专家系统研究现状与展望
杨兴1，朱大奇1，桑庆兵1，史慧 2
(1.江南大学控制科学与工程研究中心,无锡 214122；
2.北京航天测控技术公司故障诊断技术部,北京 100830)
摘要：回顾了专家系统发展的历史和现状，对目前比较成熟的专家系统模型进行分析，指出各自的特点和局限性。最后对专家系统的热点进行展望和对新型专家系统的介绍。
关键词：专家系统；知识获取；数据挖掘；多Agent系统；人工神经网络
0 引言
近三十年来人工智能（Artificial Intelligence，AI）获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果。作为人工智能一个重要分支的专家系统（Expert System，ES）[1]是在20世纪60年代初期产生和发展起来的一门新兴的应用科学，而且正随着计算机技术的不断发展而日臻完善和成熟。1982年美国斯坦福大学教授费根鲍姆给出了专家系统的定义：“专家系统是一种智能的计算机程序，这种程序使用知识与推理过程，求解那些需要杰出人物的专门知识才能求解的复杂问题。”
一般认为，专家系统就是应用于某一专门领域，由知识工程师通过知识获取手段，将领域专家解决特定领域的知识，采用某种知识表示方法编辑或自动生成某种特定表示形式，存放在知识库中，然后用户通过人机接口输入信息、数据或命令，运用推理机构控制知识库及整个系统，能像专家一样解决困难的和复杂的实际问题的计算机（软件）系统。
专家系统有三个特点，即：启发性，能运用专家的知识和经验进行推理和判断；透明性，能解决本身的推理过程，能回答用户提出的问题；灵活性，能不断地增长知识，修改原有的知识。
1 专家系统的产生与发展
专家系统按其发展过程大致可分为三个阶段[2~4]：初创期(1971年前)，成熟期(1972—1977年)，发展期(1978年至今)。
1.1 初创期
人工智能早期工作都是学术性的，其程序都是用来开发游戏的。尽管这些努力产生了如国际象棋、跳棋等有趣的游戏[5]，但其真实目的在于计算机编码加入人的推理能力，以达到更好的理解。在这阶段的另一个重要领域是计算逻辑。1957年诞生了第一个自动定理证明程序，称为逻辑理论家。20世纪60年代初，人工智能研究者便集中精力开发通用的方法和技术，通过研究一般的方法来改变知识的表示和搜索，并且使用它们来建立专用程序。到了60年代中期，知识在智能行为中的地位受到了研究者的重视，这就为以专门知识
为核心求解具体问题的基于知识的专家系统的产生奠定了思想基础。
1965年在美国国家航空航天局要求下，斯坦福大学研制成功了DENRAL系统[6]，DENRAL 的初创工作引导人工智能研究者意识到智能行为不仅依赖于推理方法，更依赖于其推理所用的知识。该系统具有非常丰富的化学知识，是根据质谱数据帮助化学家推断分子结构，被广泛地应用于世界各地的大学及工业界的化学实验室。这个系统的完成标志着专家系统的诞生。在此之后，麻省理工学院开始研制MACSYMA系统[2]，它作为数学家的助手使用启发式方法变换代数表达式，现经过不断扩充，能求解600多种数学问题，其中包括微积分、矩阵运算、解方程和解方程组等。同期，还有美国卡内基－梅隆大学开发的用于语音识别的专家系统HEARSAY[7]，该系统表明计算机在理论上可按编制的程序同用户进行交谈。20世纪70年代初，匹兹堡大学的鲍波尔和内科医生合作研制了第一个用于医疗的内科病诊断咨询系统INTERNIST[8]。这些系统的研制成功使得专家系统受到学术界及工程领域的广泛关注。
1.2 成熟期
到20世纪70年代中期，专家系统已逐步成熟起来，其观点逐渐被人们接受，并先后出现了一批卓有成效的专家系统。其中，最为代表的是肖特立夫等人的MYCIN系统[9]，该系统用于诊断和治疗血液感染和脑炎感染，可给出处方建议（提供抗菌剂治疗建议），不但具有很高的性能，而且具有解释功能和知识获取功能。MYCIN系统是专家系统的经典之作，它的知识表示系统用带有置信度的“IF—THEN”规则来表示，并使用不确定性推理方法进行推理。MYCIN由LISP语言写成，所有的规则都表达成LISP表达式。它是一个面向目标求解的系统，使用反向推理方法，并利用了很多的启发式信息。
另一个非常成功的专家系统是PROSPCTOR系统[10]，它用于辅助地质学家探测矿藏，是第一个取得明显经济效益的专家系统。PROSPCTOR的性能据称完全可以同地质学家相比拟。它在知识的组织上，运用了规则与语义网相结合的混合表示方式，在数据不确定和不完全的情况下，推理过程运用了一种似然推理技术。除这些成功实例以外，在这一时期另外两个影响较大的专家系统是斯坦福大学研制的AM系统及PUFF系统[8]。AM是一个用机器模拟人类归纳推理、抽象概念的专家系统，而PUFF是一个肺功能测试专家系统，经对多个实例进行验证，成功率达93%。诸多专家系统地成功开发，标志着专家系统逐渐走向成熟。
1.3 发展期
从20世纪80年代初，医疗专家系统占了主流，主要原因是它属于诊断类型系统且开发比较容易。但是到了80年代中期，专家系统发展在应用上最明显的特点是出现了大量的投入商业化运行的系统，并为各行业产生了显著的经济效益。其中一个著名的例子是DEC 公司与卡内基－梅隆大学合作开发的XCON-R1专家系统[2]，它用于辅助数据设备公司（DEC）的计算机系统的配置设计，每年为DEC公司节省数百万美元。专家系统的应用日益广泛，处理问题的难度和复杂度不断增大，导致了传统的专家系统无法满足较为复杂的情况，迫切需要新的方法和技术去支持。
从80年代后期开始，一方面随着面向对象、神经网络和模糊技术等新技术迅速崛起，为专家系统注入了新的活力；另一方面计算机的运用也越来越普及，而且对智能化的要求也越来越高。由于这些技术发展的成熟，并成功运用到专家系统之中，使得专家系统得到更广泛的运用。在这期间开发的专家系统按其处理问题的类型可以分为：解释型、预测型、诊断型、设计型、规划型、监视型、调试型、修正型、教学型和控制型[11]。其应用领域也涉及到农业、商业、化学、通信、计算机系统、医学等多个方面，并已成为人们常用的解决问题的手段之一。
2 专家系统的研究现状
目前已研究的专家系统模型有很多种，其中较为流行的有：基于规则的专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家系统、基于D-S证据理论的专家系统、基于人工神经网络的专家系统和基于遗传算法的专家系统等。这些专家系统的优缺点及技术要点如下。
2.1 基于规则的专家系统
基于规则推理（Rule Base Reasoning，RBR）的方法是根据以往专家诊断的经验, 将其归纳成规则，通过启发式经验知识进行推理。它具有明确的前提，得到确定的结果。它是构建专家系统最常用的方法，这主要归功于大量的成功实例和工具的出现。早期的专家系统大多数是用规则推理的方法，如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。在转化为机器语言时，用产生式的“IF…AND（OR）…THEN…”表示。因此这种系统又称为产生式专家系统。
基于规则的方法容易使知识工程师与人类专家合作，易于被人类专家理解。规则库中的规则具有相同的结构，即“IF…THEN…”结构，这种统一的格式便于管理，同时便于推理机的设计。但它也有诸多缺点，如规则间的互相关系不明显，知识的整体形象难以把握、处理效率低、推理缺乏灵活性[12,13]。它对于复杂系统难以用结构化数据来表达，如果全部用规则的形式来表达，不仅提炼规则相当困难，而且规则库将十分庞大和复杂，容易产生“组合爆炸”。它在实时处理方面的应用也己被证明比较困难，速度是实时性能最根本的要求，而产生式系统在处理实时任务时，其搜索、匹配时间要占全部计算时间的90%。
基于规则的专家系统的特点决定适合的领域为：①系统结构简单，有明确的前提和结论，问题仅仅用有限地规则即可全部包含；②问题领域不存在简洁统一的理论，知识是经验的；③问题的求解可被一系列的相对独立的操作，或者问题的求解可视为从一个状态向另一个状态的转换，一个操作或转换可以被有效地表示为一条或多条产生式语句。
2.2 基于案例的专家系统
基于案例推理（Case Based Reasoning，CBR）的方法就是通过搜索曾经成功解决过的类似问题，比较新、旧问题之间的特征、发生背景等差异，重新使用或参考以前的知识和信息，达到最终解决新问题的方法。它起源于1982年美国学者Roger Schank（关于人
类学习和回忆的动态存储模型的研究工作）。第一个真正意义上的基于案例的专家系统是1983年由耶鲁大学Janet Kolodner教授领导开发的CYRUS系统。它以Schank的动态存储模型和问题求解的MOP（Memory Organized Packet）理论为基础，做与旅行相关的咨询工作。这种类比推理比较符合人类的认知心理。
基于案例的专家系统具有诸多优点: 无须显示领域知识；无须规则提取，降低知识获取难度；开放体系，增量式学习，案例库的覆盖度随系统的不断使用而组建增加[14]。基于案例的推理方法适用于领域定理难以表示成规则形式, 而是容易表示成案例形式并且已积累丰富案例的领域（如医学诊断系统）[15]。它的难点还在于案例特征的选择、权重分配以及处理实例修订时的一致性检验(特征变量间的约束关系) 等问题。传统的基于案例的方法难以表示案例间的联系，对于大型案例库案例检索十分费时, 并且难以决定应选择哪些特征数据及它们的权重[16]。
