环境决策支持系统技术基础之三模型与知识

北京大学环境工程系2006 年 4 月

交通导航辅助决策系统 数据库基础信息、路网信息、公交系统信息、历

史路况信息、路况实时信息 方法库最短路径算法、空间 Buffer 方法等 模型库针对不等交通方式的交通方案生成与评估

模型等

交通导航辅助决策系统与模型模型 :提供方案生成和选择的功能

回顾－ DSS 应具有的基本特征 由于 DSS 难以准确定义，通过其应具有的基本特征，使其与 ES ，

OA ， OR ， MIS 等 IS 有区别 1 ，解决的问题特征：非（半）结构化问题。所谓非结构化问

题是：在新的问题环境中，不存在现存的决策分析求解模式。（问题求解条件困难）运用可获得的信息资源，根据问题需要，按决策的全过程逐步向决策者提供分析的情景和求解方法的支持（解决问题的任务），促使决策者产生有科学依据的有效的决策方案，即支持实现决策目标。

DSS 应具有的基本特征 2 ，用户特征：友善性要求，诱导性要求（ user-seductive) 。

在研究各种决策者对各类决策问题采取不同的媒体传播信息时的效果，从而运用好多媒体计算机技术进行有效的超文本编辑，实现综合情景的交互，以启发决策者产生好的决策思路。目的是提高信息的有效性和启发性。

3 ，系统结构特征：可进化要求，可集成要求。在可扩展可更新并保证一致性的基本要求下，可根据应用背景和环境的演变，在一定程度上实现系统结构的自组织。即具有学习和自控的能力。

DSS 是 IS 发展过程中的产物，它的实际内容将不断补充更新。但上述三个基本特征要求将始终保持，只是水平会不断提高

DSS 研究的问题 问题来源于实践，实践中存在的矛盾是研究的入手点。归结为以下几点：

1 ，对情报—方案设计—方案选择—结果评估四阶段的前二阶段的忽视。“问题生成”，需要情报，情景的支持，要重视客观性，启发性。“方案生成”，需要多专家，多方案支持，要克服主观性，重视全面性。

DSS 研究的问题 2 ，实际数据的分散性与数据集结形成信息的必要性之间的矛盾。 由于情报失真，集结信息失误，系统可靠性下降。可通过多情报采集，信息网络化，互检化来克服。

3 ，黑箱模型描述与现实机理模型化要求间的矛盾。数据在科学，伦理，美学等方面的有效性尚需要研究，定性定量相结合是一条可行的路。并通过多层次逐步细化来克服。

DSS 研究的问题 4 ，开发方法上原型法的收敛性问题。子系统设计中的整体性观念难以达到，系统开发迭代过程的强迫中止条件难以合理解决，局部利益与整体利益，短期利益与长期利益的统一难以真正满足。

5，个人机开发的独立性与硬软一致性的矛盾。实现资源共享，模块化开发是一条有效途径。

6 ，个人决策的灵活性与群体协调性的矛盾。通过网络建立人际协调关系，建立统一规范，视频会议，群决策方法的应用将帮助人—人合作。

DSS 研究的问题 核心问题是人与机，人与人结合的有效性，一致性，协调

性。应研究的问题：1 ， DSS 的实用性，有效性研究。

从现实出发，重视与管理体制，管理水平相适应。抓住人—机接口，要求友善，简便，可变，有启发性。抓信息网络化，互检化。增加用户对系统的依赖性。

2 ，加强 DSS 一致性可集成结构的研究。 数据，模型，知识的一致性。 数据管理，模型管理，知识管理的一致性。 通信结构，存储结构，处理结构的一致性。

DSS 研究的问题

3 ，加强协调化工作的研究。 在分布，并行，多人，并发的运行条件环境下工作。 实现资源的有效共享。

人—机，人—人的协调合作。

天地人机信息一体化网络 天地人机信息一体化网络 (Outer Space - Geographical Information Integrative Network) (Outer Space - Geographical Information Integrative Network)

遥感卫星系统（遥感卫星系统（ RSSRSS ）） 遥测卫星系统（遥测卫星系统（ RMSRMS ））DCSDCS GPSGPS

通信卫星系统（通信卫星系统（ CSSCSS ））

输入（输入（ InputInput ）） 输入（输入（ InputInput ））

决策层（决策层（ Policymaker)Policymaker)

