前言：中文期刊网精心挑选了人工智能技术的优缺点范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
人工智能技术的优缺点范文1
关键词：农业专家系统；XML；知识表示；人工智能
中图分类号：TP311.52
精准农业是农业可持续发展的方向和主要途径[1]。精准农业技术是精准农业的基础和核心，农业智能专家决策系统是其重要的组成部分。技术人员可以通过农业智能专家决策系统的实施，将获取的生产数据通过模型库和知识库，经过综合分析、智能推理，得出符合生产实际的专家级生产决策建议，用于指导农业生产，可达到替代传统农业专家的作用[2-3]。
自20世纪70年代开始，国内外的农业专家就开始在农业生产中开展了专家系统技术在农业应用的研究，截至目前，专家系统在农业应用研究取得了很大的进展。但农业专家系统仍然存在许多问题。其中专家系统的知识库设计不足于适应现有知识推理技术的发展就是一个突出的问题。目前随着人工智能技术的发展，知识推理技术也在不断更新和发展，推理分析层次和技术呈现多样化和非线性化的特点，这些可以进一步提高专家系统决策的准确性、稳定性和针对性。但是由于目前农业专家系统的知识库设计严重滞后，无法适应知识推理技术的发展，大大影响了智能推理的准确性和稳定性。因此农业专家系统研究一个主要方向就是在知识库架构技术的优化方面，以便于适应目前人工智能技术和计算机信息技术的发展。
1 知识及知识表示方法
1.1 知识。知识是专家建议决策的重要基础。专家系统中知识的要素有事实、规则、概念等，需要描述这些要素，从而反映知识的内部结构关系，这样就可以按一定的规则来推理得出相应的结论，这个描述工具就是知识表示，因此专家系统的核心在知识表示。所谓知识表示就是通过各种信息符号以约定的方式将日常生活经验知识转化成计算设备可以识别、利用和进行加工的形式。人工智能技术中研究知识的学科分支是知识工程，随着近年知识工程研究和专家系统研究的深入，知识表示研究已经成为人工智能的关键技术之一和研究的热点之一。在知识工程研究中，知识表示和管理以及如何能被智能系统充分地利用是重要的研究课题之一。
根据知识在智能系统中的作用，可将知识分为以下几种形式：事实、规则、控制和元知识；其中事实类型的知识主要代表了反映有关问题环境的一些事实，它属于底层知识。例如研究对象事物的属性、类别，以及对象事物间的关系等均属于事实类型知识。规则主要代表是受控对象有关的经验以及推理性知识等，一般使用“IF…Then…”的形式来表达。控制是知识推理的核心，指能反映问题求解中控制策略的知识。元知识指的是有关知识的知识，一般指制定规则、解释规则、校验规则、解释程序结构等。
1.2 知识表示方法。在知识工程中，常用的知识表示方法主要有：框架、Petri网、过程、产生式、语义网络、面向对象、谓词逻辑等。其中框架、产生式、面向对象是最常用的三种知识表示方法。这三种知识表示方法并不是完美的，各自有各自的优缺点。产生式表示法特点分析如表1所示：
框架表示法特点分析如表2所示：
从上述分析可以发现，二种表示方法的综合体能够避免一些缺点，但是目前的知识库设计无法有效融合上面的表示。
2 基于XML技术农业专家系统知识库的设计
2.1 农业专家系统知识范例。在上述三种知识表示方法中，产生式表示法简单，易于实现，因此在农业专家系统中，绝大多数都是将知识规则以产生式的形式存储在文本文件中，以产量相关知识规则为例，在文本文件中以如下形式保存：
IF 同等地力其他农户三年平均产量>19500斤 THEN 其他农户三年平均产量所在产量水平为超高产水平
IF 15000斤
IF 10500斤
IF 同等地力其他农户三年平均产量
产生式表示法在表示简单知识规则时没有问题，但是其在表示复杂关系知识则有严重缺陷。因为在农业生产中不同对象之间，具有一定继承性、关联性和层次性，产生式表示法无法展现这些特性。因此如果针对产生式表示法、框架和面向对象形式进行整合，构建具有继承、面向对象等特性的知识库架构，这样可充分展现知识结构层次结构，表示复杂的知识结构，提高农业专家系统知识处理水平。