2.3 基于框架的专家系统
框架(Frame) 是将某类对象的所有知识组织在一起的一种通用数据结构，而相互关联的框架连接组成框架系统。1975年美国麻省理工学院的著名的人工智能学者明斯基在其论文中提出了框架理论，并把它作为理解视觉、自然语言对话及其它复杂行为的基础。在框架理论中, 框架被视作表示知识的一个基本单位。它把要描述的事务各方面的知识放在一起, 通过槽值关联起来。框架的顶层是代表某个对象的框架名，其下为代表该框架某一方面属性的若干个槽, 槽由槽名和槽值组成。槽下还可分为若干个侧面（由侧面名和侧面值组成）。
一个框架系统常被表示成一种树形结构，树的每一个节点是一个框架结构，子节点与父节点之间用槽连接。当子节点的某些槽值或侧面值没有被直接记录时，可以从其父节点继承这些值。框架系统中可以推理出未被观察到的事实，它将通过以下三种途径实现[16,17]：①框架包含它所描述的情况或物体的多方面的信息。这些信息可以被引用，就像已经直接观察到这些信息一样。②框架包含物体必须具有的属性。在填充框架的各个槽时，要用到这些属性。建立对某一情况的描述要求先建立对此情况的各个方面的描述。与描述这个情况的框架中的各个槽有关的信息可用来指导如何建立这些方面的描述。③框架描述它们所代表的概念的典型事例。如果某一情况在很多方面和一个框架相匹配，只有少部分相互之间存在不同之处，这些不同之处很可能对应于当前情况的重要方面，也许应该对这些不同之处做出解答。
框架表示法最突出的特点是善于表达结构性的知识，且具有良好的继承性和自然性。因此，基于框架的专家系统适合于具有固定格式的事物、动作或事件。
2.4 基于模糊逻辑的专家系统
模糊理论的概念由美国加利福尼亚大学著名教授扎德在他的《Fuzzy Sets》和《Fuzzy Algorithm》等著名论著中首先提出。模糊性是指客观事物在状态及其属性方面的不分明性，其根源是在类似事物间存在一系列过渡状态，它们互相渗透、互相贯通，使得彼此之间没
有明显的分界线。模糊性是客观世界中某些事物本身所具有的一种不确定性，它与随机性有着本质的区别。有明确定义但不一定出现的事件中包含的不确定性称为随机性，它不因人的主观意识变化，由事物本身的因果规律决定。而已经出现但难以给出精确定义的事件中包含的不确定性称为模糊性，是由事物的概念界限模糊和人的主观推理与判断产生的。模糊逻辑理论则是对模糊事物相互关系的研究。
基于模糊逻辑的专家系统的优点在于[18]：①具有专家水平的专门知识，能表现专家的技能和高度的技巧以及有足够的鲁棒性；②能进行有效的推理，具有启发性，能够运用人类专家的经验和知识进行启发性的搜索、试探性的推理；③具有灵活性和透明性。但是，模糊推理知识获取困难，尤其是征兆的模糊关系较难确定，且系统的推理能力依赖模糊知识库，学习能力差，容易发生错误。由于模糊语言变量是用隶属函数表示的，实现语言变量与隶属函数之间的转换是一个难点。
2.5 基于D-S证据理论的专家系统
D-S证据理论是由Dempster于1967年提出的，他首先提出了上、下界概率的定义，后由Shafer于1976年加以推广和发展，故人们也把证据理论称为D- S理论。证据理论可处理由不知道因素所引起的不确定性，它采用信任函数而不是概率作为度量，通过对一些事件的概率加以约束以建立信任函数而不必说明精确的难以获得的概率，当约束限制为严格的概率时，它就成为概率论[19]。
基于D-S证据理论的专家系统的优点在于[20]：①既能处理随机性所导致的不确定性，又能处理由于模糊性所导致的不确定性；②系统可以依靠证据的积累，不断缩小假设集；
③能在不同层次上组合证据。D-S理论具有比较强的理论基础，它能将“不知道”和“不确定”区分开来，但它也存在明显的不足。当证据冲突度较高时，经过其组合规则得到的结论常常有悖常理。另外，基于D-S理论的专家系统在数据较多时，具有潜在的指数复杂度和推理链较长的缺点。
2.6 基于人工神经网络的专家系统
人工神经网络（Artificial Neural Network ，ANN）是仿效生物体信息处理系统获得柔性信息处理能力。它是从20世纪80年代后期开始兴起（有理论研究阶段发展到应用阶段）。它是从微观上模拟人脑功能，是一种分布式的微观数值模型，神经元网络通过大量经验样本学习知识。更重要的是，神经网络有极强的自学习能力，对于新的模式和样本可以通过权值的改变进行学习﹑记忆和存储，进而在以后的运行中能够判断这些新的模式。
神经网络模型从知识表示、推理机制到控制方式，都与目前专家系统中的基于逻辑的心理模型有本质的区别。知识从显示变为隐式表示，这种知识不是通过人的加工转换成规则，而是通过学习算法自动获取的。推理机制从检索和验证过程变为网络上隐含模式对输入的竞争，这种竞争是并行的针对特定特征的，并把特定论域输入模式中各个抽象概念转化为神经网络的输入数据。神经网络很好解决了专家系统中知识获取的“瓶颈”问题，能使专家系统具有自学习能力。神经网络技术的出现为专家系统提供了一种新的解决途径。
特别是对于实际中难以建立数学模型的复杂系统，神经网络更显示出其独特的功效。
然而, 神经网络专家系统也存在固有的弱点：①系统性能受到所选择的训练样本集的限制, 训练样本集选择不当，特别是在训练样本集很少的情形下，很难指望它具有较好的归纳推理能力；②神经网络没有能力解释自己的推理过程和推理依据及其存储知识的意义；
③神经网络利用知识和表达知识的方式单一，通常的神经网络只能采用数值化的知识；④神经网络只能模拟人类感觉层次上的智能活动，在模拟人类复杂层次的思维方面还有不足之处。
目前较为常用的神经网络有：误差反传网络（BP）、小脑网络（CMAC）、自组织特征映射网络（SOM）、自适应共振理论（ART）、径向基网络（REF）等等。基于神经网络的专家系统的具体应用形式可以根据实际情况选择不同的神经网络模型，能够实现不同的用途。因此，基于神经网络的专家系统是目前最流行的专家系统。
2.7 基于遗传算法的专家系统
遗传算法（Genetic Algorithms，GA）是一种基于自然选择和基因遗传学原理的优化搜索方法。由美国John H.Holland教授在1975年提出的。遗传算法将问题的求解表示成“染色体”，从而构成一群“染色体”。将它们置于问题的“环境”中，根据适者生存的原则，从中选择出适应环境的“染色体”进行复制，通过交换、变异两种基因操作产生出新的一代更适应环境的“染色体”群，这样一代一代地不断进化，最后收敛到一个最适合环境的个体上，求得问题的最优解[21]。
遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法，与一般的寻优方法相比，遗传算法具有很多优点：①从许多初始点开始进行并行操作，克服了传统优化方法容易陷入局部极点的缺点，是一种全局优化算法；②对变量的编码进行操作，可以替代梯度算法，在模糊推理隶属度函数形状的选取上具有更大的灵活性；③由于具有隐含并行性，所以可通过大规模并行计算来提高计算速度；④可在没有任何先验知识和专家知识的情况下取得次优或最优解。
遗传算法作为优化搜索算法，一方面希望在宽广的空间内进行搜索，从而提高求得最优解的概率；另一方面又希望向着解的方向尽快缩小搜索范围，从而提高搜索效率。如何同时提高搜索最优解的概率和效率，是遗传算法的一个需要进一步探索的问题。
3 专家系统的研究热点
目前，专家系统的研究不再满足现有的各种模型与专家系统简单的相结合，形成基于某种模型的专家系统了，而是在不断向深层次方向发展。针对专家系统的核心的知识表示和知识获取，探索更方便的、更有效的方法，解决困扰专家系统的知识获取“瓶颈”、“匹配冲突”、“组合爆炸”等问题。针对现在数据多，而知识少的特点，将数据挖掘引入专家系统之中。以及多Agent技术用于专家系统，来提高专家系统的性能。
3.1 知识的表示和获取
知识就是人类通过实践(包括学习、模仿、试验、生理等实践活动)认识到的客观世界的规律性的东西，是信息经过加工、整理、解释、挑选和改造而形成的。知识表示就是为描述世界所做的一组约定，是知识符号化的过程。这种描述或约定表达了计算机可以接受的人类的智能行为。知识表示是专家系统的关键点之一，一个专家系统的建造成功与否和采用的知识表示方法能否充分反映该领域知识有直接关系。知识获取又称机器学习，是将客观世界中知识转化为专家系统中知识的过程。它是专家系统不可缺少的一个组成部分。如何获取足够的、完整的和明确的知识是专家系统的另一个关键点。
知识的表示可以分为表层表示、深层表示和混合表示三种。而混合知识的表示是目前研究的一个热点方向。在专家系统的实际开发中，所采用的方法和知识的表示都不会是单一的，往往需要将多种知识表示方法有机的结合起来，去解决单一的知识表示无法解决的问题。
知识的自动获取一直是专家们感兴趣的研究方向，也是一项十分困难的研究任务。由于现在开发的专家系统向大规模系统和通用型系统发展，越来越希望能够机器自动获取知识，减少开发人员的手动或半自动开发的工作量。随着神经网络的蓬勃发展，传统的符号学习与连接机制已经逐步被取代。基于进化学习系统和遗传算法，因吸取了归纳学习与连接机制的长处而受到重视。数据挖掘、计算机数据库和计算机网络的发展都为提取有用知识提供了新的方法。
