Budowa bazy reguł dla ISWD wykorzystującego informację
Transkrypt
Budowa bazy reguł dla ISWD wykorzystującego informację
BUDOWA BAZY REGUŁ DLA ISWD WYKORZYSTUJCEGO INFORMACJ HYDROMETEOROLOGICZN TATIANA TRETYAKOVA Zachodniopomorski Uniwersytet Technologiczny Streszczenie W artykule rozpatrywane są zagadnienia związane z budową bazy wiedzy inteligentnego systemu wspomagania decyzji (ISWD) wykorzystującego wyniki estymacji informacji hydrometeorologicznej. Zagadnienia te omówione są na przykładzie systemu wspomagającego podjĊcie decyzji o moĪliwoĞci rozmieszczenia obiektów gospodarczych na terenach zagroĪonych niebezpiecznymi zjawiskami natury. W artykule porównuje siĊ dwa podejĞcia do okreĞlenia kompletnoĞci bazy reguł w modelu rozmytym. Zaprezentowano wyniki badaĔ wpływu iloĞci termów wejĞciowych zmiennych lingwistycznych modelu rozmytego na rozwiązanie proponowane przez ISWD uzyskane za pomocą pakietu Matlab-Toolbox Fuzzy Logic. Słowa kluczowe: otoczenie rozmyte, zmienna lingwistyczna, baza reguł, informacja hydrometeorologiczna, inteligentny system wspomagania decyzji 1. Wprowadzenie Procesy decyzyjne w zarzdzaniu regionalnym oraz lokalnym na poziomie podmiotów gospodarczych rozmieszczonych na terenach zagroonych niebezpiecznymi czynnikami hydrometeorologicznymi obecnie realizowane s z zastosowaniem rónego rodzaju technologii informatycznych. Wród tych technologii na szczególn uwag zasługuj ISWD, które mog by dodawane do struktury systemów informacyjnych (SI) organów zarzdzania regionalnego lub podmiotów gospodarczych jako lokalne inteligentne podsystemy lub jako podsystemy zintegrowane z wewntrznymi i zewntrznymi ródłami danych. Podjcie decyzji strategicznych o rozmieszczeniu obiektów gospodarczych na terenach zagroonych niebezpiecznymi zjawiskami natury, a take decyzji o zapewnieniu bezpieczestwa obiektów, które ju funkcjonuj na zagroonych terenach, moe by wspierane przez ISWD wykorzystujce wyniki estymacji informacji hydrometeorologicznej. Takie decyzje strategiczne podejmuje si w celu zmniejszenia negatywnych skutków zwizanych z wpływem czynników hydrometeorologicznych na funkcjonowanie obiektów na zagroonych terenach. Dotycz one przede wszystkim wyboru sposobów zmniejszenia strat powodowanych przez niewłaciwe rozmieszczenie lub niewłaciw ochron obiektów. Podkrelimy, e podejmowanie decyzji z uwzgldnieniem informacji hydrometeorologicznej, która moe by niepewn i niepełn, realizuje si najczciej w sytuacjach, gdy skutki podejmowanych decyzji nie s do koca znane. W tej sytuacji brakuje w pełni jasnych algorytmów podejmowania decyzji. Włanie w warunkach nieokrelonoci w celu podniesienia stopnia pewnoci odnonie wybieranej strategii reagowania na zagroenia czynnikami hydrometeorologicznymi, powinny by wykorzystywane odpowiednie ISWD [5]. Przy tworzeniu takiego ISWD powstaje problem wypełnienia kontenta jego baz wiedzy. Okrelajc POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 27, 2010 247 składowe kontenta uwzgldnia si fakt, e podejmowanie decyzji z uwzgldnieniem niepewnej i niepełnej informacji hydrometeorologicznej przebiega w tzw. otoczeniu rozmytym. W pracy [2] przedstawiono podejcie Belmana i Zadecha [1] do podejmowania decyzji w otoczeniu rozmytym. Otoczenie rozmyte według tych autorów składa si z celów rozmytych, ogranicze rozmytych i decyzji rozmytej. W oparciu o to podejcie mona załoy , e w składzie kontenta baz wiedzy ISWD, o których mowa w niniejszym artykule, wród rónego typu modeli wiedzy powinny by zawarte modele rozmyte prezentujce w odpowiedni sposób cele (np. zmniejszenie negatywnych skutków oddziaływania czynników hydrometeorologicznych na obiekty gospodarcze zagroonego terenu), ograniczenia (np. moc zjawiska i inne) i decyzje (np. moliwo rozmieszczenia nowego obiektu gospodarczego na zagroonym terenie). Przy tym wane miejsce powinny zaj modele lingwistyczne (fuzzy linguistic model), które zawieraj rozmyte reguły okrelajce zalenoci wejciowo-wyjciowe i s wykorzystywane w procesie symulacji na modelu rozmytym [6]. Jako bazy wiedzy moe by oceniana za pomoc rónych charakterystyk. Do nich nale, na przykład, kompletno bazy reguł oraz struktura i ilo wejciowych zmiennych lingwistycznych w modelu rozmytym [4], na którym bdzie przeprowadzana symulacja podczas procesu decyzyjnego. Analizujc te charakterystyki mona decydowa o jakoci tworzonej bazy reguł. Celem artykułu było przedstawienie podejcia do okrelenia kompletnoci bazy reguł modelu rozmytego w przypadku, jeli zbiory termów zmiennych lingwistycznych charakteryzuje róna ilo elementów. Nastpnym celem było zaprezentowanie wyników analizy wpływu strukturalnych i ilociowych charakterystyk zmiennych lingwistycznych wejciowych na proponowane przez ISWD rozwizanie. Badanie zostało przeprowadzone za pomoc pakietu Matlab – Toolbox Fuzzy Logic na przykładzie ISWD przeznaczonego do wspomagania decyzji o moliwoci rozmieszczenia obiektów gospodarczych na terenach ulegajcych oddziaływaniu niebezpiecznymi czynnikami hydrometeorologicznymi. 2. Badanie wpływu wybranych charakterystyk bazy reguł modelu rozmytego na rozwizanie proponowane przez ISWD Przy tworzeniu modeli rozmytych, szczególnie dla systemów klasy ISWD, wan role odgrywa trafno rozwiza proponowanych przez te systemy, która zaley od rónych charakterystyk bazy reguł modelu rozmytego. Do tych charakterystyk nale: wymiar wektora wejcia modelu (ilo zmiennych lingwistycznych wejciowych); ilo elementów zbiorów termów kadej z wejciowych zmiennych lingwistycznych; kompletno i niesprzeczno reguł wnioskowania; struktura i parametry funkcji przynalenoci wejciowych i wyjciowych zmiennych lingwistycznych; sposoby parametryzacji procesów fuzyfikacji i defuzyfikacji zmiennych. Jest oczywistym, e cisło modelu rozmytego oraz ilo reguł wnioskowania trudne s do uzgodnienia. Przy deniu do podwyszenia dokładnoci modelu rozmytego staje si nie moliwym unikn zwikszenia liczby reguł. W zwizku z tym jednym z zagadnie rozwizywanych przy projektowaniu rozmytych systemów produkcyjnych jest poszukiwanie odpowiedniego kompromisu. Prawdopodobnie, nie istniej obiektywne matematyczne sposoby oceny takiego typu systemów. Jednak porównanie charakterystyk rónych wariantów modeli rozmytych takich jak ilo reguł lub typ funkcji przynalenoci pozwala, zdaniem autorki, wybiera do baz reguł tych systemów wariant odpowiadajcy wymaganej jakoci. W niniejszym artykule przedstawiono wyniki 248 Tatiana Tretyakova Budowa bazy reguł dla ISWD wykorzystującego informacją hydrometeorologiczą analizy wpływu wybranych charakterystyk bazy reguł modelu rozmytego na rozwizanie proponowane przez przykładowy ISWD. 2.1. Struktura i ilo zmiennych lingwistycznych w modelu rozmytym Struktura i ilo zmiennych lingwistycznych w modelu rozmytym zawartym