管理层（管理层（ ManagerManager ））

专家层（专家层（ ExpertExpert ））

技术层（技术层（ TechnicianTechnician ））

遥感信息系统（遥感信息系统（ RSISRSIS ））

影像库影像库 （（ IBIB ））

遥感信息模型遥感信息模型 (RSIM)(RSIM)

地理信息系统（地理信息系统（ GISGIS ））

辅助决策系统（辅助决策系统（ DSSDSS ））

管理信息系统（管理信息系统（ MISMIS ））

环境环境专家系统（专家系统（ EESEES ））

图形库图形库（（ GB/CADGB/CAD ））

属性库属性库（（ ABAB ））

数据库数据库（（ DBDB ））

知识库知识库（（ KBKB ））

逻辑库逻辑库（（ LBLB ））

地理信息编码模型地理信息编码模型 （（ GICMGICM ））

方法库（方法库（ MeBMeB ）） 模型库（模型库（ MoBMoB ））

输出（输出（ OutputOutput ））

规划模型（规划模型（ PMPM ））

博弈模型（博弈模型（ GMGM ））

对地观测系统对地观测系统

人地信息系统人地信息系统

环境 环境 工程 工程

波谱库波谱库 （（ SBSB ））

虚拟现实虚拟现实 （（ VRVR ））

地面数据（地面数据（ GDGD ））

模型与模型库系统

模型支持 模型库技术要求为存储量小，组合方案多。与建模者的素质要求相矛盾。

决策问题难以预见性，不可能预建完整的模型。建模过程与决策过程相伴随。

建模支持的目标：使决策者成为建模者。 建模支持的方法：通过对模型的有序管理和对

决策者的训练和启发，将其领域知识转变为模型。

模型分类及其描述方法

模型是客观事物在建模者主观认识上的反映。从建模支持的角度看模型的分类。管理 形式 基本 模型 启发存储 空间 特征 关系 建模 以多维基本特征坐标构成形式空间，进行模型分类管理。 以基本特征形成模型间的关系纽带，进行建模启发。

模型基本特征

客观变量

离散连续

运动静态动态

主观视角

宏观微观

认识定性定量

模型分类及其描述方法

特征变量可分为：定类、定量、结构化图序集。 其中定类变量为无序变量，定量变量为全序变量，

结构化图序变量可分有序与无序。

例：

图形

有 细 多边形 卵形 序 化 三角形 四边形 圆 椭圆

正三角 直三角 矩形 棱形

无序

有序关系形成粗化与细化的启发，无序关系形成类比启发。宏观与微观，定性与定量均是粗、细化关系。

模型的粗（细）化变换 有序关系形成粗化与细化的启发，无序关系形成类比启发。宏观与微观，定

性与定量均是粗、细化关系。 粗化——归纳推理过程。 细化——演绎推理过程。

建模方法 建模的理想方法：分析问题概念集（论域）内的全部元素

的变化规律，及它们之间的关系，并描述之。 建模的实用方法：分析问题的若干典型元素 假设（默认）模型（建模启

发） 更新模型。 启发式建模方法：模型由若干算子（元模型）组合而成，

算子的可用条件为P（前提）。 启发规则： IF 现问题状态结构与 P相匹配，THEN 应用算子 OP，并将其变量限于 B （定义域）。

反例

建模方法

启发最终成立的判断准则：可否达到最终目标 对问题求解器的一般化讨论 ：模型是对复杂对象的简化描述，简化必存在前提条件，即作假设前提的匹配；

在满足前提的情况下进行模型搜索选择，即作输出输入的匹配。

输出输入匹配过程可有下述情况：

建模方法

输出输入匹配过程可有下述情况：

模型方案选择 - 不确定证据处理

模型库子系统（ 1 ） 现实数据表示的是过去已经发生了的事实，因此数据必然是面向

历史的。我们利用各种模型，就可以把面向过去的数据变换成面向现在或者将来的有意义的信息。在 DSS 中，决策支持模型体现了管理者解决问题的途径，所以随着管理者对问题认识程度的深化，他们所使用的模型也必然会跟着产生相应的变化。模型库子系统应能够灵活地完成模型的存储和管理功能。

