[论文解读] Towards the Development of a Rule-based Drought Early Warning Expert Systems using Indigenous Knowledge

Adeyinka K. Akanbi, Muthoni Masinde|arXiv (Cornell University)|Sep 19, 2018

Hydrology and Drought Analysis参考文献 17被引用 3

一句话总结

本文提出了一种基于规则的干旱早期预警专家系统（RB-DEWES），整合了本地领域专家的本土知识以预测干旱。该系统采用包含IF-THEN规则和置信度因子模型的知识库，生成带有置信度评分的干旱预警，是首个在正式专家系统框架中利用本地传统知识进行干旱预测的此类系统。

ABSTRACT

Drought forecasting and prediction is a complicated process due to the complexity and scalability of the environmental parameters involved. Hence, it required a high level of expertise to predict. In this paper, we describe the research and development of a rule-based drought early warning expert systems (RB-DEWES) for forecasting drought using local indigenous knowledge obtained from domain experts. The system generates inference by using rule set and provides drought advisory information with attributed certainty factor (CF) based on the user's input. The system is believed to be the first expert system for drought forecasting to use local indigenous knowledge on drought. The architecture and components such as knowledge base, JESS inference engine and model base of the system and their functions are presented.

研究动机与目标

• 开发一种干旱早期预警系统，利用本地专家的本土知识，而非仅依赖科学的气象数据。
• 通过将专家判断编码为结构化、基于规则的系统，解决干旱预测的复杂性和可扩展性问题。
• 构建一个能够生成附带置信度因子的干旱预警的系统，以支持在不确定性下的决策制定。
• 建立一个原型专家系统架构，整合知识库、推理引擎（JESS）和模型库，用于干旱预测。
• 证明在计算干旱预测系统中使用文化根基深厚、本地衍生的知识的可行性。

提出的方法

• 该系统采用基于规则的架构，其中干旱预测规则源自本地领域专家的本土知识。
• 规则以IF-THEN格式编码，每个规则关联一个置信度因子（CF），以表达对推理结果的信心程度。
• JESS推理引擎处理规则集，并根据用户输入评估知识库，以生成干旱预警。
• 模型库存储与干旱状况相关的历史和上下文数据，支持规则评估。
• 该系统将定性本土知识与定量置信度因子相结合，生成概率性干旱预测。
• 该架构整合了用户输入界面、知识库、推理引擎和模型库，以实现端到端的干旱预警生成。

实验结果

研究问题

• RQ1 能否将本地专家的本土知识有效形式化为基于规则的专家系统，以实现干旱预测？
• RQ2 如何利用置信度因子量化基于非科学、传统知识的干旱预测的置信度？
• RQ3 开发一种主要依赖本地、文化特定知识而非传统气象数据的干旱早期预警系统的可行性如何？
• RQ4 将本土知识整合到计算系统中，如何提升干旱预测的准确性和在本地情境下的可用性？
• RQ5 构建一个可扩展的、基于规则的专家系统以实现干旱早期预警，其关键架构组件是什么？

主要发现

• RB-DEWES成功地将本土知识整合到正式的基于规则的专家系统中，这是在计算干旱预测中应用传统知识的创新性应用。
• 该系统生成附带置信度因子的干旱预警，使用户能够基于本地知识评估预测的可靠性。
• 使用JESS推理引擎可实现高效的规则评估和基于用户提供的环境指标的动态推理。
• 该架构表明，可以构建一个基于规则的系统，利用非技术性、本地衍生的知识来支持干旱早期预警。
• 本研究为未来优先考虑本地生态知识的气候风险管理系统中的专家系统奠定了基础框架。
• 该系统是首个已知的将本土知识作为其核心预测逻辑的干旱预测专家系统。