w bazie wiedzy moe wpływa na rozwizanie proponowane przez ISWD. Sprawdzimy to na przykładzie. W celu budowy modelu rozmytego dla bazy wiedzy ISWD potrzebne jest opracowanie bazy reguł zawierajcych zmienne lingwistyczne. Na wstpie przedstawmy struktur zmiennej lingwistycznej, która moe by przedstawiona jako {β, Τ, Χ, G, M}, gdzie β – nazwa zmiennej lingwistycznej; T – uniwersalny zbiór znacze zmiennej lingwistycznej, kade z których prezentuje nazw odrbnej zmiennej rozmytej αi; Χ – uniwersalny zbiór prezentujcy obszar poszukiwa znacze zmiennych rozmytych, które charakteryzuj zmienna lingwistyczn β; G – procedura syntaktyczna kształtowania nowych termów za pomoc operatorów logicznych; M – procedura semantyczna, za której pomoc okrela si na X znaczenia zmiennych rozmytych αi oraz zadaje ~ si odpowiednie zbiory rozmyte A = {x / µ A ( x )} z termów G(Τ). Zgodnie z postawionym celem w artykule porównuje si warianty struktury modelu rozmytego przy rónych charakterystykach: wymiar wektora wejcia (liczba wejciwych zmiennych lingwistycznych), liczba termów zbiorów wejciowych zmiennych lingwistycznych. W artykule nie rozpatruje si procedury defuzyfikacji wyjciowych zmiennych, o ile ta procedura nieznacznie wpływa na rozwizanie. W przykładzie zostały wybrane nastpujce zmienne lingwistyczne i zbiory termów: • S - wano socjalno-ekonomiczna obiektu gospodarczego dla danego regionu, Ts={ S1- mała, S2- rednia, S3- wielka} • M - wpływ czynników hydrometeorologicznych na obiekt gospodarczy, gdy zostanie rozmieszczony na zagroonym terenie, Tm={M1 - mały, M2 - redni, M3 - duy, M4 katastrofalny} • P – moliwo rozmieszczenia obiektu na zagroonym terenie, Tp={P1 - nie zalecane, P2 wtpliwie, P3 - zalecane, P4 - akceptowane}. Schemat strukturalny modelu rozmytego, na którego wejciu s dwie zmienne lingwistyczne S, M, na wyjciu - jedn P mona przedstawi jak na rys. 1. Bardziej szczegółowa struktura została przedstawiona w pracy [4], s. 165. S P(S,M) P M Rysunek 1. Struktura modelu rozmytego ISWD Struktur zbiorów rozmytych Ti wejciowych i wyjciowych zmiennych lingwistycznych modelu rozmytego ISWD prezentuje tabela 1. POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 27, 2010 249 Tabela 1. Struktura zbiorów rozmytych wejĞciowych i wyjĞciowych zmiennych lingwistycznych modelu rozmytego ISWD Nazwa zmiennej lingwistycznej βi β1 = S (siqnificance) β3 = M (meteo) β4 = P (possibility) Zbiory termów rozmytych zmiennych S1 = mała M1= mały P1= nie zalecane S2 = rednia M2= redni P2=wtpliwie S3 = wielka M3= duy P3- zalecane M4= katastrofalny P4- akceptowane W procesie wnioskowania ISWD powinien da odpowied (zmienna lingwistyczna β4 = P) na pytanie: czy jest celowym i w jakim stopniu rozmieszczenie danego obiektu gospodarczego na danym terenie przy uwzgldnieniu wejciowych zmiennych lingwistycznych. Odpowied (zmienna lingwistyczna P) powinna by zaprezentowana na uniwersalnym zbiorze Tp znacze tej zmiennej lingwistycznej, przedstawionych w postaci odrbnych rozmytych zmiennych Pi, dla których obszarem poszukiwa znacze jest zbiór uniwersalny Χp = [0,100]. Przeprowadzenie bada przy wykorzystaniu przedstawionych w tab. 1 danych ma na celu wyjanienie wpływu kompletnoci bazy reguł i struktury wejciowych zmiennych lingwistycznych na charakter rozwiza proponowanych przez ISWD uzyskiwanych przy symulacji na modelu rozmytym. Zanim przeanalizujemy wyniki bada wpływu struktury wejciowych zmiennych lingwistycznych na charakter rozwiza, przedstawimy podejcia do oceny kompletnoci bazy reguł – jednej z waniejszych charakterystyk bazy reguł. 