对上述三种表示方法进行整合，需要一个实现的工具，这个工具能够清晰表示出继承、关联和层次性，同时也易于处理，从这一方面来说，XML技术是最理想的实现工具。本文就是利用XML技术来实现农业专家系统的知识库架构，从而达到了将上述三种表示整合的目标。这种架构具备了三种表示方法优点，同时又避免三种表示方法各自缺点，可以充分体现推理分析层次和技术呈现多样化和非线性化的特点。
2.2 基于XML技术农业专家系统知识库架构及推理模块设计。在专家系统中，推理过程就是人机交互的过程，使用者将所掌握的信息，通过交互平台反馈给推理机，农业专家系统推理机利用农业生产决策模型、知识库、综合数据库，在专家知识和经验的基础上，利用推理算法来进行知识推理，找到用户所需结果，并形成专家建议，反馈给用户。
农业专家系统推理模块结构由四部分组成：人机交互界面、知识库、知识处理模块和推理机模块。其中人机交互界面的主要功能是把用户所输入的信息或外来数据转换成系统的内部表示形式，并交给农业专家系统推理机处理，农业专家系统推理机输出的推理结果也可以由人机交互界面转换成用户易于理解的结果展示方式。农业专家系统知识管理模块是指对系统知识库中的知识进行管理、设置和控制的功能模块，它的主要作用是辅助推理机完成对知识库的各种操作，并向咨询用户提供知识检索和查询手段，其中XML处理技术就在这一模块实现；其功能包括知识更新、知识获取、知识校验、知识求精、知识查询等。农业专家系统推理模块主要包括推理机和解释机制，农业专家系统推理机主要是依据推理模型和算法，解析知识，得出结论；解释机制主要是负责引导用户输入掌握信息和将结论以用户接受的方式解释。
3 结论
本文以XML技术针对农业生产知识进行了表示，整合了框架、产生式规则、面向对象是三种常用的知识表示方法，集中了三者的优点，避免了其不足之处。并以此为基础构建农业专家系统的知识库。这种新的知识库架构设计，可以充分体现出农业生产知识的继承、关联和层次的特点，可以充分表示出知识的复杂关系。同时由于XML技术解析、处理目前有很多程序设计语言都可以实现，因此利用XML技术来构建农业专家系统的知识库比目前文本形式的知识库更易于体现推理分析层次和技术呈现多样化和非线性化的特点，适应目前人工智能技术的新发展，提高农业专家系统准确性和稳定性，有利于农业专家系统的应用普及。本文的研究在农业专家系统研究具有一定创新性，也可以将其推广到农业专家系统模型库的架构设计中，具有一定应用价值。
参考文献：
[1]于合龙，陈桂芬，毕春光.玉米精准施肥数据库建模研究[J].玉米科学，2008，16（4）：184-188.
[2]赵月玲，陈桂芬，王越，陈航.吉林省玉米推荐施肥专家系统研究与设计[J].玉米科学，2006，14（3）：170-172.
[3]熊范纶.农业专家系统及开发工具[M].北京：清华大学出版，1999.
[4]Lemmon ax： an expert system for cotton crop management[J].Science，1986，233：29-33.
[5]Plant R E. An integrated expert decision support system for agri-cultural management[J].Agriculture Systems，1989，29：49-66.
[6]Vandendriessche H， Geypens M， Bries J. N- index： an expert system for nitrogen fertilizer of arable crops[C].Gembloux，Belgium：COST Workshop Gembloux，1992：55-57.
[7]Kruger G A，Karamanos R E. Fertility analysis and recommendations manager[J].Commun Soil Sci Plant Anal，1994，25（7/18）：955-965.
[8]高美玲，栾非时，寇胜利.作物专家系统发展概况与趋势[J].东北农业大学学报，2003，34（1）：105-108.
