Оцінка перспективності артезіанської свердловини з використанням експертних знань

Abstract

Запропоновано систему підтримки прийняття рішення про перспективність видобутку питної води з артезіанської свердловини. В основі моделі – інтервальна нечітка логічна система типу 2. Вона працює не з усім вхідним вектором відразу, а лише з підмножиною параметрів, доступною на даний момент. На відміну від формального підходу, заснованого на оцінках кожного з параметрів відносно його допустимих значень, не висувається вимога повноти інформації за всіма параметрами для коректної роботи системи. Серед параметрів, доступних на даний момент, на вхід нечіткої логічної системи подаються не всі; попередньо проводиться процедура вибору комбінації інформативних ознак з метою пониження розмірності задачі та відкидання надлишкових параметрів. Початкова форма функцій належності вибирається довільним чином, виходячи з характеру експериментальних даних. На основі вхідних та вихідних змінних, а також бази правил, синтезованої з набору експериментальних даних, будуєтся нечітка логічна система типу 1. Для покращення адекватності відображення моделлю навчальних даних проводиться оптимізація параметрів функцій належності за допомогою генетичного алгоритму. З функцій належності типу 1, одержаних в результаті оптимізації, отримуються інтервальні функції належності типу 2 з невизначеним середнім. Виходом системи є інтервал значень вихідної змінної. Ширина інтервалу характеризує невизначеність, пов’язану з прийнятим рішенням, та визначає необхідність проведення подальших досліджень. За умови прийнятної ширини інтервалу, значення його лівої та правої границь дають змогу попередньо оцінити перспективи видобутку води з досліджуваної свердловини, не чекаючи завершення геологорозвідувальних робіт.

A decision support system to evaluate the potential of drinking water mining from an artesian well is introduced. The model is based on an interval type-2 fuzzy set. It does not work with the entire input vector at once, but only with the subset of parameters available at the moment. Unlike the formal approach, based on evaluating each parameter against the bounds of its acceptable values, the present procedure does not raise the requirement of having the complete data on all parameters for the system to function correctly. Of all parameters available at the moment, not all are given as inputs to the fuzzy logic system. Prior to this, an informative feature combination detection procedure takes place, in order to reduce the dimensionality of the problem and exclude redundant features. The initial shape of the membership functions is chosen arbitrarily, given the nature of experimental data. Based on input and output variables and the rules knowledge base, generated from the experimental data, a type-1 fuzzy logic system is built. In order to improve the adequacy of the model’s reflection of the training data, membership functions parameters optimization is performed using a genetic algorithm. The type-1 membership functions obtained as a result of the optimization process are transformed into type-2 membership functions with uncertain means. The system’s output is an interval of values of the output variable. The interval’s width describes the uncertainty related to the decision taken; the values of its left and right bounds allow to provide a preliminary estimation of this artesian well’s potential, without having to wait for the geological exploration to complete.