2.2. Podejcia do oceny kompletnoci bazy reguł modelu rozmytego Problem oceny kompletnoci bazy reguł został do szczegółowo rozpatrzony w pracy [4]. W pracy tej podkrelono, e baza reguł jest najwaniejsz składow modelu rozmytego, zaprezentowano cechy reguł, bazy reguł i modelu rozmytego. Jedn z wymienionych cech bazy reguł jest jej kompletno . Zgodnie z definicja podan przez autora pracy [4] kompletn lingwistycznie jest baza reguł modelu rozmytego, jeeli kademu lingwistycznemu stanowi wektora wej przyporzdkowuje si co najmniej jeden lingwistyczny stan wyjcia. Natomiast numerycznie kompletn baz wiedzy jest baza, w której kady z ostrych numerycznych stanów wej aktywizuje co najmniej jedn reguł (konkluzj tej reguły). Formalizujc proces oceny kompletnoci bazy reguł przedstawimy kompletno jako: C= N P (1) gdzie: C – kompletno bazy reguł, N – liczba reguł uwzgldnianych w mechanizmie wnioskowania, P – maksymalnie moliwa liczba niesprzecznych reguł. Znaczenie wielkoci P oblicza si jako: m P= ∏ pj j =1 (2) 250 Tatiana Tretyakova Budowa bazy reguł dla ISWD wykorzystującego informacją hydrometeorologiczą gdzie: m – wymiarowo wektora wejcia modelu rozmytego, pj - liczba elementów zbioru termów Χj ( j = 1,m), charakteryzujcych wejciowe zmienne lingwistyczne z odpowiednim indeksem „j”. W literaturze przedmiotu [3, 4] spotykamy podejcia do oceny wielkoci P: P=Zw (3) gdzie: w – liczba wej modelu, Z– liczba elementów zbioru termów kadej zmiennej lingwistycznej. Przy porównaniu wyjaniono, e wynik obliczenia wielkoci P uzyskany zgodnie ze wzorem (2) bdzie taki sam jak wynik uzyskany zgodnie ze wzorem (3), ale tylko w przypadku, jeli wszystkie zmienne lingwistyczne posiadaj jednakow liczb elementów w zbiorach termów tych zmiennych. Formuła (2) pozwala prowadzi obliczenie kompletnoci bazy reguł przy rónej liczbie elementów w zbiorach termów Ti zmiennych lingwistycznych zawartych w modelu rozmytym, na którym bdzie przeprowadzono badanie symulacyjne. 2.3. Badanie wpływu struktury wejciowych zmiennych lingwistycznych na charakter rozwiza proponowanych przez ISWD Zgodnie z tab.1, rys. 1 w rozpatrywanym zagadnieniu proponuje si wykorzystywa dwie wejciowe zmienne lingwistyczne, z których jedna zawiera w odpowiednim zbiorze trzy termy, natomiast druga zawiera cztery termy. Zgodnie ze wzorem (2) maksymalna ilo reguł przedstawionych w postaci koniunktywnej dla modelu rozmytego wyniesie 12. W czci „przesłanka” tych reguł wykorzystuje si dwie rozmyte zmienne lingwistyczne S i M, których zbiory termów zawieraj odpowiednio trzy i cztery termy. W czci „wniosek” – jedna zmienna lingwistyczna P (possibility). Jej charakteryzuj cztery termy. Wszystkie 12 reguł s przedstawione w tabeli 2. Tabela 2.Reguły wnioskowania dla pierwszego wariantu modelu rozmytego ISWD S1 1 2 3 4 5 6 7 8 9 10 11 12 S2 S3 M1 M2 M3 M4 P1 P2 P4 P3 Zgodnie z danymi tabeli 2, na przykład reguł 1 zapiszemy jako: If S1 And M1 then P3. Wyniki badania s przedstawione w tab. 3. POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 27, 2010 251 Tabela 3. Wyniki symulacji moĪliwych rozwiązaĔ (1 wariant – 12 reguł wnioskowania) Wano danego obiektu Poziom wpływu czynników hydrometeorologicznych