作者简介：朱春娆（1982-），女，助理馆员，硕士，从事人工智能研究。
人工智能技术的优缺点范文2
【关键词】人脸识别 人脸检测
近年，生物特征识别这一技术发展今非昔比。其中，人脸识别是一种非接触性技术，具有可视化、符合人的思维习惯的特点，得以在商业、安全等领域广泛应用。目前，人脸识别逐渐成为一个热门的研究领域。
1 人脸识别的方法
随着技术的发展，人脸识别方法也呈现出“百花齐放”的趋势。从整体上把握，人脸识别技术可以分为以下三种：
1.1 基于几何特征的正面人脸识别方法
该方法是最早的人脸检测方法，是对人脸的等先验知识导出规则的利用。人脸面部器官可以近似的看作是常见的几何单元，肤色也人脸的是重要特征之一。该方法就是采集人脸的重要的面部特征及其之间的相对距离、特征分布等参数从而形成一个可以表示人脸特征向量，例如角度、曲率等。该方法抗干扰能力极强，对于光照变化的敏感度很低，并且直接利用人脸信息，便于理解。同时，由于该方法算法只关心器官的基本形状和位置结构，并没有侧重细节特征，所以对于从图像中提取稳定的特征就比较困难。这就意味着当人的面部表情的变化较大时，或者是出现了存在遮挡物等影响鲁棒性差的情况，对于人脸特征的提取就会变得困难甚至错误。
1.2 基于模板匹配的人脸识别方法
模板匹配主要包括静态匹配和弹性匹配，可以细分为：动态连接匹配法、特征脸方法、线性判别方法、神经网络法等。静态匹配方法在使用时也需要对图像进行适当的标准化，随后利用整幅图像的灰度级、生理特征区的灰度图像和变换后的人脸图像模板。由于是静态的匹配，模板的灵活性差，当出现面部表情过大时，就无法使用模板。所以产生了动态的模板匹配，也称为动态连接匹配法。该方法是建立反映人脸特征形状可变部分的特征参数模型。该方法的有点就在于其灵活性大大的提高，适用于更多情况下的人脸检测，同时鲁棒性较于静态更好。但是该方法容易因为计算时间太长而陷入局部最小。
1.3 基于模型的人脸识别方法
该方法是利用数学模型的参数进行人脸识别，合并人脸尺度和人脸方向的人脸。该方法着重了人脸各器官的不同特征和相互联系，又不敏感于面部表情变化，鲁棒性好，计算量也并不巨大。基于隐马尔科夫模型法就是其中最经典的方法。
2 人脸识别的现状
人脸识别技术正式起步于美国，我国接触该技术较晚，但是经过科研人员和学者们多年的研究和实验，目前我国的人脸识别技术已经达到国际先进的水平。
2.1 国内
在我国，最早从人工向计算机智能识别发展的生物识别技术是指纹识别，但是在实际应用中逐渐产生了对人脸识别技术的需求。从2001年开始，公安部门就开始使用这一技术来防范打击重大刑事犯罪并取得国家的支持。随后，我国在2008年北京奥运会举行时应用了人脸识别技术，这标志着我国的人脸识别进入大规模的使用阶段。在前几年举办的世博会上，该技术得到更加广泛的应用，同时各大公司也逐渐加入，实现了人脸识别技术在中国的大规模应用。随着我国技术的不断进步，“三化两合”将是人脸识别发展的必然趋势。“三化”指：主流化、芯片化、标准化；“两合”指：与其他生物特征的多生物特征融合与REID的联合。
2.2 国外
国内外对于人脸识别的研究都非常的活跃。美国、德国、日本等经济发达国家和部分发展中国家都有研究机构和研究人员对此进行专门的研究。以下只取其中筛龉家作为例子。
2.2.1 美国
美国是人脸识别技术最先起步的国家，也是最先应用该技术的国家，其人脸识别技术的水平一直走在国际前列。早在1993年，美国国防部就启动了FERET项目，为其之后的生物智能识别技术奠定了基础，推动人脸识别技术从初始阶段提升到原型系统阶段。目前，美国电影中没有钥匙孔只有一个摄像头的大门，刷一下人脸就可以进入；机要部门的核心设备通过指纹进行设备的解锁；追踪情节中利用街边摄像头进行识别等等，这些场景在实际生活中已经得到实际的应用。例如，FBI在2014年就推出了他们的新一代的电子识别系统，总投入超过10亿美金。用于利用监控锁定犯罪嫌疑人，从而进行全网追捕。不仅如此，美国国防部和国土安全部门加大了对人工智能识别技术的投资，用来防止对公共安全造成的威胁。
2.2.2 日本
日本虽然也是略晚接触人脸识别技术的国家，但是其发展却日新月异。在2014年日本的一家研究中心就在日本大阪试验一项基于视频的人脸识别技术，目的在于当灾难来临是，通过实时监控中人脸的表情以及人流的动态来判断各个紧急安全出口是否可用。日本近年来一直在加快对只能视频分析技术的研究。据中关在线报道，2015年日本日立公司推出的视频监控人脸识别技术能够技术能够以3600万张图像/秒的速度进行扫描，以高精度识别出路人，并且即时存储路人脸部图像，将长相相似的人脸进行分类。随后，据中新网2015年7月3日报道，日本在国内的骨干机场引进了通过计算机智能识别人脸来确认身份的系统，有望在举办东京奥运会和残奥会的之前，推进日本人出入境审查的无人化，大大缩短外国游客入境审查的时间。
3 人脸识别的展望
虽然人脸识别技术目前还存在一些缺陷，但是这一技术目前已经得到了非常迅速的发展，还出现了专门的国际会议，越来越多的研究人员和研究机构投入其中，同时各国也开始逐渐试验这一技术，那些亟待解决的问题不过也是时间的问题。相信不久的将来，这一人工智能技术会在不断的应用中逐渐完善，并且造福全人类。
参考文献
[1]吴巾一.人脸识别方法综述[A].计算机应用研究，2009（09）：3205-3209
[2]姜贺.基于几何特征的人脸识别算法[D].大连：大连理工大学，2008（12）.