3.2 数据挖掘技术的应用
数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。它是近几年兴起的一个极有发展前途又有广泛应用前景的新领域。
数据挖掘作为一个交叉学科领域, 受多个学科的影响，包括数据库系统、统计学、机器学习、可视化和信息科学等。依赖于所挖掘的数据类型或应用领域，数据挖掘可能集成空间数据分析、图像分析、模式识别、Web技术、信息检索、心理学等领域的技术。主要的数据挖掘技术与方法有: 聚类、分类、决策树、粗糙集、神经网络、回归分析、遗传算法、偏差检测等。从数据库中挖掘的规则可以有以下多种表达形式: 关联规则，特征规则，异常规则，转移规则，序列规则，分类，聚类等。数据挖掘的应用对象是大规模数据库，目标是发现数据库中规律性的知识。数据挖掘提取的知识可以表示为概念、规律、模式、约束、可视化[22]。
在知识获取技术方面，基于数据挖掘的专家系统可以极大缓解了专家系统的“知识瓶颈”问题。它不再是知识工程师从领域专家中提取规则，将其转化为知识；而是从领域专家提供的大量数据中自动获取知识。数据挖掘中的数据预处理模块可以在知识的获取中减小噪声数据的影响，提高知识获取的正确性。知识会随着挖掘的过程不断被学习到系统当中，这样既大大加深和拓宽了知识获取的深度与广度，又会使获取的知识越来越完善、越来越精确。
在推理技术方面, 数据挖掘技术是以数据库系统、数据仓库统计学等为基础的。而数据仓库主要特点就是: 它是面向主题的，库中的数据是多维的。也就是说，库中的每一维度可以对应设备运行时的一个状态参数，不同的运行状态参数就存放在不同的维度空间里。数据挖掘器在推理时可以根据不同需要而将不同维度内的运行状态参数综合起来一起分析计算，即：运用数据挖掘算法来进行全方位推理。这可以克服传统推理机制具有单一方面的精确度高而忽视了其它方面影响的缺点，可以增强其推理的合理性、提高其推断结果的可靠性[6]。
在数据挖掘中尽可能地引入人对该应用领域的先验知识是非常必要的。数据挖掘是一个人机交互、不断重复的过程。专家的领域知识或背景知识的应用对挖掘过程具有补充和促进作用，经常用来引导发现过程以避免无意义的结果[23]。另外，一般数据挖掘方法仅仅在数据库内容上产生规则，规则难以理解，领域知识或背景知识的应用可以产生易理解的规则。利用专家的领域知识的意义，不仅在于约简、表达和评估规则，更重要的是通过评估获得处理结果和应用需求之间的偏差，并以此作为反馈，去修正以前的各个步骤[24]。3.3 多Agent技术的运用
Agent是一个具有自主性﹑反应性﹑主动性和社会性特性的基于硬件或软件的计算机系统，通常还具有人类的智能特性，如知识、信念、意图和愿望等。Agent理论与技术研究源于80年代中期的分布式问题求解，由于分布式并行处理技术、面向对象技术、多媒体技术、计算机网络技术，特别是Internet和Web技术的发展，使Agent成为当今人工智能与软件工程中的研究热点，引起了科学界、教育界及工业界的广泛关注[25,26]。多Agent系统（Multi-Agent System，MAS）是指由多个自主构件组成的所有类型的系统，它是一个松散耦合的问题求解器网络，其目标是为了解决那些超出每个问题求解器的单独能力或知识的问题。这些问题的求解器就是Agent，它们是自主的，并可能是异构的。
多Agent系统的表现通过Agent的交互来实现，主要研究多个Agent为了联合采取行动或求解问题，如何协调各自的知识、目标、策略和规划。在表达实际系统时，多Agent系统通过各Agent间的通讯、合作、协调、调度、管理及控制来表达系统的结构、功能及行为特性。由于在同一个多Agent系统中各Agent可以异构，因此多Agent技术对于复杂系统具有无可比拟的表达力，它为各种实际系统提供了一种统一的模型，从而为各种实际系统的研究提供了一种统一的框架，其应用领域十分广阔[27]。
将多Agent的方法引入到专家系统中，将有利于解决传统的单个专家系统与应用场所、应用环境难于沟通的难题，也能够比较容易地适应用户的知识结构、思维习惯，它能够比较方便地与系统中的其它Agent进行协调、交流以达到系统的整体目标[28]。
对于复杂问题的求解，通常可以将专家系统看作一个Agent。但是实际上两者有较大的区别，在一个大型的复杂系统中，从系统功能分解理论出发，可以把整个系统分解成几个子系统，如果只用单纯的专家系统或者Agent模块都有很大的局限性。要实现各个模块的协商和协作，在专家系统之间很难实现，而由多个Agent就可以传递各个模块的协作，但只
采用Agent技术，又难以保证任务执行的速度。因此，采用集成专家系统和多Agent技术是一种比较不错的方法[29]。集成专家系统和多个Agent的系统主要由完成特定功能的专家系统和Agent模块组成，专家系统模块利用经验历史知识和对象当前运行状态信息以严格高效的逻辑推理。Agent模块则主要利用Agent间的合作来实现动态不完全信息，从而提高系统对环境的适应能力。这样能够充分弥补两者各自的不足，增强系统的能力，整体上提高系统的实时和准确性。
4 专家系统的发展趋势
近年来，发展专家系统不仅要采用各种定性的模型，而且要将各种模型综合运用。以及运用人工智能和计算机技术的一些新思想和新技术，如分布式和协同式。这些都是专家系统的发展趋势。
4.1 通用性专家系统
专家系统的开发是需要领域专家和知识工程师共同努力的，而领域专家绝大多数只对自己领域范围的知识了解，这就导致现阶段开发的专家系统只适用于某一特定问题领域。用户越来越希望有一种以用户为中心的通用性专家系统[30]。这就需要通用性专家系统具有各种不同的并行算法和知识获取模块，能够采用多种推理策略。
通用性专家系统作为一种新型专家系统，其特点如下：
①集成多种模型的专家系统，根据用户的需要，可以选择其中的任何一种或多种，形成某一类型的专家系统；
②通过多种模型的综合运用，提高了专家系统的准确率和效率；
③经过长期的使用，可以探索出针对某一问题的最佳模式（多种模型的综合运用），获得最优的专用专家系统。
4.2 分布式专家系统
分布式专家系统具有分布处理的特征，其主要目的在于把一个专家系统的功能经分解后分布到多个处理器上去并行的工作，从而在整体上提高系统的处理效率[2]。这种专家系统比常规的专家系统具有较强的可扩张性和灵活性，将各个子系统联系起来，即使不同的开发者针对同一研究对象也可以有效地进行交流和共享。随着Internet的发展与普及，建立远程分布式专家系统可以实现异地多专家对同一对象进行控制或诊断，极大提高了准确率和效率[14]。
分布式专家系统作为一种新型专家系统，其特点如下[31]：
①系统数据的所有来源，分门别类地对不同数据来源的数据进行管理，同时系统的数据完整、准确、实用性强；
②系统开发工具多样，开发环境与应用环境分离，使开发完善过程与应用过程可以独立的异步进行；
③可以同时完成多用户，多个并发请求的推理；
④借助辅助数据库，对推理过程可以进行有效的控制与监测，并能整合推理结果，以多种形式反馈给用户。
4.3 协同式专家系统
协同式专家系统的概念目前尚无一个明确的定义。一般认为，协同式专家系统是能综合若干相关领域（或一个领域）多个方面的单一专家系统互相协作共同解决一个更广领域问题的专家系统，这样的系统亦可称之为“群专家系统”[2]。在系统中，多个专家系统协同合作，各专家系统间可以互相通信，一个或多个专家系统的输出可能成为另一个专家系统的输入，有些专家系统的输出还可以作为反馈信息输入到自身或其先辈系统中去，经过迭代求得某种“稳定”状态。
协同式专家系统作为一种新型专家系统，其特点如下：
①将总任务合理的分解为几个分任务，分别由几个分专家系统来完成；
②把解决各个分任务所需要知识的公共部分提炼出来形成一个公共知识库，供各子专家系统共享。而分专家系统中专用的知识，则存放在各自的专用知识库中；
③为了统一协调解决问题，有一个供各个分专家系统讨论交流的平台。
目前将分布式专家系统与协同式专家系统相结合，提出了一种分布协同式专家系统。分布协同式专家系统是指逻辑上或物理上分布在不同处理节点上的若干专家系统协同求解问题的系统。现实中，有很多复杂的任务需要一个群体(一些专家) 来协同解决问题，当单个专家系统难于有效地求解问题时，使用分布协同式专家系统求解是一个有效的途径[32]。
5 结束语
专家系统是从20世纪末开始的重大技术之一，是高技术的标志。专家系统的近期研究目标是建造用于代替人类进行智能管理与决策的系统，而远期目标是实现具有更新概念、更佳技术性能和更高智力水平的决策与咨询系统。
本文总结了专家系统发展的历史和现状，对目前比较成熟的专家系统模型进行分析，指出各自的特点和局限性。随着专家系统研究的不断深入与发展，必将进一步推动科技发展和社会进步。
参考文献
[1] Feigenbaum, E. A., Panel: history of AI research 1965-67, In Proc. Of the 6t h IJCAI, 1979, 1103-1105.