Meteo M : XM = [0, 100] dla regionu significance S: XS = [0, 10] S3 – Wielka S2 – rednia S1 – Mała 0 20 40 60 80 100 87,8 85,9 78,7 66,1 53,7 36,2 84,5 68,5 59,8 40,2 31,8 16,5 66,3 66,1 59,8 40,2 33,9 33,7 Dalej w celach zaplanowanego badania zmniejszymy liczb termów wejciowych zmiennych lingwistycznych przedstawionych w tab. 1: • dla S: Ts={ S1 - mała, S2 - wielka}, • dla M: Tm={M1 - mały, M2 - redni, M3 - duy}. Zgodnie ze wzorom (2) maksymalna ilo reguł zmniejszyła si do 6. Wyniki symulacji na tym przykładzie mog by porównywane z poprzednim wariantem, o ile zmieniono tylko liczb elementów zbiorów termów wejciowych zmiennych lingwistycznych, jednak struktur systemu pozostawiono bez zmian. Tabela 4 prezentuje baz tych reguł. W czci „wniosek” – jedna zmienna lingwistyczna P (cztery termy). Tabela 4. Reguły wnioskowania dla drugiego wariantu modelu rozmytego ISWD S1 1 2 3 S2 M1 M2 M3 P1 P2 5 6 P4 4 P3 Wyniki symulacji s przedstawione w tab. 5. 252 Tatiana Tretyakova Budowa bazy reguł dla ISWD wykorzystującego informacją hydrometeorologiczą Tabela 5. Wyniki symulacji moĪliwych rozwiązaĔ (2 wariant – 6 reguł wnioskowania) Wano danego obiektu Poziom wpływu czynników hydrometeorologicznych meteo M XM = [0, 100] dla regionu significance S XS = [0, 10] S3 – Wielka S2 – Srednia S1 – Mała 0 20 40 60 80 100 78,7 69,7 64,2 59,9 46,3 36,2 63,8 53,7 40,1 35,8 30,3 21,2 67,4 56,9 50,5 49,5 43,1 32,6 Na rys. 2 dla porównania przedstawiono wykresy prezentujcy zaleno P(M) dla dwóch przypadków – przy wykorzystaniu 12-tu i 6-ciu reguł (przy S = wielka). Wykres na rys. 2 dokładnie charakteryzuje wpływ iloci elementów w zbiorach termów zmiennych lingwistycznych, która została odzwierciedlona w iloci reguł obliczonych zgodnie ze wzorem (2), na charakter rozwiza proponowanych ISWD. Rozbieno w tych rozwizaniach nie przekracza 15%. Possibility 100 Significance high 80 Test 12 rules 60 Test 6 rules 40 20 20 40 60 80 100 Rysunek 2. Wpływ iloĞci termów na charakter rozwiązaĔ proponowanych ISWD M eteo POLSKIE STOWARZYSZENIE ZARZĄDZANIA WIEDZĄ Seria: Studia i Materiały, nr 27, 2010 253 Z tej analizy wynika, e jako decyzji w rozmytym otoczeniu proponowanej przez ISWD i przy wykorzystaniu mniejszej iloci wejciowych zmiennych lingwistycznych w modelu rozmytym moe by wystarczajca dla kocowego decydenta. Redukcja iloci wejciowych zmiennych lingwistycznych pozwala zmniejszy pracochłonno wypełnienia bazy reguł modelu rozmytego, natomiast jako rozwizania pozostaje na zadowalajcym dla decydenta poziomie. Autorka artykułu prowadziła take badania na systemach ze struktur o wyszym poziomie złoonoci w porównaniu z zaprezentowanymi w artykule. Na przykład porównywano warianty struktury systemów z wyjciem skalarnym oraz z czterema zmiennymi wejciowymi. W pierwszym z porównywanych wariantów zbiory termów trzech wejciowych zmiennych lingwistycznych zawierały po trzy elementy, zbiór termów jednej wyjciowej zmiennej lingwistycznej zawierał cztery elementy. W tym przypadku maksymalna liczba reguł zgodnie ze wzorem (2) wynosi 108. W drugim wariancie zbiory termów wszystkich zmiennych lingwistycznych zawierały po dwa elementy. W tym wariancie maksymalna liczba reguł wynosi 16. Z analizy wyników badania uzyskanych w Matlab Fuzzy Logic wynikało, e rozbieno nie przekroczyła 8–9 %%. 