模型库子系统包括模型库（ MB ）和模型库管理系统（ MBMS ），它是决策支持系统的核心，是最重要的也是较难实现的部分。

模型库管理系统管理的模型有两类：一类是标准模型（如规划模型、网络模型等），这些模型按照某些常用的程序设计语言编程，并存在库中。

另一类是由用户应用建模语言而建立的模型，即使是标准模型也有个再开发的过程

模型库子系统（ 2 ） 模型不同于数据，模型库也不同于数据库。如何表示模型，如何组织模型库，模

型库管理系统的功能要求有哪些，这些问题是决策支持系统开发的关键。目前尚未出现成熟的商品软件，也没有关于模型库系统的统一标准，模型库系统的开发是由研制者自行完成的。

模型种类很多，有数学模型、数据处理模型、智能模型、图形模型、图像模型等。数学模型可以用数学方程形式表达，也可以用算法形式描述。数据处理模型一般用数据处理过程来说明。它们在计算机中均以计算机程序的形式表示。而图形、图像模型等在计算机中都是以数据文件形式表示。模型库既包含数据文件，又包含程序文件，需要设计统一的格式进行存储，以便使模型库管理系统对它们进行有效的管理。

模型库管理系统可以参照数据库管理系统的功能，如库的建立、模型的查询、增加、删除、修改等。由于模型比数据复杂，模型库比数据库复杂得多，模型库管理系统的功能相应地也复杂许多。

数据库管理系统是通过数据库语言来完成各项管理功能，模型库管理系统同样需要设计一套语言来完成模型库的各项管理功能，模型库语言比数据库语言复杂。

模型库子系统（ 3 ） 模型库管理系统支持决策问题的定义和概念模型化、维护模型，包括联结、修改、增删等。

模型库子系统与对话子系统的交互作用，可使用户控制对模型的操作、处置和使用；

它与数据库子系统交互作用，以便提供各种模型所需的数据，实现模型输入、输出和中间结果存取自动化；

它与方法库子系统交互作用，实行目标搜索、灵敏度分析和仿真运行自动化等。

模型库子系统的主要作用是通过人机交互语言使决策者能方便利用模型库中各种模型支持决策，引导决策者应用建模语言和自己熟悉的专业语言建立、修改和运行模型。

环境模型规范化 环境方面的各种模型在 EDSS 中起到极为重要的作用，因此，充分、高效利用模型库中的模型就显得尤为重要。为了实现对模型库中诸模型实体及描述信息的统一、规范化管理，避免模型库中的模型相互重复、使用率不高和难于共享的缺点，就必须模型标准化，使环境影响评价中的各种模型有统一的格式、表达方式、结构和要求。

模型库及其管理系统 模型库是模型模块的集合。每一个模块具有单独的功

能，也可能与其它模块组合成一个较大的模块。 EDSS 采用可二级框架结构来描述每一个模型，第一层框架结构主要描述模型的外部特征，包括模型名、类型、用途、可执行文件名、模型的实体参数，如输入项、输出项、约束条件等，第二层框架结构主要描述模型的运行环境，包括输入、输出数据文件的类型以及是否需要预处理，模型主体以可执行文件的形式存在于文件中。

模型库管理功能包括模型库维护、模型操纵和模型结果显示等功能。

模型 模型是客观系统在人们头脑中的简化描

述，是对问题领域中的实际问题的抽象。它的信息表示形式可以是一组相互关联的数据，或者是表达式、方程组、规则、关系、程序模块。

模型 数值模型的形成是随计算机模拟技术的发展而来的。

计算机模拟是将一个子程序进程视为模型，设置模型的各种参数变量，通过运行模型来观察模型的各种行为。随着计算机模拟技术的深入应用，形成了模拟系统。模拟系统是用来处理模型集合的软件系统，提供通用的数据输入和报表格式。模型的建立在整个模拟系统研制中所投入的精力占的比重过大，模型相互重复、使用率不高的现象比较严重。在很多情况下，模型都是被作为应用程序的组成部分，嵌入应用程序，在这种管理下的模型，其共享性和灵活性较差。