[3]生物特征识别技术需从应用中逐步完善[J].智能建筑与城市信息，2014（09）：15-19
[4]余龙华.基于隐马尔科夫模型的人脸识别[A].计算机技术与发展，2012（02）：25-28
人工智能技术的优缺点范文3
关键词 BP网络；客车备件；需求预测
中图分类号 F426 文献标识码 A 文章编号 1673-9671-（2012）102-0195-01
客车备件需求是售后服务的基础和重要组成部分。产品备件准备的是否合理，不仅关系到售后服务的质量，而且也关系到企业的经营效率。然而，准确的备件预测是相当困难的。一方面，影响备件需求量的因素很多，例如产品的市场保有量、产品的地理分布及使用状态、备件的生命周期、备件通用度等等。另一方面，需求预测具有很强的时效性和复杂性，各种因素的影响力随环境变化而变化。
目前国际上采用多种方法进行需求预测的应用研究，如增量法、回归法、季节指数法、时间序列法等。但在备件需求预测方面的实际效果却不尽如人意。起源于二十世纪八十年代的人工神经网络（ANN）属于人工智能技术之一，突破了传统技术的局限，在诸多领域取得了成功。近年来，ANN技术已经成为经济预测、管理决策领域的研究热点，并已经成功的运用在非线性领域以及识别、智能传感器等工程领域。
但在汽车和客车备件需求预测领域，很少见到采用该方法进行研究的案例，因此，本文着重研究神经网络在客车备件需求预测领域的应用。
1 人工神经网络基本理论
1.1 人工神经网络概述
人工神经网络（Artificial Neural Network，简称ANN）的研究始于20世纪四十年代初期。经过半个多世纪的兴衰，经历了从兴起到又到萧条最终走向稳步发展的艰难路途，如今人工神经网络已经是一门比较成熟的学科了。特别是经过最近将近20年的发展，目前的人工神经网络是一门融汇了神经学、信息学、计算机科学、工程学等为一体的边缘交叉学科，是一种大规模、并行、复杂的非线性系统。人工神经网络具有高度并行的处理机制，高度灵活的拓扑结构，以及强大的自组织、自学习、自适应能力和处理非线性问题的能力。因此，人工神经网络在预测科学领域得到了高度重视。
至今为止，人工神经网络技术的发展大致经历了五个阶段，其研究集中在三个方面：开发现有模型的应用，并在应用中根据实际运行情况对模型、算法加以改造，以提高网络的训练速度和运行的准确度；希望在理论上寻找新的突破，建立新的专用或通用的模型和算法；进一步对生物神经系统进行研究，不断的丰富对人脑的认识。
人工神经网络模拟人脑的功能，虽然只是低级近似，但区别于一般的人工智能和其他计算机智能程序，它表现出的许多特质与人类的智能相似。同人类的大脑类似，单个神经元功能很弱，但是当成千上万的神经元组合起来所表现出的活动处理功能却十分强大。
1.2 人工神经网络模型
人工神经网络是由大量的神经元按照层内连接、循环连接和层间连接等模式相互连接起来而构成的。将一个神经元的输出送至另一个神经元作为输入信号称之为连接，每个连接通路对应一个连接权值，神经元的连接方式不同会生成具有不同特性的神经网络。经过几十年的探索，目前已经提出了上百种人工神经网络结构，但大部分都是几种典型网络的组合和变形。
