本研究的目的在建立一个案例式自我学习推理机制（Case-Based Reasoning and Learning Mechanism，简称CBRL机制），希望应用在能够以数值参数模拟的工程案例上。其方法为对于已经存在的数值案例库，借由本研究所提出的参数分析方法所...
详细信息
本研究的目的在建立一个案例式自我学习推理机制（Case-Based Reasoning and Learning Mechanism，简称CBRL机制），希望应用在能够以数值参数模拟的工程案例上。其方法为对于已经存在的数值案例库，借由本研究所提出的参数分析方法所得到的各参数影响因子，决定相似度计算时所需的各参数权重，经由相似度计算求得所有案例的相似度后，再利用影响因子所求得的影响度方程式，将最相似的案例调适出待求解案例的解答。此机制可以避免相似度计算时人为决定权重的主观因素，并在自动化的机制下，随着案例的增加与待求解案例各参数的不同，可以自动调整相似度计算所使用各参数的权重，与调适阶段所使用的影响度方程式，达到自我学习的效果，并提高评估结果的准确程度。本研究以CBRL机制实作一个CBRL雏型系统，并以现有内含五万六千笔数值案例的传统中小学耐震能力案例库为例，以逐步增加案例的方式来验证CBRL机制的自我学习的能力及评估结果的准确程度。接着在CBRL雏型系统上建置传统中小学教室建筑耐震评估专家系统介面，成为传统中小学教室建筑耐震评估专家系统。本研究以学校建筑的实际案例验证了专家系统的评估准确程度，希望传统中小学教室建筑耐震评估专家系统可以协助耐震专业人员进行较为快速而准确的传统中小学的耐震初步评估。更希望CBRL机制不仅用于传统中小学耐震评估，亦可提供其他工程领域的案例式推理之专家系统使用。
灵活可拓展的电压控制策略在含有多个分布式电源、且电源和负荷均不断变化的配电网具有重要意义。着眼于智能配电网的发展需求,提出一种基于案例式推理技术的分布式智能电压控制策略。通过自动感知网络电压波动,在保证系统安全和清洁能源输出比例的情况下,即时提供电压控制策略并建立完备的具有自学习能力的案例库。以包含多个分布式电源的10 k V配电网为实例,对所提出的电压控制策略进行实时数字仿真,结果证明该控制策略能有效解决网络中的电压波动问题。
暂无评论