3. Zakoczenie W artykule przeanalizowano wyniki bada wpływu charakterystyk bazy reguł modelu rozmytego na rozwizanie proponowane przez ISWD z uwzgldnieniem informacji hydrometeorologicznej. Badania przeprowadzono przy wykorzystaniu pakietu Matlab Toolbox Fuzzy Logic na przykładzie bazy reguł modelu rozmytego ISWD przeznaczonego do wsparcia decyzji odnonie moliwoci rozmieszczenia obiektu gospodarczego na terenie zagroonym niebezpiecznymi czynnikami hydrometeorologicznymi. W artykule porównuje si warianty modelu rozmytego przy rónej strukturze wejciowych i wyjciowych zmiennych lingwistycznych. Wyniki bada wskazuj na to, e jako decyzji proponowanych przez ISWD przy wykorzystaniu niewielkiej iloci reguł w modelu rozmytym moe by wystarczajca, na etapie podejmowania wstpnych decyzji odnonie moliwoci rozmieszczenia obiektów gospodarczych na terenach zagroonych czynnikami hydrometeorologicznymi. Takie decyzje na poziomie zarzdzania regionalnego podejmuje si przy wstpnej ocenie wniosków na projekty. Redukcja iloci termów wejciowych zmiennych lingwistycznych pozwala zmniejszy liczb reguł w bazie reguł modelu rozmytego. W wyniku tego moe by obniona pracochłonno tworzenia bazy reguł. Natomiast jako rozwiza proponowanych przez ISWD pozostaje na zadowalajcym dla kocowego decydenta poziomie. Bibliografia [1] [2] [3] [4] Belman R.E., Zadeh L.A. Decision making in fuzzy environment. Management Science 17, 1970. Kacprzyk J. Komputerowe systemy wspomagania decyzji dla potrzeb zarzdzania wiedz. W ks.:pod. red. R. Kulikowskiego, Z.Bubnickiego, J.Kacprzyka: Systemowokomputerowe wspomaganie zarzdzania wiedz. Akademicka Oficyna wydawnicza ELIT, Warszawa, 2006. Kahlert J. Fuzzy control fur inqenieure, vieweg verlag, Braunschweig, Germany, 1995. Piegat A. Fuzzy modeling and Control, Physica-Verlag Hejderberg, NY, 2001. 254 Tatiana Tretyakova Budowa bazy reguł dla ISWD wykorzystującego informacją hydrometeorologiczą [5] [6] Tretyakova T. (2009) Fuzzy components in the contents of knowledge bases of intelligent decision support systems (on an example of use of hydrometeorological information in regional management). W: Metody informatyki stosowanej Nr 2 (19), wyd. PAN Oddział w Gdasku, Komisja Informatyki, 2009. Tretyakova T. Fuzzy modeling at creation of knowledge base’s for intelligent decision’s support systems in conditions of threat of the dangerous hydrometeorological phenomenon. W czasopimie „Elektronika” Nr 11, Poland, 2009. ELABORATION OF RULE’S BASE FOR IDSS USING THE HYDROMETEOROLOGICAL INFORMATION Summary In the article are considered some problems, which connected to elaboration of knowledge base for the intelligent decision support system (IDSS) with using of hydrometeorological information. These problems are considered on an example of systems supporting acceptance of decisions on an opportunity of economic objects’ accommodation on territories subject to influence of the dangerous hydrometeorological factors. Approaches to determination of the parameter describing completeness of rules’ base, used in fuzzy model are considered. The results of research received with the help of package Matlab-Toolbox Fuzzy Logic are submitted. Keywords: fuzzy environment, linguistic variable, rulebase, hydrometeorological information, intelligent decision support system Tatiana Tretyakova Katedra Organizacji i Zarzdzania Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie e-mail: [email protected]