[2]蔡自兴，约翰〃德尔金，龚涛.高级专家系统：原理、设计及应用[M].北京：科学出版社,2005.
[3]敖志刚.人工智能与专家系统导论[M].合肥：中国科技大学出版社,2002.
[4]王永庆.人工智能原理与方法[M].西安：西安交通大学出版社，1998.
[5]李毅得.不确定性人工智能[M].北京：国防工业出版社，2005.
[6] Buchanan B. G., Heuristic DENDRAL: a program for generating expiator hypotheses in organic
chemistry, In Machine Intelligence 4, Edinburgh, Edinburgh University Press, 1969, 209-254.
[7] Erman, L. D. etal., The HEARSAY speech-understanding system: integrating knowledge to resolve
uncertainty, Computing Surveys, 1980, 12(2): 213-253.
[8]许化东.基于故障树分析法的汽车故障诊断专家系统的研究[D].合肥工业大学,2002,4:1-2.
[9] Shortliffe, E. H., Computer-Based Medical Consultation: MYCIN, New York, American Elsevier, 1976.
[10] Duda, R. O. Development of a computer-base consultant for mineral exploration, Annual Report,
SRI Project, 1977,5821.
[11]武波，马玉祥.专家系统[M].北京：北京理工大学出版社，2001.
[12]曲明，郝红卫.CBR与RBR相结合的实时专家系统设计与实现[J].计算机工程,2004,30(18):44-146.
[13]杨奕飞,瞿元新.基于CBR和RBR的航天测控设备故障诊断专家系统[J].飞行器测控学报,2005,24(3)：7-31.
[14]吴明强,史慧,朱晓华等. 故障诊断专家系统研究的现状与展望[J].计算机测量与控制. 2005. 13
(12)：1301-1304.
[15]张代胜,等. 融合实例与规则推理的车辆故障诊断专家系统[J] .机械工程学报,2002，38 (7)：91-95.
[16]黄德浩,杨宗源,黄海涛.基于框架表示的组件库模型[J]. 计算机工程.2002,28(7): 111-123.
[17]付炜.基于框架网络结构的专家知识表示方法研究[J].计算机应用.2002,22(1): 3-6.
[18]孙增国.神经网络和模糊专家系统在故障诊断中的应用[D]. 大连理工大学.2004,3:31-32.
[19]许丽佳.D-S证据理论在信息融合中的改进[J].系统工程与电子技术.2004,26(6): 717-720.
[20]李冲祥. 神经网络和证据理论集成的数据融合故障诊断方法研究[D].燕山大学,2003,1:37-42.
[21]梁戈超.基于遗传算法和神经网络的模拟电路故障诊断理论与方法[D].湖南大学,2004,2:30-33.
[22]朱明.数据挖掘[M].合肥：中国科技大学出版社,2002.
[23]EsterM, Kriegel H Petal. Knowledge discovery in large spatial datamining: Focusing
techniques for efficient class indertification. In: Advances in Spatial Database, Proc of
4 th Symp SSD’95, Berlin: Sp ringer Verlag, 1995：67～82.
[24] Jaturon Chaattratichat, John Darlington, M Ghanem. Large Scale Data Mining: The Challenges
and Solution. KDD 97～1997.
[25] Michael W., Agent-based software engineering. IEE Proc. On Software Engineering, 1997,
144(1)：26-27.
[26] Wooldridge M, Muller J P and Tambe M, Intelligent Agents П: Agent theories, Architecture
and Languages, Proceedings, 1995,6, Berlin, Germany.
[27] Kadar B ,Monnstori L ,Szelke E. An object2oriented framework for developing distributed
manufacturing architecture [J]. Intelligent Manufacturing, 1998, 9(2)：173-179.
[28] Jennings N R , Sycara K, Wooldrige M. A roadmap of a2gent research and development in
autonomous agents and multi - Agent systems [M]. Boston : Kluwer Academic Publishers , 1998.
[29] Fan Y P, Chen Y P, Sun W S.System description and Petri nets model for reconfiguration of
fault diagnosis multi - immune agent[A].Fifth World Congress on Intelligent Control and Automation[C], 2004.
[30]杨兴,朱大奇等.智能故障诊断专家系统开发平台研制[J] .控制工程（增刊）.2005，12(7)： 180-182.
[31]陈锐,李连生,郭齐胜. 构建基于INTERNET的分布式专家系统[J].计算机工程与应用.2001,43（21）：76-77.
[32]龙光正,雷英杰,邢清华. 分布协同式专家系统研究[J]. 空军工程大学学报,2003，4（2）：67-69.
1.6 酶学性质研究 （1）pH 的影响：分别测定粗酶液在pH3.0、4.0、5.0、6.0、7.0、8.0下的酶活力，确定其最适反应pH 值；将粗酶液用上述pH 缓冲液稀释后，45℃水浴保温4小时后，测定其剩余酶活力。 （2）温度的影响：分别在40~95℃下测定酶活力，确定其最适反应温度；将酶液在40～90℃范围内的不同温度下保温60 min 后，测定其剩余酶活力。 （3）金属离子的影响：在酶液中分别添加各种金属离子，使其浓度为4 mmol ／L ，然后测定酶活力。 2.5 纤维素酶粗酶液酶学性质 2.5.1酶反应的最适pH 值和酶的pH 稳定性 粗酶液在不同pH 值下测得的酶活及在不同pH 值下处理4小时后测得的相对酶活示于图11。结果表明，CMCase 在pH 3.5～4.5有较高的酶活力，最适反应pH 值为4.0；β-Gluase 在pH 4.5～5.5酶活力较高，最适反应pH 值为5.0，同样方法测得FPA 最适反应pH 为5.0。可见，该菌株所产的各组分纤维素酶是酸性酶。 图11表明，该菌产CMCase 在pH3.0～6.0的范围内，β-Gluase 在pH3.5～5.5的范围内，酶活力均可保持在80％以上，说明该菌株所产酸性纤维素酶可在较宽的pH 值范围内保持其酶活力的稳定性。2.5.2 酶反应的最适温度和酶的热稳定性 在不同温度下直接进行酶促反应测得的酶活及在不同温度下热处理60 min 后于最适反应温度和最适pH 下测得的相对酶活(以4℃保存的酶液活力为100%)示于图12。结果表明，CMCase 、β-Gluase 及FPA 最适反应温度均为65℃。 c e l l u l a s e a c t i v i t y ( U .m l -1) pH r e l a t i v e y a c t i v i t y （%） c e l l u l a s e a c t i v i t y ( U .m l -1) temperature ( o C ) r e l a t i v e y a c t i v i t y （%） 图11 pH 值对酶活力及酶稳定性的影响 Fig.10 Effects of pH value on Cellulase activity and stability 图12 温度对酶活力及酶稳定性的影响 Fig.11 Effects of temperature on activity and stability of cellulase