根据神经元的连接方式不同这一特点，可将神经网络分为两大类：分层网络和相互连接型网络。分层网络的代表是BP网络、RBF网络和Hopfield网络。
1.3 BP神经网络
目前应用最为广泛的神经网络结构是多层前馈神经网络。由于采用的网络结构、传递函数和学习规则的不同，前馈网络主要有感知神经网络、BP网络（Back Propagation Network）、RBF网络等不同网络模型。上述三种网络各有其优缺点，经对比得知，BP网络相比其他网络具有算学习精度高、运行速度很快、网络具有一定的推广能力和概括能力等多方面优点。
因此，我们决定采用BP网络作为客车备件需求预测的神经网络模型。
2 基于BP网络的客车备件需求预测设计
2.1 客车备件需求预测方法设计
2.1.1 模型输入和输出设计
本文选取对配件需求量影响程度大的三个因素即近期实际需求量（6个月的实际需求值）、季节性因素以及客车保有量作为网络的输入，分别将其量化后得到8个点作为神经网络的输入向量。显而易见，目标向量Y就是某配件预测月当月的需求量。
2.1.2 数据归一化
在本研究过程中，除了季节性因素值X7已经提前设置在0～1之间，其余各变量都应按照上式进行归一化处理；在网络训练完毕进行测试时，还要将预测输出结果进行反归一化处理并与实际值进行比较来对网络进行评价。
2.2 BP网络结构设计
本研究选择三层BP网络即单隐层的BP网络进行设计仿真。本文使用Kolmogorov定理和试凑法相结合的方法，经多次试验和结果比较，选择网络误差最小和训练速度最快时对应的隐层节点个数，最终确定隐层神经元个数为17。
针对本文研究的问题，按照BP网络的一般设计原则，中间层神经元的传递函数设定为S型正切函数tansig（）。由于网络的输出向量值已经被归一化到区间[0，1]中，因此，输出层神经元传递函数设定为 S型对数函数logsig（）。
网络的训练算法对网络收敛速度、泛化能力、网络性能等有很大影响。经过对几种改进的BP算法进行实验对比，观察各算法的收敛速度和网络误差，最终确定最适合本研究的训练算法为“拟牛顿算法”。
2.3 预测实现和结果对比
本文选取某大型客车制造企业的售后备件进行研究，选取高频需求备件中的两种数据归一化后作为样本数据进行实验。根据设计好的网络结构方案进行网络创建和训练仿真。使用train（）函数对两种备件分别进行训练。经过35次和44次训练后，网络目标误差达到要求。
使用训练好的模型开始对其余样本数据进行预测，实际结果说明，网络的预测误差范围在±7%之内，已达到客车领域备件需求预测预期目标。
在将网络测试结果与实际值比较的同时，我们也将它与该企业目前采用的时序预测方法进行对比，结果说明利用神经网络进行备件需求预测的效果明显好于传统方法。
参考文献
[1]张立明.人工神经网络的模型及其应用[J].复旦大学出版社，1993：5.
[2]丁杏娟.基于人工神经网络的产品需求预测研究[J].上海交通大学硕士学位论文，2006：1.
[3]王万森.人工智能原理及其应用[J].电子工业出版社，2000：27-51.
