕСЛИ (условие), ТО (действие) или другую форму:

ЕСЛИ (условие), ТО (действие 1), В ПРОТИВНОМ СЛУЧАЕ (дейст-

вие 2). При этом процедура сопоставления с конкретным объектом

определяет, применимо ли данное правило вообще. В качестве при-

мера к рассмотренной геологической ситуации об интрузивных ком-

плексах основного и кислого состава такими правилами могут быть

следующие:

ЕСЛИ магнитное поле характеризуется повышенными значениями, а

гамма-поле естественной радиоактивности – пониженное, ТО следует

ожидать интрузивный комплекс основного состава;

ЕСЛИ магнитное поле характеризуется пониженными значениями, а

гамма-поле естественной радиоактивности – повышенное, ТО следу-

ет ожидать интрузивный комплекс кислого состава.

Правила вводятся в ЭВМ и заносятся на магнитные носители, обра-

зуя исходный файл обычным образом;

3) управляющие знания или правила работы с порождающими прави-

лами. Такие знания называют также «машиной вывода» или меха-

низмом вывода [40].

Здесь создаются правила, ориентированные на специалиста–эксперта

(инженера знаний) с целью выработки стратегии по применению порож-

дающих правил при данном состоянии базы данных.

Процесс извлечения знаний специалиста–эксперта является наиболее

сложной задачей при создании базы знаний. Решение этой задачи требует

применения методов математической логики, теории нечетких множеств,

различных процедур «взвешивания» цен альтернативных гипотез и свиде-

тельств. По существу, подобная проблема актуальна в условиях слабо фор-

мализованных задач, которыми отличаются практически все задачи геоло-

гии, где нередки случаи прямо противоположных суждений разных специа-

листов об одной и той же геологической ситуации.

Следовательно, база знаний представлена в виде совокупности трех

структур

БЗ = БД+ПП+МВ, где БД – база данных, ПП – порождающее прави-

ла, МВ – механизм (логического) вывода.

Построение БЗ – самый ответственный этап всех интеллектуаль-

ных систем.

Наиболее распространенные способы получения знаний о пред-

метной области следующие: извлечение знаний из книг, отчетов, инст-

рукций; описание совокупности всех необходимых знаний в данной кон-

кретной области специалистом – экспертом; использование анкет – оп-

росников с последующей их обработкой; получение информации от

эксперта, выступающего в роли учителя; формирование БЗ самим экс-

пертом, совмещающим роли эксперта и инженера знаний; использование

методов статистического распознавания образов для накопления знаний

путем статистической обработки экспериментально получаемой инфор-

мации; применение методов машинного обучения для автоматического

заполнения БЗ.

Инженер знаний – широко эрудированный специалист, умеющий

отделять важное от второстепенного, обладающий способностью контак-

тировать с любым экспертом и побуждающий эксперта поставлять нуж-

ную информацию. Однако при создании зарубежных экспертных систем

выяснилось, что специалист не только часто испытывает затруднения с

ясной формулировкой своих знаний, но даже не всегда расположен ими

делиться. Поэтому особый интерес для развития экспертных систем

представляют те способы получения знаний из вышеперечисленных, в

которых эксперт, как таковой, не участвует.

База знаний содержит знания в символьной форме, т.е. в нее могут

входить таблицы чисел, диапазоны значений величин, определенные вы-

числительные процедуры и самое главное, факты и правила – эвристики.

Факты – это описание геообъектов, их признаки (качественные и количе-

ственные), числовые данные по геополям. Правила, а для геологоразвед-

ки это чаще всего правила – эвристики, представляют, как уже отмеча-

лось выше, пути вынесения суждений, заключений, выводов на основа-

нии фактов.

В геологоразведке создание комплексных баз знаний (или банков

знаний) по различным отраслям: геохимии, геофизике, геологии – от-

крывает широкие возможности по обеспечению надежности суждений,

заключений, выводов.

Выделим особенности информации, определяющие грань, за кото-

рой данные превращаются в знания, а базы данных переходят в базы и

банки знаний. К таким особенностям относятся [30]:

1) внутренняя интерпретируемость. Каждая информационная

единица должна иметь уникальное имя, по которому система ее

находит, а также отвечает на запросы, в которых это имя упомяну-

то; СУБД обеспечивают реализацию внутренней интерпретируе-

мости всех информационных единиц, хранимых в базе данных;

2) структурированность. Информационные единицы должны об-

ладать гибкой структурой с выполнением вложимости одних

информационных единиц в другие, подобно цепочке элемент – за-

пись – массив – файл в файловых базах данных. Кроме того, должна

существовать возможность произвольного установления между от-

дельными информационными единицами отношений "часть – целое"

или "элемент – класс";

3) связность. В информационной базе между информационными еди-

ницами следует предусмотреть возможность установления связей

различного типа.

Эти три особенности знаний позволяют ввести общую модель описания

знаний, которую называют семантической сетью, представляющей со-

бой иерархическую сеть, в вершинах которой находятся информацион-

ные единицы с индивидуальными именами, а дуги семантической сети

соответствуют различным связям между информационными единица-

ми;

4) семантическая метрика. В ряде случаев на множестве информаци-

онных единиц полезным оказывается задание отношения, характери-

зующего ситуационную близость информационных единиц, или силу

ассоциативной связи между информационными единицами.

Такое отношение обеспечивает выделение в информационной базе

типовых ситуаций, а, следовательно, оно позволяет находить знания,

близкие к уже найденным;

5) активность. Все процессы в ЭВМ инициируются командами, а фак-

тические данные используются этими командами редко, т.е. дан-

ные обычно пассивны, а команды – активны. Эта ситуация неприем-

лема для экспертных систем, поскольку, как и у человека, в экс-

пертных системах актуализации тех или иных действий способству-

ют знания, имеющиеся в системе. Появление в базе фактов или опи-

саний геообъектов, установление связей между ними становится

источником активности системы.

К сожалению, в настоящее время трудно реализовать базы знаний, в

которых в полной мере были бы учтены все пять перечисленных особенно-

стей.

Подобно тому, как различают три основные модели представления

данных: реляционные, иерархические и сетевые, – выделяют несколько мо-

делей баз знаний.

Наиболее общей моделью представления знаний являются семанти-

ческие сети, поскольку в них имеются средства для выполнения всех вы-

шеперечисленных пяти особенностей. Однако их универсальность определя-

ет негативную сторону. Если допустить в семантических сетях произволь-

ные типы отношений и связей, то сложность работы с таким образом орга-

низованной информацией резко возрастает.

В экспертных системах известны следующие способы описания зна-

ний [30].

1) Логические модели. В основу логических моделей заложена фор-

мальная система, задаваемая как М =( Т, Р, А, В). Множество Т – множество

базовых элементов разной природы, например, ключевые слова из некото-

рого ограниченного геологического словаря (можно провести аналогию с

деталями детского конструктора). Для множества Т существует некоторый

способ определения принадлежности или непринадлежности произвольного

элемента к этому множеству. За конечное число шагов проверяется, является

ли “х” элементом Т. Обозначим эту процедуру через П(Т).

Множество Р – множество синтаксических правил. С их помощью

из элементов Т образуют синтаксически правильные совокупности. Напри-