模型库及其管理系统 随着应用模型的需求量不断增大，为了更有效地管理和使用模型，提出了模型库系统的概念。关于模型的管理经历了以下三个发展阶段：

第一阶段：模型＋数据 第二阶段：数据库系统　　　模型软件包 第三阶段：模型库系统　　　数据库系统

模型库及其管理系统 第一阶段的特点是模型和数据无公用性，使模

型的应用受到很大限制； 第二阶段以数据库系统的引入为特点，但缺乏

对大批模型的有效管理，不利于用户选择自己需要的模型；

第三阶段实现了数据库和模型库两者之间的通讯，减少了模型存储的冗余度，为模型的操纵提供了良好的环境，使模型应用的灵活性大大加强。

模型库及其管理系统 通常认为模型库系统是由模型构件库、应用模型库、

模型库管理系统及综合环境这四部分组成。

模型构件库 应用模型库

模型库管理系统

综合环境

构模工具

模型库及其管理系统 模型构件库存贮通用的、规范的、可重用的、标准化的“原子”

模型； 应用模型则是用户自己开发的、针对某些具体问题的模型集。它

由代码库、源库、模型属性库以及应用模型库索引四部分组成，其中代码库和源库属于子程序级的文本库，前者存贮模型的执行代码，后者存贮模型的源代码，考虑到应用模型的复杂性和可执行代码和源代码在操作系统中均以文件方式管理的特点，故代码库和源库均可以以软件包形式管理，以便充分利用操作系统的文件管理功能，

属性库和库索引文件则引入关系的概念，将模型属性及库说明以关系方式存于各自的库中，通过对属性库和索引库的操作进入相应代码库中的相应地址，从而可执行所选的模型，应用模型库中的层次结构见图。

模型库及其管理系统

应用模型库

模型目录文件

模型描述文件

模型帮助文件

模型源文件库

模型目标文件库

模型库及其管理系统 模型库管理系统是管理、维护和操纵模型构件库和应

用模型库两库的软件集。它们集成于综合环境之内，以提供友好的用户界面；

综合环境是模型库系统的运行环境，由模型库管理系统和构模工具等组成，是模型库系统的用户界面。模型库系统的功能应具备下列功能 。

（ 1 ）辅助规划与决策。 （ 2 ）构造新模型。根据用户自己的目标制定分目标，利用

构模工具和模型构件库构造用户自己的模型。 （ 3 ）模型库的维护。

模型的管理 （一）关系方法：当今模型管理的一个主要特征是借

用数据库管理的理论和方法，将其扩展到模型管理；一个模型库管理系统首先必须具有类似于数据库管理系统的功能。 R. W. Blanning提出了模型管理的关系方法。它不将模型视为一计算过程，而是视为一个关系，其属性分别为输入、输出变量。关系作为模型的一种表示方法，特别是作为用户视图中的模型，可大大地方便非专业用户；而且由于它和关系数据库的表示方法一致，人们可集中管理数据和模型。关系方法提供了一个一致的用户使用界面。

模型的管理 （二） E-R 方法： R.W.Blanning继提出了模

型管理的关系方法后，又将数据库中的 E-R 方法加以扩展，将模型及其存贮的数据视为互补资源，利用 E-R 方法共同管理。与关系方法不同， E-R 方法提供了一种全局视图。 E-R 方法中，以实体集表示客观世界的实体集合，有关它们的数据保存于文件中，一个实体集对应于一个文件；实体类表示物理客体或相对于模型的过程，更明确地说，实体集与文件对应，实体类与模型对应。 E-R 方法提供了一个良好的全局视图。

模型的管理 （三）抽象表示方法：模型抽象类似于程序设

计语言中的数据抽象，它包括客体、过程和断言三个部分。数据客体部分列出构成模型的所有数据项及其类型，类型本身可以是另一个抽象表示；过程部分列出每一个过程、它所访问的数据、返回的结果；断言部分表示有关数据客体、过程及其相互关系的一些信息。数据项、数据类型、过程及断言均采用谓词形式。抽象表示方法提供了一个良好的全局视图 。

模型的管理 （四）视数据为模型：将数据视为模型，这样做不仅扩大了模型管理的范畴，也为模型管理提供了一个更一致的概念基础。组织上，将模型从软件包的形式化模拟转换到将模型作为一个与数据相关联的信息资源来管理，引入信息管理员的概念；技术上，有一个一般化的模型库管理系统来支持组织模拟活动。将数据视为模型的确扩大了模型管理的范畴。将数据视为模型为实现数据和模型的一致管理提供了良好的途径 。