人工智能技术的优缺点范文4
关键词：计算机网络应用 网络安全问题 策略
引言:随着万维网wWw的发展，Internet技术的应用已经渗透到科研、经济、贸易、政府和军事等各个领域，电子商务和电子政务等新鲜词汇也不再新鲜。网络技术在极大方便人民生产生活，提高工作效率和生活水平的同时，其隐藏的安全风险问题也不容忽视。因为基于TCP/IP架构的计算机网络是个开放和自由的网络，这给黑客攻击和人侵敞开了大门。传统的病毒借助于计算机网络加快其传播速度，各种针对网络协议和应用程序漏洞的新型攻击方法也日新月异。因此计算机网络应用中的安全问题就日益成为一个函待研究和解决的问题。
1.计算机网络应用的常见安全问题
计算机网络具有大跨度、分布式、无边界等特征，为黑客攻击网络提供了方便。加上行为主体身份的隐匿性和网络信息的隐蔽性，使得计算机网络应用中的恶意攻击性行为肆意妄为，计算机网络应用中常见的安全问题主要有:①利用操作系统的某些服务开放的端口发动攻击。这主要是由于软件中边界条件、函数拾针等方面设计不当或缺乏限制，因而造成地址空间错误的一种漏洞。如利用软件系统中对某种特定类型的报文或请求没有处理，导致软件遇到这种类型的报文时运行出现异常，从而导致软件崩溃甚至系统崩溃。比较典型的如OOB攻击，通过向Windows系统TCP端口139发送随机数来攻击操作系统，从而让中央处理器(CPU)一直处于繁忙状态。②以传输协议为途径发动攻击。攻击者利用一些传输协议在其制定过程中存在的一些漏洞进行攻击，通过恶意地请求资源导致服务超载，造成目标系统无法正常工作或瘫痪。比较典型的例子为利用TCP/IP协议中的“三次握手”的漏洞发动SYN Flood攻击。或者，发送大量的垃圾数据包耗尽接收端资源导致系统瘫痪，典型的攻击方法如ICMP F1ood}Connection Floa等。③采用伪装技术发动攻击。例如通过伪造IP地址、路由条目、DNS解析地址，使受攻击的服务器无法辨别这些请求或无法正常响应这些请求，从而造成缓冲区阻塞或死机;或者，通过将局域网中的某台机器IP地址设置为网关地址，导致网络中数据包无法正常转发而使某一网段瘫痪。④通过木马病毒进行人侵攻击。木马是一种基于远程控制的黑客工具，具有隐蔽性和非授权性的特点，一旦被成功植人到目标主机中，用户的主机就被黑客完全控制，成为黑客的超级用户。木马程序可以被用来收集系统中的重要信息，如口令、帐号、密码等，对用户的信息安全构成严重威胁。⑤利用扫描或者Sniffer(嗅探器)作为工具进行信息窥探。扫描，是指针对系统漏洞，对系统和网络的遍历搜寻行为。由于漏洞普遍存在，扫描手段往往会被恶意使用和隐蔽使用，探测他人主机的有用信息，为进一步恶意攻击做准备。而嗅探器(sni$}er)是利用计算机的网络接口截获目的地为其它计算机的数报文的一种技术。网络嗅探器通过被动地监听网络通信、分析数据来非法获得用户名、口令等重要信息，它对网络安全的威胁来自其被动性和非干扰性，使得网络嗅探具有很强的隐蔽性，往往让网络信息泄密变得不容易被用户发现。
2.计算机网络安全问题的常用策略
2. 1对孟要的信息数据进行加密保护
为了防止对网络上传输的数据被人恶意窃听修改，可以对数据进行加密，使数据成为密文。如果没有密钥，即使是数据被别人窃取也无法将之还原为原数据，一定程度上保证了数据的安全。可以采用对称加密和非对称加密的方法来解决。对称加密体制就是指加密密钥和解密密钥相同的机制，常用的算法为DES算法，ISO将之作为数据加密标准。而非对称加密是指加密和解密使用不同的密钥，每个用户保存一个公开的密钥和秘密密钥。公开密钥用于加密密钥而秘密密钥则需要用户自己保密，用于解密密钥。具体采取那种加密方式应根据需求而定。
2. 2采用病毒防护技术
包括:①未知病毒查杀技术。未知病毒技术是继虚拟执行技术后的又一大技术突破，它结合了虚拟技术和人工智能技术，实现了对未知病毒的准确查杀。②智能引擎技术。智能引擎技术发展了特征码扫描法的优点，改进了其弊端，使得病毒扫描速度不随病毒库的增大而减慢。③压缩智能还原技术。它可以对压缩或打包文件在内存中还原，从而使得病毒完全暴露出来。④病毒免疫技术。病毒免疫技术一直是反病毒专家研究的热点，它通过加强自主访问控制和设置磁盘禁写保护区来实现病毒免疫的基本构想。⑤嵌人式杀毒技术。它是对病毒经常攻击的应用程序或对象提供重点保护的技术，它利用操作系统或应用程序提供的内部接口来实现。它对使用频度高、使用范围广的主要的应用软件提供被动式的防护。如对MS一Office, Outlook, IE, Winzip, NetAnt等应用软件进行被动式杀毒。