ISSN100922722 Marine Geology Letters 海洋地质动态 2005,21(6)∶8—11文章编号:100922722(2005)0620008204 湿地的研究展望及其保护对策 李广玉1,2,叶思源2,张正贤1,高宗军1 (1山东科技大学地球信息与科学工程学院,泰安271019; 2青岛海洋地质研究所,青岛266071) 摘 要:湿地是一种独特的生态系统,湿地研究成为当前许多学者关注的热门研究领域。主要从湿地的科学定义、湿地的系统分类及今后的研究展望和发展方向进行了论述,提出了湿地恢复、保护和可持续发展对策。 关键词:湿地;生态系统;研究进展;可持续发展 中图分类号:P941.78 文献标识码:A 湿地人称沼泽,是由土地和水汇接而成的。它既不完全是土地,也不完全是水,这是湿地特有的双重属性。湿地是地球上重要的、富饶的生态系统,与森林、海洋并称为地球三大生态系统,在抵御洪水、蓄洪防旱、降解污染、调节气候等方面有着其他生态系统不可代替的作用和功能,被誉为“地球之肾”。 1 湿地的科学定义 由于湿地研究的目的和方法以及地域差异等原因,不同国家甚至同一国家的不同学派在湿地分类上有明显的不同,正如W J Mitsch等在其新著《湿地》[1]一书对湿地概念的述评:由于认识上的差异和目的的不同,使得不同的人对湿地定义强调不同的内容。当前世界上对湿地的科学定义与概念还未统一,目前已经统计到的定义近60多种。湿地的科学定义可归纳为以下几类[2]: (1)从生态学角度 湿地是介于陆地与水生生态系统之间的过渡地带并兼有两类系统的某些特征,其地表为浅水覆盖或者其水位在地表附近变化。 (2)从资源学的角度 凡是具有生态价值 收稿日期:2005203228 作者简介:李广玉(1979—),女,在读硕士,地球化学专业。的水域只要其上覆水体水深不超过6m都可视为湿地,不管它是天然的或是人工的,永久的还是暂时的。 (3)从动力地貌学的角度 湿地是区别于其他地貌系统如河流地貌系统、海湾、湖泊等水体的具有不断起伏水位的、水流缓慢的潜水地貌系统。 (4)从系统论的观点 湿地是一个半开放半封闭的系统,一方面,湿地是一个较独立的生态系统,它有其自身的形成发展和演化规律;另一方面,湿地又不完全独立,它在许多方面依赖于相邻的地面景观,与它们发生物质和能量交换,也影响邻近系统的活动。 目前,湿地科学家和管理部门普遍接受的概念是在《Ramsar》公约中定义的湿地的概念,即:“湿地系指天然或人工,长久或暂时的沼泽地、湿原、泥炭地或水域地带,静止或流动,淡水或半咸水体,包括低潮时不超过6m的水域。” 2 湿地的分类 目前湿地的分类没有统一的标准。较为系统的分类方法是1990年6月在第四届缔约国大会上发布的新分类系统,将湿地划分为三大类(海滨和海岸湿地、内陆湿地、人工湿地)35种(海洋和沿海湿地分为11种类型、内陆湿地16种类型、人造湿地8种类型),此分类系统与
浅谈专家系统应用与发展 摘要：专家系统作为人工智能应用研究的课题之一在各个领域得到广泛应用，但也存在一些突出问题限制了其进一步的发展。本文就专家系统的应用领域和研究热点及其存在问题作了讨论，并提出了新型专家系统的一些特点，指出发展新型专家系统是很有必要的。 关键字：专家系统，知识获取，数据挖掘，多Angent Application and Prospect of Expert System Abstract:Expert system is one of the research subjects of the application of AI(artificial intelligence),and widely uesd in many fields,but some predominant problems confined its development.This article discussed the application areas and research hotspots of expert system,and brought up some characteristics of new style expert system,finally pointed that it’s necessary for us to develop new style expert system. Key words:expert system; knowledge acquisition; data mining; multi-agent system 1专家系统概述 1.1 专家系统的起源与含义 专家系统（expert system）是人工智能领域应用研究最活跃和最广泛的课题之一。第一个专家系统是在1956年由Allen Newell、Herbert Simon及J. C. Shaw 所发展。其后，许多专家系统也纷纷随之建立，但在前期多半是属于研究性质的雏形系统。1970年代之后，人工智能与专家系统专用的程序语言及软件开发工具逐渐开始发展，而各种知识表示法及算法也被广泛地研究，使得专家系统的建构与发展方式产生了不小的改变。在1980年代后期开始，专家系统便能够逐渐脱离实验室的研究而广泛应用于各行业中[1,2]。 专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题[1]。 1.2 专家系统的结构 专家系统的基本结构如图1所示，其中箭头方向为数据流动的方向。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。
专家系统及其在教育中的应用研究 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 2013年06 月20 日
专家系统及其在教育中的应用研究 摘要：作为人工智能应用研究的一个重要分支，专家系统被广泛应用于各个领域并取得了巨大的成功。本文在介绍专家系统的内涵、基本结构原理和发展趋势的基础上对专家系统在教育领域中的应用现状作了探讨，分析了专家系统与计算机辅助教学、网络远程教学的结合应用以及在辅助教育教学方面的其他应用。 关键字：人工智能；专家系统；ITES；ICAI；IDSS 一、引言 信息技术的飞速发展正以一种前所未有的深度和广度渗透到社会的方方面面，改变着人们的生活。其中，对于人工智能领域的关注和研究一直领跑于信息技术的前沿，标志着社会发展的智能化趋势。而人工智能中最接近实际应用、发展最快、效益最显著的当属专家系统。可以说“专家系统是人工智能从幻想到实践，再由实践到理论的主角川¨。从1965年世界上第一个专家系统诞生至今，随着知识工程的深入研究，以及专家系统的理论和技术的不断发展，使得专家系统的应用渗透到几乎各个领域，并在实际应用中产生了巨大的经济效益。当今社会对教育现代化的呼吁和关注，使专家系统在教育中的应用也越来越得到人们的重视，且具有广阔的发展前景。尤其是专家系统与传统的计算机辅助教学、网络远程教学的结合，更能满足学生的个性化学习需求，充分体现了教与学的灵活性、互动性和适应性，同时，专家系统在辅助教育教学中的其他应用也极大地促进了教育信息化的发展。 二、有关专家系统 专家系统(Expert System)是人工智能应用研究中最活跃、最成熟的一个领域。专家系统的实质就是一种具有特定领域内大量知识和经验的计算机智能程序系统。它包括两个方面的含义。首先，专家系统是一种智能程序系统，因此，它不同于一般的程序系统，是一种能够运用已有知识和经验进行推理、判断与决策并对结论的推理过程作出解释的启发式程序系统。其次，专家系统的智能来源于领域专家的知识和经验，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平，而且能够在运行过程中不断积累和更新知识，和人类专家相比更具持久性、灵活性和一致性。专家系统又可称为“基于知识的系统”。这种基于知识的系统以知识为中心，以逻辑推理为手段解决问题。因此，专家系统的核心内容是知识库和推理机制，其主要组成部分是：知识库、推理机、综合数据库、解释机构、知识获取机构和用户界面。其一般结构如图1所示： 领域专家、知识工程师 用户
中兽医医药杂志J TCVM 2005年第4期 综述专论兽用中草药研究开发展望 梁剑平1,张应禄2,李滋睿2 (1.中国农业科学院兰州畜牧与兽药研究所农业部新兽药工程重点开放实验室,甘肃兰州730050;2.中国农业科学院) 中图分类号:S85311文献标识码:A文章编号:1000-6354(2005)04-0021-03 兽用中草药被广泛应用于预防和治疗畜禽疾病,或促进动物生长,提高饲料报酬。由于它无药物残留,对人类健康不构成危害,所以受到了广大消费者和畜禽养殖者的欢迎。有关专家认为,兽用中草药由于不会对食品安全构成威胁,将在很大程度上逐步取代化学药品,有广阔的发展前景,使其开发商机凸现。兽用中草药是我国兽医药学的宝贵遗产,长期以来对畜禽的繁殖和发展做出了不可磨灭的贡献。它不仅在中国得到了继承和发展,而且在国际上也产生了巨大的影响,亚洲的很多国家和地区把兽用中草药当成提高畜禽健康质量的重要手段,与西方现代兽医药共同用于临床。欧美各国在/回归大自然0的口号影响下,也越来越重视兽用中草药的研究,一些兽用中草药的治疗作用逐渐得到了临床的认可。 1畜牧业发展对兽用中草药开发及其技术需求分析近些年来,食品安全、药残与耐药性等问题日益受到重视,许多发达国家已经禁用了许多兽用药品饲料添加剂。美国基于人畜交叉抗药性的顾虑而撤销了恩诺沙星与沙拉沙星在禽类使用的注册标准,并且在可预见的未来也不再审批任何氟喹诺酮类作为兽药。2000年7月23日,世界卫生组织在日内瓦召开会议,提出了限制对家畜使用化学抗菌药新建议。近年来发现化药、抗生素类具有毒副作用及其残留,严重地影响人类健康,甚至引起/三致0和损害免疫功能。自1987年以来,英国和法国植物药的购买力分别上升了70%和50%,而美国市场每年亦以高于20%的速度增长。日本的汉方制剂从90年代开始,每年都以15%以上的速度增长。国际植物药市场份额每年已达270亿美元。 标准化是我国传统医药进入国际市场的突破口,是兽用中草药现代化发展的必要条件。我国物种丰富,药物种植面积大,品种齐全,但所占市场份额还不足5%。其中最大的制约因素是我国中药标准化程度低,生产工艺较落后,缺乏科学规范的质量标准和质量控制手段。这是中兽药界的难点问题,同时也是制约中兽药走出国门,走向世界的/瓶颈0。因此,必须要建立健全中药材的质量规范标准,在现行的《中华人民共和国兽药典》所列的药材的基础上进一步完善。 2国内外科技发展水平比较分析 国外由于受到中药资源的限制,中兽药的发展起步较晚,主要是通过微生物发酵制备多糖、寡糖。多糖能提高动 收稿日期:2004-12-27 项目来源:/十五0国家攻关计划资助 作者简介:梁剑平(1963-),男,研究员,博士,主要从事兽药研究。物免疫力,其中消化道免疫占动物免疫系统的很大部分,因而能对消化道起到很好的保护作用,另外,肠道黏膜内的IgA 抗体还可通过其自身产生的抗体细胞毒素直接杀灭细菌。寡糖为1~9个单糖所组成,由于其能促进猪、鸡肠道内有益菌群优势形成,其中主要是拟杆菌、双歧杆菌及乳酸杆菌等,能有效地降低病原菌的致病力,结合吸收外源性病原菌及调节机体免疫系统,提高动物免疫力等功能,成为研究的热点。在国外寡糖是最有希望替代化药与抗生素的天然物质。其研究主要通过完成了菌种鉴定与系统发育分析、酶的生产条件、酶的纯化与特性、酶基因的克隆表达与序列分析、酶的高产菌株选育、寡糖的组分、结构及生理功能分析,以及酶和寡糖的工业生产试验等涉及多学科的系统工程,结合极端菌及极端酶的特性,以新的方法解决了酶的碱、盐、热稳定性、酶活力、寡糖生成率等,实现了极端B-聚糖酶以及寡糖的生产及应用。