模型库中模型的构造

新模型

词法分析

语法分析

语义分析

中间代码生成

代码生成

目标程序（可执行代码）

各种信息表的管理

错误诊断及处理

程序的流向

信息的流向

分析

综合

编译程序

模型库功能简述

模型库管理系统

用户或决策者

系统员

模型查找

模型信息查询

修改模型

删除模型

增加模型

删除模型库

创建模型库

模型运行yunxing

模型库功能 1 、模型查找：用户或决策者给出要查找

的模型名，系统自动找出该模型所属的数据库，进而可以查找该模型的相关信息。用户或决策者可以进行匹配查询，输入不完整的模型名，系统也能找到与不完整的模型名相匹配的相关模型的相关信息。

模型库功能 2 、模型运行：用户或决策者选择合适的模型后，进行参数选择和参数值的确定，从数据库和标准库中读出合适的数据转存为文本文件（如果数据库中存在无实测值、无资料等情况时，系统能进行插值或由用户或决策者临时确定该值，然后转储为文本文件。可以这样认为：文本文件中的数据是经过处理后得到的完整的、正确的、模型运行所需的数据。），运行模型时，从文本文件中得到数据从而得到模型的计算结果。模型的计算结果既可以用表表示，也可以用图表示。

模型库功能 3 、模型信息查询：用户、决策者和其它人员

对某个模型的有关描述信息进行查询； 4 、修改模型：系统员对模型的模型体的修改

和模型描述信息的修改。不管是修改模型体还是模型描述信息都是删除旧的内容和增加新的内容；

5、删除模型：从指定的模型库中删除一个模型。在 EDSS 中，这种删除只是逻辑上的删除，模型体及模型描述仍留在库中；

模型库功能 6 、增加模型：系统员向指定的模型库中增加一个模型。包括模型体和模型描述的入库；

7、创建模型库：系统员建立一个新的模型库，这里是指建立用户自己的模型库；

8、删除模型库：系统员把用户认为已经无用的模型库删除。

模型库文件操作功能

模型库管理系统

模型库系统的模型操作

模型库之难点 模型构件库的最大困难是创建一种强有力的模

型构造语言和模型描述语言； 其次，在编译新模型的过程中，怎样减少用数

学或逻辑等表示的模型转换为计算机内部的二进制表示时的信息损失；

最后，必须根据模型构造语言和模型描述语言的定义，构造一个功能强大的编辑器，同时，这个编辑器应嵌入到模型构件库中。

知识表示

智能支持 为实现决策支持，提供有效的、主动的

支持信息，系统必须具备一定的智能性功能，即系统能存储人们在处理同类问题时的经验，在遇到此类问题时运用所存的知识提供服务。如何把人的经验以知识的形式表达，使其便于存储和应用是关键。

知识表达 知识表达方式与知识类型有关，为此，知识分类成为需研究

的问题。这里仅对目前常用的几类作点说明。 就知识的存在形式而言，有二大类，一类是未经总结以一些

具体的事例的形式分散存放于头脑里或记录在某种媒体上。另一类是通过总结加工以某种特定的规范形式较为集中地存放于某些专家的头脑里或特定的文件中，这个特定的规范形式可以是规则、公式、格式化文本、标准化图形等。

有较多的知识是描述各种概念间的关系，而根据关系类型的不同又可把知识分为从属关系、因果关系、动态时序关系等。

格式化文本型 框架 知识规模较大并具有固定的组织形式，就以一通用的数据结构存储起来，这个数据结构称为框架。通常以框架名—槽名—值结构表示。其表示形式如下：

PERSON frame PROFESSION slot HEIGHT WEIGHT (a) JOHN frame PROFESSION programmer HEIGHT 1.8 ( 米） WEIGHT 75 (公斤） (b)

