·1186· 智能系统学报 第14卷 3 -EBRB-S =·EBRB-S 表3不同个体匹配度的输油管道检漏实验结果 EBRB-S, -fx) Table 3 Test results of oil pipeline leak detection based on 1 different individual matching methods 0 -1 EBRB方法平均激活规则数平均处理时间/ms MAE EBRB-S 276 8.6 0.246045 0 0.51.01.52.02.53.0 EBRB-S2 500 9.1 1.450974 图7不同个体匹配度的函数拟合曲线 EBRB-S 10 8.7 0.166041 Fig.7 Function fitting curve based on different individual matching methods 表4列出了Liu-EBRB系统I、DRA-EBRB系 统2、SRA-EBRB系统P以及本文方法的输出结 通过非线性函数拟合实验，验证了EBRB- 果与真实结果之间的MAE值，系统处理每条输 S,系统的重要性质。接下来将通过实际生活中的 入需要花费的平均时间、出现零激活的输入个数 输油管道检漏实验进一步验证本文方法的有 (Failed)。其中EBRB-S,的MAE值最小，比排名 效性。 第二小的SRA-EBRB降低了19.7%。并且EBRB- 3.2输油管道检漏 S,的平均处理时间仅次于Liu-EBRB,比SRA- 输油管道检漏实验的研究对象为英国一条长 EBRB降低了62.3%，比DRA-EBRB降低了87.0% 达一百多公里的输油管道，领域专家通过管道的 这主要是因为SRA-EBRB与DRA-EBRB都是基 入口与出口流量差异(flow difference,FD)以及输 于迭代的方法，需要反复扫描EBRB系统，因此平 油管道内的平均压力差(pressure difference, 均处理时间相对较长。Liu-EBRB出现了一条引 PD)这两个因素来检测输油管道发生泄漏的大小 起规则零激活的输入，而EBRB-S,对每一条输入 都能够给出合理输出，这主要归功于EBRB-S;引 (leak size,LS),因此该实验以FD和PD作为 入了零激活输入二次处理算法，从根本上解决规 EBRB系统的两个条件属性，泄露大小LS作为输 则零激活问题。综上所述，EBRB-S,在保证系统 出结果。根据领域专家的经验给出两个条件属性 运行效率的前提下，提高了EBRB系统的推理精 参考值分别为AD={-10,-5,-3,-1,0,1,2,3}、 度，增强了EBRB系统的鲁棒性。 Am={-0.042,-0.025,-0.010,0.000,0.010,0.025 表4与其他方法进行对比 0.042},设定输出结果属性参考值为Ds={0,2,4, Table 4 Compares with other methods 6,8}。 EBRB方法 MAE 平均处理时ms Failed 为了同文献[19,25-26]进行比较，本文选择 Liu-EBRB 0.246029 5.7 出500组数据作为训练数据，然后利用本文所提 DRA-EBRB 0.221253 66.8 0 方法构建EBRB-S,规则库。最后用构建好的系统 SRA-EBRB 0.206692 23.1 0 预测2008组测试数据，并将实验结果的平均绝 EBRB-S 0.166041 8.7 0 对误差(mean absolute error,,MAE)作为评价依据， 图8为EBRB-S,的预测值与真实观测值的三 同其他的EBRB系统进行对比。 维对比图，可以发现EBRB-S,能够得到接近真实 表3为3.1节所提到的EBRB-S1、EBRB-S2、 值的结果。 EBRB-S,3种EBRB系统的输油管道检漏实验结 ■实际观察值·EBRB-S 果，EBRB-S,的MAE值相比EBRB-S,下降了 什8 32.5%,并且远小于EBRB-S2。这表明本文所提个 体匹配度计算方法能够提高EBRB系统的性能。 观察3种方法的平均处理时间，与表2相比差距 变小，主要原因是输油管道检漏实验的规则库条 件属性数量与参考值数量都比非线性函数拟合 0.04 10一86 0.02 多，因此置信分布转化、个体匹配度计算等初始 -2 FD 0 -2-0.02 PD 化时间占了主要部分，激活规则数量变化导致的 图8 EBRB-S,与真实输出三维图 时间差异被弱化。 Fig.8 3D diagram of EBRB-S;and real outputx EBRB−S1 EBRB−S2 EBRB−S3 f(x) 0 0.5 1.0 1.5 2.0 2.5 3.0 y −2 3 2 1 0 −1 图 7 不同个体匹配度的函数拟合曲线 Fig. 7 Function fitting curve based on different individual matching methods 通过非线性函数拟合实验，验证了 EBRB￾S3 系统的重要性质。