国内在多糖、寡糖研究方面也进行了诸多的研究,已通过对酵母菌培养,成功的生产出甘露寡糖。除多糖、寡糖研究外,中兽药主要是围绕我国丰富的中药资源进行了中药的方剂学,有效单体的提取、合成及结构修饰,与中兽药的稳定性方面进行了一系列的研究,因为在新兽药创制中,重要的环节是要保证有高质量的、稳定可控的中药材原料。 2.1中药资源开发取得新的进展 我国现有的中药资源种类已达12807种,其中药用植物11146种,药用动物1581种,药用矿物80种。仅对320种常用植物类药材的统计,总蕴藏量就达850万吨。全国药材种植面积超过580万亩,药材生产基地600多个,常年栽培的药材达200余种。野生变家种取得了积极成果,许多已成为主流商品。对珍稀濒危野生动植物品种开展了人工种植、养殖和人工替代品研究,对进口药材的引种也取得了可喜的成就,形成了一定的生产能力,药材进口的数量明显减少。云南西双版纳分布的植物锡生藤已合成新药/傣肌松0,与进口的/氯化箭毒碱0有相似的肌肉松弛作用。从进口药材的国产近缘植物中寻找代用品的实例还有很多,如以国产安息香代进口安息香;以国产马钱子代进口马钱子;以西藏胡黄连代进口胡黄连;以白木香代沉香等等,应用有效成分为指标,从近缘科、属中扩大药源,这方面中国已做了大量比较系统和深入的研究工作,已进行研究的主要种类有小檗属、薯蓣属、鼠尾草属、葛属、黄连属、大黄属、甘草属、石蒜属、丹参属、金银花属、莨菪类、蒿类、柴胡属、淫羊藿属、苦参属等植物。 2.2科研开发形成新的局面 2.2.1提取和合成制药在提取和合成制药的研究及生产 21
综述与评论 计算机测量与控制.2008.16(9) C omputer Measurement &Control 1217 中华测控网https://www.doczj.com/doc/7415898507.html, 收稿日期:2008-06-08; 修回日期:2008-07-16。 作者简介:安茂春(1967-),山东莱阳人,副研究员,主要从事测试与故障诊断技术的管理工作。 文章编号:1671-4598(2008)09-1217-03 中图分类号:TP182 文献标识码:A 故障诊断专家系统及其发展 安茂春 (北京系统工程研究所,北京 100101) 摘要:文章对主要的故障诊断专家系统进行了系统的归纳和分类,主要关注故障诊断专家系统在军事领域的应用;重点讨论了基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统的技术要点、发展现状、优缺点及其在军事方面的应用;最后,对该学科的发展做出了预测,指出基于多种模型结合的诊断专家系统、分布式诊断专家系统、实时诊断专家系统是今后的发展方向。 关键词:专家系统;故障诊断;军事应用;基于规则推理;建模技术;人工神经网络;模糊推理;基于事例推理 A Survey on Fault Diagnosis Expert Systems An M ao chun (Beijing Institute o f System and Eng ineering ,Beijing 100101,China) Abstract:In this article w e present a s urvey of fault diagnosis expert system s,and categorize them into 5different types according to know ledge organiz ation m ethod and reasoning m ech anis m,w hich are ru le-b as ed fault diagn osis expert system,model-based fault diagnosis ex pert system,n eural netw ork fault diagnosis exp ert sy stem,fuz zy fault diagn osis expert system and cas e-based fault diagn os is expert sys -tem,for each type w e describ e its techn ical pr op erties,curren t status,ad vantag es and disadvantages,and application s in military field.At the end of th is article,w e point out that hybrid model-based,distributed and real-time diagnosis expert sys tems are fu tu re direction s. Key words:ex pert sys tem;fault diagnosis ;military application;rule -b as ed reasoning;modelin g;artificial neural netw or k;fuzzy reasonin g;ease-b as ed reasoning 1 故障诊断专家系统及其分类 专家系统(Ex per t Sy st em,ES)是人工智能技术(A rt if-i cial I ntelligence,A I)的一个重要分支,其智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。专家系统必须包含领域专家的大量知识,拥有类似人类专家思维的推理能力,并能用这些知识来解决实际问题。 故障诊断技术是一门应用型边缘学科,其理论基础涉及多门学科,如现代控制理论、计算机工程、数理统计、模糊集理论、信号处理、模式识别等。故障诊断的任务是在系统发生故障时,根据系统中的各种量(可测的或不可测的)或其中部分量表现出的与正常状态不同的特性,找出故障的特征描述并进行故障的检测与隔离。 故障诊断专家系统是将专家系统应用到故障诊断之中,可以利用领域知识和专家经验提高故障诊断的效率[1]。目前专家系统在故障诊断领域的应用非常广泛,如美空军研制的用于飞机喷气发动机故障诊断专家系统XM AN [2],N A SA 与M IT 合作开发的用于动力系统诊断的专家系统,英国某公司为英美军方开发的直升机发动机转子监控与诊断专家系统[3]等,此外在电力、机械、化工、船舶等许多领域中也大量应用了故障诊断专家系统。 根据知识组织方式与推理机制的不同,可将目前常用的故障诊断专家系统大致分为基于规则的诊断专家系统、基于模型 的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统。 2 故障诊断专家系统对比分析 2 1 基于规则的诊断专家系统 在基于规则的诊断专家系统中,领域专家的知识与经验被 表示成产生式规则,一般形式是:if<前提>then<结论>其中前提部分表示能与数据匹配的任何模型,结论部分表示满足前提时可以得出的结论。基于规则的推理是先根据推理策略从规则库中选择相应的规则,再匹配规则的前提部分,最后根据匹配结果得出结论。 基于规则的诊断知识表达方式直观、形式统一,在求解小规模问题时效率较高,并且具有易于理解与实现的优点,因而取得了一定成功。20世纪90年代,国外在军用水压系统、电力供应网络等方面进行了应用。 但是,对于复杂系统,所观测到的症状与对应的诊断之间的联系是相当复杂的,通过归纳专家经验来获取规则有着相当的难度,且诊断时只能对事先预想到的并能与规则前提匹配的事件进行推理,存在知识获取的瓶颈问题。2 2 基于模型的诊断专家系统 在基于模型的诊断专家系统中,领域专家的专业知识包含在建立的系统模型中,这种基于模型的诊断更多地利用系统的结构、功能与行为等知识。相比基于规则的诊断专家系统,这种诊断方式能够处理预先没有想到的情况,并且可能检测到系统存在的潜在故障。这类系统的知识库相对容易建立并且具有一定的灵活性,已应用于航天器动力燃烧系统故障诊断等方面。
国内外湿地研究进展和展望Ξ 徐艳艳 徐艳东 (1.临沂市苍山县实验中学,山东苍山277700;2.山东省海洋水产研究所,山东烟台264006) 摘 要 主要分析了国内外湿地的概念和分类、形成和发育、湿地评价和健康评价、恢复和重建、生物地球化学过程、模型研究、人工湿地、全球变暖及湿地生态系统关系等方面研究进展,据此提出展望。 关键词 湿地 生态系统 恢复 湿地(wetland)通常包括灌丛沼泽(swam ps)、苔藓泥炭沼泽(bogs)、泥沼泽(marshes)以及其他类似区域[1]。湿地广泛分布于地球各气候带,从赤道到极地均有分布。据统计全世界共有湿地8.6×106km2,占陆地总面积的6.4%,以亚热带比例最高占29.3%,寒温带占13.4%,寒带占11%,热带占10.9%[2]。 湿地是由喜水生物和过湿环境构成的特殊自然综合体,它位于大气圈、岩石圈及生物圈的交汇处,是各种能量和物质交换和作用的场所。它是地球上重要的生存环境和生态系统,具有稳定环境、物种基因保护及资源利用的功能,被誉为“自然之肾”、 “生物基因库”和“人类摇篮”[3]。因而在世界自然保护大纲中,湿地与森林、海洋一起并列为全球三大生态系统。 但是湿地也是近代史上遭受人类活动破坏最为严重的生态系统,它是继其他生态系统如农业、林业、沙漠等之后,人类重视最晚的一种资源[4]。随着社会经济的发展,湿地的特殊性和重要性已受到全世界的关注,湿地研究已成为当前的热门研究领域。 1 国内外湿地研究进展 1.1 湿地的概念和分类 1.1.1 湿地的概念 由于湿地分布广泛,种类繁多,相互之间差别极大,所以很难给湿地下一个明确的定义。目前的研究者对湿地有不同的理解,已统计到的定义近60种[5]。总的看来,湿地的定义分为两类:一类是管理定义,通常采用的是最有代表性的国际湿地公约(Ramsar公约)中的湿地的定义:“湿地是指不论其为天然或人工、长久或暂时性的沼泽地、水域地带,静止或流动的淡水、半咸水、咸水,包括低潮时水深不超过6m的海水水域。”此定义比较具体,具有明显的边界,具有法律约束力,在湿地管理工作中易于操作[5],但其未揭示出湿地的内涵实质,其内涵和外延不明确[6]。另一类是不同学科的学者从不同角度给出的定义,从学科来看可以概括为水文学、动力地貌学、生态学、泥炭地质学、景观学、资源学[5-8]。杨永兴先生把湿地科学的定义为:“湿地是一类既不同于水体,又不同于陆地的特殊的过渡类型生态系统,为水生、陆生生态系统界面相互延伸、扩展的重叠空间区域。湿地应该具有3个突出特征:湿地地表长期或季节处于过湿或积水状态;地表生长有湿生、沼生、浅水生植物(包括部分喜湿盐生植物),且具有较高生产力。生活湿生、沼生、浅水生动物和适应该特殊环境的微生物类群;发育水成或半水成土壤,具有明显的潜育化过程。”[9]由于湿地是一个过渡带,因此范围界定比较困难,其中,1956年Circular39是美国最早的湿地定义之一;加拿大关于湿地的定义主要有:1979年Z oltai和T arnocai分别提出湿地的定义,1988年Z oltai对其前定义进行修正;[2]原苏联的沼泽概念比较全面,但语义不够确定[3]。 2.1.2 湿地的分类 同湿地概念一样,目前国际湿地学术界还没有一个公认的湿地分类标准、体 Ξ作者简介:徐艳艳(1979-),女,地理教师。