格式化文本型 框架 框架结构形式灵活，表达事实（概念）的从属关系，可

用于多事实的组合。其特点是： 1 ，知识深化表达：多重、分层、嵌套、因果性强。 2 ，结构化组织：父子继承、相对独立、模块化、易

扩展。 3 ，自然：拟人化存储。

面向对象的知识表示 面向对象方法学是近年来发展很快的软件技术，它的基本思想

是： 1 ，世界由“对象”组成，对象是属于某“对象类”的元素，

即事物、事实或概念。 2 ，每个对象类都定义了一组“方法”，可视为可作用于该对象类的各种“操作”，操作被称为：送一个“消息”给某对象。

3 ，对象之间除了互递“消息”外无其他联系，一切局部信息和实现方法都“封装”在类内。实现模块化，类间联系少。

4 ，对象类按“类”“子类”“超类”构成层次关系，称为属性“继承”关系，引进了递归概念。。

面向对象的知识表示 面向对象的方法用于知识系统的构造与调用，以协调二者，使其易于保证一

致。运用消息传递和信息封装技术，保证了对象的相对独立性。面向对象的知识表示之规范格式是取自框架结构。定义如下： Class （类名） [：（超类名） ] [（实例变量表） ] Structure (对象的静态结构描述） Method （对于对象的操作方法的定义） [Restraint （限制条件） ] End [（类名） ]

面向对象的知识表示 这里方括号表示“任选”，有下划线的英文字为保留字。例：Class （公路） [（建筑） ] [ 起点，终点，长度，宽度，面质 ] Structure

(Tuple( 起点，终点，长度，宽度，面质 )) Method (搜索，赋值，计算， .........） [Restraint （距离（起点，终点）《 =长度（公路），宽度（公路）》 =6m)End （公路）

谓词逻辑 知识处理的方法很重要的是进行逻辑处理，即把概念间的逻辑关系表达出来，并运用逻辑关系进行推理，处理的数学工具就是数理逻辑，特别是一阶谓词演算， Prolog就是一种用逻辑进行程序设计的语言。

谓词逻辑一，基本组成： 以一个设定的符号表示“ X具有性质 Q”： Q（ X）。例如： 红的（血） 表示血是红的。

舅父（张三，李四） 表示张三是李四的舅父。 加（ 2 ， 3 ， 5） 表示 2加 3 等于 5。 位于（东方，日本，中国） 表示日本位于中国的东

方。 谓词名Q可以是名、动、形容、副等各种词类。其变量可以是单变量，也可以是多变量。变量的序是根据谓词名一次定义的。

谓词公式 谓词演算是通过谓词公式进行，一个 n元谓词

公式表示为P（ x1,x2,.......xn)称为原子公式。谓词运算算子包括一般逻辑算子（非）、（与）、（或），以及（蕴含）、（等价）。

谓词公式

产生式规则 产生式规则是目前应用极其广泛的推理工具。用于表示推理知识。其组成为：

1 ，规则库： R#： IF RLS THEN RRS 其中 RLS为子句的逻辑组合。 RRS为结论或一种操作。 2 ，当前数据库： CL：存放事实和推理的结果。 3 ，推理机：完成“匹配—冲突消解—操作”这一过程。其算法为：

（ 1 ）， RLS 与 CL匹配，产生触发产生式，标明记号。 （ 2 ），若触发产生式多于一条，先去掉其操作部分使 CL产生重复符号的触发产生式的记号。

（ 3 ），若不存在有标记的产生式，则退出；否则，选序号最低的产生式执行操作。

（ 4 ），清除产生式记号，转（ 1 ）。

产生式规则 产生式规则知识表示系统具有以下特点： 1 ，有效地表达了表层知识。这导致知识的解释能力

具有局限性，不关心知识的深层结构表达，知结果，不知过程。

2 ，模块化。规则库和推理机分开，易于扩展。但采用串联工作方式检索匹配效率低、成本高，会产生组合爆炸。

3 ，表达形式清晰、自然。采用统一的 IF—THEN结构。但知识采集困难。

知识表示的神经元网络方法 神经元网络方法的特点是： 1 ，分散存储方式。信息分散存于各神经元中，具有较强的鲁棒性和容错性。

2 ，知识获取的样本化。以实际中产生的样本为信息来源，通过样本学习自动归纳成知识，避免了知识采集的困难。

3 ，信息传送的并行化。避免了符号处理的串联运行缺点。

由此可见，神经元网络在一定程度上克服了产生式规则的不足。

Petri 网用于知识表示 Petri 网是一种表达动态关系知识的方法。它

可用于离散系统、连续系统以及混合系统的动态过程描述。

谢谢！