接下来将通过实际生活中的 输油管道检漏实验进一步验证本文方法的有 效性。 3.2 输油管道检漏 输油管道检漏实验的研究对象为英国一条长 达一百多公里的输油管道，领域专家通过管道的 入口与出口流量差异 (flow difference，FD) 以及输 油管道内的平均压力差 (pressure difference， PD) 这两个因素来检测输油管道发生泄漏的大小 (leak size，LS)，因此该实验以 FD 和 PD 作为 EBRB 系统的两个条件属性，泄露大小 LS 作为输 出结果。根据领域专家的经验给出两个条件属性 参考值分别为 AFD = {−10, −5, −3, −1, 0, 1, 2, 3}、 APD = {−0.042, −0.025, −0.010, 0.000, 0.010, 0.025, 0.042}，设定输出结果属性参考值为 DLS={0, 2, 4, 6, 8}。 为了同文献 [19,25-26] 进行比较，本文选择 出 500 组数据作为训练数据，然后利用本文所提 方法构建 EBRB-S3 规则库。最后用构建好的系统 预测 2 008 组测试数据，并将实验结果的平均绝 对误差 (mean absolute error，MAE) 作为评价依据， 同其他的 EBRB 系统进行对比。 表 3 为 3.1 节所提到的 EBRB-S1、EBRB-S2、 EBRB-S33 种 EBRB 系统的输油管道检漏实验结 果 ，EBRB-S3 的 MAE 值相比 EBRB-S1 下降了 32.5%，并且远小于 EBRB-S2。这表明本文所提个 体匹配度计算方法能够提高 EBRB 系统的性能。 观察 3 种方法的平均处理时间，与表 2 相比差距 变小，主要原因是输油管道检漏实验的规则库条 件属性数量与参考值数量都比非线性函数拟合 多，因此置信分布转化、个体匹配度计算等初始 化时间占了主要部分，激活规则数量变化导致的 时间差异被弱化。 表 3 不同个体匹配度的输油管道检漏实验结果 Table 3 Test results of oil pipeline leak detection based on different individual matching methods EBRB方法 平均激活规则数 平均处理时间/ms MAE EBRB-S1 276 8.6 0.246 045 EBRB-S2 500 9.1 1.450 974 EBRB-S3 10 8.7 0.166 041 表 4 列出了 Liu-EBRB 系统[19] 、DRA-EBRB 系 统 [25] 、SRA-EBRB 系统[26] 以及本文方法的输出结 果与真实结果之间的 MAE 值，系统处理每条输 入需要花费的平均时间、出现零激活的输入个数 (Failed)。其中 EBRB-S3 的 MAE 值最小，比排名 第二小的 SRA-EBRB 降低了 19.7%。并且 EBRB￾S3 的平均处理时间仅次于 Liu-EBRB，比 SRA￾EBRB 降低了 62.3%，比 DRA-EBRB 降低了 87.0%， 这主要是因为 SRA-EBRB 与 DRA-EBRB 都是基 于迭代的方法，需要反复扫描 EBRB 系统，因此平 均处理时间相对较长。Liu-EBRB 出现了一条引 起规则零激活的输入，而 EBRB-S3 对每一条输入 都能够给出合理输出，这主要归功于 EBRB-S3 引 入了零激活输入二次处理算法，从根本上解决规 则零激活问题。综上所述，EBRB-S3 在保证系统 运行效率的前提下，提高了 EBRB 系统的推理精 度，增强了 EBRB 系统的鲁棒性。 表 4 与其他方法进行对比 Table 4 Compares with other methods EBRB方法 MAE 平均处理时/ms Failed Liu-EBRB 0.246 029 5.7 1 DRA-EBRB 0.221 253 66.8 0 SRA-EBRB 0.206 692 23.1 0 EBRB-S3 0.166 041 8.7 0 图 8 为 EBRB-S3 的预测值与真实观测值的三 维对比图，可以发现 EBRB-S3 能够得到接近真实 值的结果。 −0.02 0 0.02 0.04 0 2 4 6 8 实际观察值 EBRB−S3 −10 −8 −6 −4 −2 0 FD −2 PD LS 图 8 EBRB-S3 与真实输出三维图 Fig. 8 3D diagram of EBRB-S3 and real output ·1186· 智 能 系 统 学 报 第 14 卷