收稿日期:2004-03-22 白润,1978年生,硕士研究生,主要从事战斗部材料专家系统的研究工作 专家系统在材料领域中的研究现状与展望 白 润 郭启雯 (北京理工大学材料科学与工程学院,北京 100081) 文 摘 简要介绍了专家系统的一般结构及功能,综述了近年来专家系统在材料领域中的应用,即在材料优化设计、材料智能加工与智能控制、材料缺陷诊断与质量控制等方面国内外研究现状与取得的成果,探 讨了今后的发展方向。 关键词 专家系统,材料设计,智能加工, 性能检测 Current Status and Outlook of Expert System in Material Science Bai Run G uo Qiwen (School of Material Science and Engineering ,Beijing Institute of T echnology ,Beijing 100081) Abstract The structure and functions of a basic expert system are briefly introduced.Application and development of expert systems in material science at home and abroad in recent years are reviewed systematically including material de 2sign and optimization ,intelligent processing and controlling of materials ,fault detection and quality control.Future de 2 velopment is discussed as well. K ey w ords Expert system ,Material design ,Intelligent process ,Detect property 1 引言 专家系统又称基于知识的系统,是人工智能走向实用化研究中最引人注目的一个领域,其实质是一个以知识为基础的计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,能够模仿人类专家思维和求解该领域问题。实践表明,只要经验知识和数据表述合理、准确,并且达到一定的数量,通过严密的计算机程序,由专家系统代替人类专家进行推理,其结果的准确性和有效性并不逊于人类专家;在某些数据量巨大、复杂程度较高、而模糊程度较低的问题的处理上,专家系统甚至超过了人类专家。它的高性能和实用性引起了全球科技领域的广泛重视。近年来,专家系统走出实验室,开始在各行各业中得到应用,在材料科学领域中的应用也受到关注。2 专家系统构成及各模块功能 一般专家系统由知识库、推理机、数据库、知识 获取机制、解释机制以及人机界面组成,其相互间的关系如图1所示。 图1 专家系统的一般结构 Fig.1 S tructure of a basic expert system
实、叙述的写作手法来记录检查的情况,切忌在笔录中作评论、推断。现场笔录应该是执法人员在现场所看、所听的实录,而不应是询问笔录。2.2 贴近案情 可以采取“由大到小”、“由粗到细”的方法,首先简要描述大环境、方位地点,再收缩到具体需要重点检查的位置;从物品总体摆放、堆码再聚焦到具体商品数量,包装标签及现场痕迹等等。同时,对现场从业人员在从事何种活动,也要作好记录。对与具体案情关联不大的内容,可以简写,而对于与案情关联紧密的商品、标识、人员作业情况、工具、原料、广告、检查过程,甚至能证明案件事实的地面污水痕迹、废弃损毁物品的状况都应详记,并尽可能地加以固定、提取。2.3 抓住重点 现场检查中,往往可以意外地发现一些对定案十分关键的证据,要注意策略,可以采取以虚掩实、迂回反抄的方法将这些证据予以固定、提取。3 制作要点 3.1 当事人在被检查场所开展经营活动的由来或 当事人与被检查场所的关系。3.2 场所的概况。情况复杂的场所应交代方位,必 要时绘图说明。 3.3 与违法行为有关的物品、工具、设施的名称、规格、数量、状况、摆放位置、使用情况及相关的书证、物证。3.4 与违法行为有关的人员的活动情况,包括当事人及其职工、帮工以及顾问、消费者的情况。3.5 检查人员检查的活动及结果。3.6 当事人在检查活动中的异常表现及其行为。3.7 交代现场询问当事人、旁证人员,现场摄影、录像、绘图,当事人主动提交的证据的情况。3.8 交代抽样取证、强制措施的情况。情况复杂、 规模较大的场所,可以按照分工,由检查人员按照各自的检查任务,分别制作笔录,但最后应制作汇总笔录,总结整个检查情况。3.9 《现场检查笔录》应在现场检查时当场制作,不能今天检查,第二天才完成笔录。3.10 笔录写好后要交给当事人阅读或向其宣读,并由当事人签章(逐页)。当事人拒绝签名或不能签名的应当注明原因,并且由2名以上执法人员在笔录上签字。有其他人在场时,可由其他人签名。法律、法规和规章对现场检查笔录的制作形式另有规定的,从其规定。 ?综 述? 尘肺病临床治疗研究概况 崔 萍,侯 强 (山东省职业卫生与职业病防治研究院,山东 济南 250002) [收稿日期]2007204230 山东省医药卫生计划科技项目 项目号:(2003-133) [摘要] 我国尘肺病是危害人数最多的职业病,发病率约占所有职业病的80%,建国以来,政府对尘肺病的防治一直十分重视,开展了大量的研究工作,作者回顾了近50年尘肺病临床治疗的几个主要阶段,从基础治疗(营养、运动)、西药、中药、肺灌洗几个方面,分别概述了与其相关的药物成分、作用机制、临床研究和疗效。提倡目前依病人的病情进行肺灌洗、抗纤维化、减轻非特异性炎性反应、调节免疫功能、抗脂质过氧化、对症支持等综合治疗措施。提出霜桑叶有望成为疗效高、无毒副作用、价格低廉、依从性好治疗尘肺病的新药。 [关键词] 尘肺病;治疗方法;药物疗法;中医中药;肺灌洗 [中图分类号]R13512 [文献标识码]A [文章编号]1007-6131(2007)0320226204 尘肺病是由于在职业活动中长期吸入生产性粉尘并在肺内潴留而引起的以肺组织弥漫性纤维化为 主的全身性疾病。尘肺病被称为中国头号职业病,卫生部称截至2005年,中国尘肺累积病例607570
专家系统的应用实例专家系统及其在教育中的应用研究专家系统及其在教育中的应用研究 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 xx年 06 月 20 日 专家系统及其在教育中的应用研究
摘要：作为人工智能应用研究的一个重要分支，专家系统被广泛应用于各个领域并取得了巨大的成功。本文在介绍专家系统的内涵、基本结构原理和发展趋势的基础上对专家系统在教育领域中的应用 现状作了探讨，分析了专家系统与计算机辅助教学、网络远程教学的结合应用以及在辅助教育教学方面的其他应用。 关键字：人工智能；专家系统；ITES ；ICAI ；IDSS 一、引言 信息技术的飞速发展正以一种前所未有的深度和广度渗透到社会的方方面面，改变着人们的生活。其中，对于人工智能领域的关注和研究一直领跑于信息技术的前沿，标志着社会发展的智能化趋势。而人工智能中最接近实际应用、发展最快、效益最显著的当属专家系统。可以说“专家系统是人工智能从幻想到实践，再由实践到理论的主角川¨。从1965年世界上第一个专家系统诞生至今，随着知识工程的深入研究，以及专家系统的理论和技术的不断发展，使得专家系统的应用渗透到几乎各个领域，并在实际应用中产生了巨大的经济效益。当今社会对教育现代化的呼吁和关注，使专家系统在教育中的应用也越来越得到人们的重视，且具有广阔的发展前景。尤其是专家系统与传统的计算机辅助教学、网络远程教学的结合，更能满足学生的个性化学习需求，充分体现了教与学的灵活性、互动性和适应性，同时，
专家系统在辅助教育教学中的其他应用也极大地促进了教育信息化 的发展。 二、有关专家系统 专家系统(Expert System)是人工智能应用研究中最活跃、最成熟的一个领域。专家系统的实质就是一种具有特定领域内大量知识和经验的计算机智能程序系统。它包括两个方面的含义。首先，专家系统是一种智能程序系统，因此，它不同于一般的程序系统，是一种能够运用已有知识和经验进行推理、判断与决策并对结论的推理过程作出解释的启发式程序系统。其次，专家系统的智能领域专家的知识和经验，它应用人工智能技术，模拟人类专家求解问题的思维过程求解领域内的各种问题，其水平可以达到甚至超过人类专家的水平，而且能够在运行过程中不断积累和更新知识，和人类专家相比更具持久性、灵活性和一致性。专家系统又可称为“基于知识的系统”。这种基于知识的系统以知识为中心，以逻辑推理为手段解决问题。因此，专家系统的核心内容是知识库和推理机制，其主要组成部分是：知识库、推理机、综合数据库、解释机构、知识获取机构和用户界面。其一般结构如图1所示： 领域专家、知识工程师
摘要 本文介绍了汽车故障诊断专家系统的基本结构及其开发的基本方法，论述了汽车故障诊断专家系统软件的开发研究的意义和设计中的难点，针对汽车故障的复杂性特点模拟经验丰富的维修专家的诊断思路及方法，利用Delphi7进行编程，建立友好的人机界面，依据计算机数据结构原理，采用故障树的数据结构和关系数据库原理完成知识表示建立完善的知识库，实现了确定性故障诊断所需的知识库和推理机。从而可使用户通过人机对话的形式方便、快速、准确地找出故障原因，大大地提高汽修行业的效益及汽车的使用寿命。 关键字：汽车故障诊断专家系统
The paper introduces Automobile Fault Diagnosis Expert System of basic structure and development of basic methods. Discusses the software of Automobile Fault Diagnosis Expert System 's research meaning and the difficulty in the design. Aiming at the complexity characteristic of the fault ,simulating the way that experienced diagnosis maintenance of expert thinking, using Delphi7, established friendly human-machine interface. According to the principle structure data of the computer , adopt the fault tree's data structure and relation theories of database to accomplish the representation of knowledge, and realized the uncertainty of knowledge base for fault diagnosis and reasoning machine. The user could find fault convenient, fast and accurately through the man-machine dialogue form , greatly improve the automobile industry's efficiency and the automobile's service life. Key words：automobile fault diagnosis expert system
湿地公园建设国内外研究现状
湿地，作为一类特殊的生态环境的研究，始于20 世纪70 年代初。《湿地公约》认为，湿地是天然或人工、长久或暂时性的沼泽地、泥潭地或水域地带，静止或流动的淡水、半咸水、咸水水体。《国际生物学计划》中认为，湿地是陆地和水域之间的过渡区域或生态交错带。中国对湿地的定义是，湿地是指天然或人工、长久或暂时性沼泽地、泥炭地或水域地带，带有静止或流动淡水．半咸水、咸水水体者，包括低潮时水深不超过6 米的海域。湿地是重要的自然生态系统．湿地公园的概念类似于小型保护区，但是又不同于自然保护区和一般意义公园的概念．根据目前国内外湿地保护和管理的趋势，湿地兼有物种及其栖息地保护、生态旅游和生态环境教育功能。国家林业局的定义是，以具有显著或特殊生态、文化、美学和生物多样性价值的湿地景观为主体．具有一定的规模和范围．以保护湿地生态系统完整性．维护湿地生态过程和生态服务功能．并在此基础上以充分发挥湿地的多种功能效益，开展湿地合理利用为宗旨。天然湿地类型通过合理保护利用，形成保护、科普、休闲等功能于一体的公园。湿地公园的湿
地往往是人与自然和谐相处的产物．大多数经过长时期的人为干预，因而往往拥有深厚的历史文化积淀．保存着大量的历史文化遗产。而正因为如此，国际湿地组织和世界各国专家都十分重视湿地的保护和文化的利用。而湿地保护的一个非常重要的目标就是水栖息地的保护。2002 年的主题是水生命．2005 年的主题是湿地文化多样性和生物多样性。以此来增加文化内涵．可以弥补湿地自然景观相对单调的缺憾。湿地不仅具有保持水源、净化水质、蓄洪防旱．调节气候、美化环境和维护生物多样性等重要的生态功能，同时还具有科学研究、科普教育、旅游休闲等多种社会经济价值。湿地生态系统的服务价值．居全球各类生态之首．分别高出农业和生态用地很多倍。2003 年国务院批准了《全国湿地保护工程规划》，建设湿地公园必须要高度重视对湿地的保护，并要重视对湿地合理的利用。国家林业局提出了四个鼓励，第一即是鼓励在自然特性的生态下建立湿地公园．第二鼓励在湿地规划区采取有利措施建立生态湿地公园，第三鼓励在典型的地理地带特征规划建立生态湿地公园．第四鼓励在保证生物多样性的区域加强规
浅谈专家系统的发展现状和展望 摘要：专家系统是人工智能领域最重要的应用之一。介绍了专家系统的含义与结构，对专家系统的研究与应用现状、开发方法进行了论述，并提出了新型专家系统的发展趋势与特点，指出专家系统重大的社会和经济价值。 关键词：人工智能；专家系统；研究现状；应用现状；发展趋势；开发方法； 引言：电子计算机的研制成功是科学发展史上具有开拓意义的伟大创举之一。在短短的几十年中, 它已成为现代科学不可缺少的重要工具, 其功用已涉及到各行各业。随着大型计算机的开发和在各个领域中的广泛应用,在竞争意识相当强烈、技术更新十分迅速的今天, 传统的数据处理系统愈来愈不能满足科学发展的需要, 最终必将导致人工智能( A I) 的出现，而作为AI的重要分支，专家系统（ES）必将发挥越来越重要的作用。 1 专家系统概述 1.1 专家系统的含义 专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。 1.2 专家系统的结构 每个专家系统所需要完成的任务和特点不相同，其系统结构也有一定的差别，但基本结构一般由知识库、数据库、推理机、知识获取、咨询解释和人机接口等6 部分组成，其中知识库和推理机是核心部分。 （1）知识库：专家系统存储知识的地方。主要用于收集和存储某领域专家的经验、知识及书本知识、常识等，包括可行操作、事实和规则等； （2）综合数据库：综合数据库又称总数据库或全局数据库，主要用于存放有关问题求解的假设、初始数据、目标、求解状态、中间结果以及最终结果； （3）推理机：推理机是专家系统的核心部分，实际是一组计算机程序，用于模拟专家的思维过程，控制、协调整个专家系统的工作。它根据用户所提供的初始数据和问题求解要求，运用知识库中的事实和规则，按照一定的推理方法和控制策略对问题进行推理求解，并将产生的结果输出给用户； （4）知识获取子系统：在建造和维护知识库时充当专家系统和领域专家、知识工程师的接口； （5）解释子系统：解释机构由一组计算机程序组成，它对推理给出必要的解释，并根据用户问题的要求做出相应的回应，最后把结果通过人机接口输出给用户，以增强用户对系统推理的理解和信任； （6）人机接口：用户、专家系统和领域专家知识工程师之间沟通的媒介，它把三者 交互的信息转换成彼此都能够理解的形式，由一组程序及相应的硬件组成，用于完成I/ O工作。 1.3专家系统的特征 （1）知识丰富。积累了相当数量专家的知识； （2）启发性。专家系统能运用专家知识进行判断、推理和决策； （3）复杂度高。知识库中的知识虽然涉及的面比较窄，但是它具有较高的复杂度与
上海杉达学院 学科学期论文 论文题目：浅析杭州西溪湿地的开发现状和发展前景学生姓名：沈敏华 专业年级：07届旅游管理 指导教师：张媛 2010年 5 月 6 日
目录： 一、绪论 二、杭州西溪湿地的现状 三、杭州西溪湿地开发中存在问题 四、杭州西溪湿地资源开发的对策与建议 五、杭州西溪湿地的发展前景 六、结论 七、参考文献
浅析杭州西溪湿地开发现状和发展前景 一．绪论 西溪湿地国家公园位于杭州市区西部，距西湖不到5公里，是罕见的城中次生湿地。这里生态资源丰富、自然景观质朴、文化积淀深厚，曾与西湖、西泠并称杭州“三西”，是目前国内第一个也是唯一的集城市湿地、农耕湿地、文化湿地于一体的国家湿地公园。自2004年一期工程开始至现在的三期工程，开发遵循科学保护，规划先行；以民为本，妥善安臵；生态优先，最小干预的开发原则。2005年2月，西溪湿地被命名为全国首个国家湿地公园，国家林业局同意杭州市正式开展湿地公园的保护和管理。国家林业部野生动植物保护司副司长严旬对西溪湿地综合保护工程给予了高度评价，他认为，建设好西溪国家湿地公园，对于全面加强西溪湿地生物多样性保护，维护生态系统生态特点和基本功能，实现湿地资源的可持续发展，有着十分重要的意义。1 本文介绍了杭州西溪湿地的现状，阐述开发中存在的问题，分析提出对西溪湿地的开发对策与建议，对西溪湿地的发展前景作展望。 本文是作者仅凭自己的学习水平做的报告，仅代表个人观点。希望对研究西溪湿地的学者有所帮助。 二．杭州西溪湿地的现状2 （一）西溪湿地简介 西溪湿地位于杭州西北，总面积约50平方公里。明清时期，西溪已是一个著名风景区，与杭州西湖、西冷并称为“杭州三西”，享有“副西湖”的美称。西溪湿地作为全国大中城市中唯一的城市湿地，水资源、多种植被和水生动物资源保存完好，2007年2月份，被国家林业局认定为国家湿地公园试点。 （二）西溪湿地规划目标 湿地公园发展规划总目标为：全面加强湿地及生物多样性保护，维护湿地生态系统的生态特性和基本功能，保持和最大限度地发挥湿地生态系统的各种功能和效益，保证湿地资源的可持续利用，使其造福当代、惠及子孙。 1、与西溪湿地公园各区块和谐共生、互利互依，促进公园的整体性； 2、在具有自然生态美感的景观基调下，加强个性文化、原生文化的挖掘，延续其历史人文脉络； 3、完善与湿地功能相适应的基础设施； 4、促进湿地范围内及周边区域的经济转型与发展，塑造人地和谐的典型示范区 （三）西溪湿地基本规划原则 杭州西溪国家湿地公园承担着保护自然与文化遗产、进行科学研究、科普教育、生态旅游四大任务，其规划建设目标是合理平衡这四大任务，提出适合的自 1百度,https://www.doczj.com/doc/7415898507.html,/view/79820.htm?fr=ala0_1,2010.4.28 2余杭新闻,https://www.doczj.com/doc/7415898507.html,/class/class_43/articles/94608.html, 2010.4.28