2. 3运用入俊检测技术
人工智能技术的优缺点范文5
关键词：智能变电站；运行管理模式；探讨
中图分类号：TM73 文献标识码：A
随着社会市场经济的快速发展，社会的电力需求不断增大，同时对于供电质量提出了更高的要求，各种先进技术不断的应用于电力网络的构建与运行当中，智能变电站作为智能电网建设框架中的重要组成部分，本文就主要针对此予以简单分析研究。
一、智能变电站的概念
随着各项技术的发展与进步，人工智能技术在各行各业中都取得了广泛的应用，电力行业作为国民经济发展中的基础，积极应用各种先进技术是非常必要的，各种数字式的仪表及微机保护装置广泛应用于变电设备中，但是在变电站层面上大多还是保持着传统的控制方式与控制理念，智能变电站的提出，对于整个电力网络的发展都具有非常重要的作用。
国内的一些研究者站在变电站控制系统的角度提出了变电站控制系统智能化的设想，在该设想中强调应用电子互感器来代替传统的互感器，并应用光纤作为信息及数据传输的载体，以此来取代传统的信号线，并应用分层分布式的控制结构来取代传统变电站中的集中控制结构，以便于实现变电站自动化水平的飞跃。
二、常规变电站的运行管理模式简单介绍
作为电力网络运行过程中的主要载体，从整体上来讲，可以将变电站的运行管理模式分为三种，即：无人值班变电站管理模式、少人值班变电站管理模式以及有人值班变电站管理模式，在实际的应用中，具体的变电站运行管理模式主要有：调控一体化模式、监控中心+运维操作站模式、集控站模式、有人值守模式（传统模式）几种，各种模式都具有各自的优缺点，其中的调控一体化模式中调度中心能够对设备的运行信息进行全面、及时的掌握，并且具有快捷的事故异常处理能力，将管理链条有效缩短，并且具有很高的人力资源利用率，但是相对于其他模式，该种运行管理模式中调度中心的责任相对比较重。
随着社会市场经济的发展，社会的电力需求不断的增大，为了很好的满足这种日益增大的电力需求，电力网络的建设规模不断扩大，这直接导致了变电站的数量快速增长，结合电网企业的标准化、精益化、集约化、集团化的发展要求，传统的变电站运行管理模式向更加经济、高效、安全的方向发展是其适应时展的必然需求，随着各项技术的进步，智能变电站中的自动化系统的结构与功能逐渐朝着传输网络标准化、智能化、数字化的方向发展，这为改善变电站运行管理模式奠定了良好基础。
三、智能变电站运行管理模式的需求分析
传统的电力网络操作过程中，应用的是集中控制模式，所有设备的操作命令都需要由调度部门来下达，相关的调度人员在实施电力网络的相关操作时，需要落实于某一个具体的设备甚至是每一个具体的操作指令，其操作流程如图1所示。
上图中的电力网络操作模式中，操作的正确性与否取决于调度系统以及调度中心的工作人员，而实际操作的准确性则取决于变电站中的工作人员及相应的规章制度，建立完善的规章制度，并积极提升工作人员的综合素质，虽然对于操作控制的准确性及细致性的提升具有积极的作用，但是由于在实际的电力网咯操作过程中，设计的操作环节非常的多，其控制过程也是非常的复杂，在长期的设备操作过程中，难以对设备的运行状态进行准确的把握，使得误操作的风险大大提升。在智能电网的建设过程中，要求电力网络能够快速、准确的对电网的状态变化做出响应，对目前采用的电力网络控制方式进行分析，是难以满足智能电网建设过程中的这一要求的，并且随着电力网络建设规模的增大，整个网络中的电力设备的数量越来越多，并且还会不断的引进各种新型设备，设备的特性会变得越来越复杂，应用传统的人工控制的方式，将每个电网控制命令细化至设备操作步骤中，是具有很大难度的，改变传统的变电站运行管理模式显得非常的必要。新型的变电站运行管理模式中，应该促使调度人员将更多的精力放置于电力网络运行整体的控制工作中，而不是将过多的精力放在设备操作的细节上，这就需要在智能变电站的运行过程中，能够实现调度对电网节点操作意图的自动解析，使其成为具体的单步指令，将其反馈给相关的调度人员，并要能够通过对每一步操作进行分析，实现可能的风险预测，以便于从根本上解决智能变电站的运行控制需求。
四、智能变电站的运行管理模式探究
智能变电站的建设过程中，应用大量的智能型电气设备，每个智能变电站都具有一体化的平台，该平台具有各种高级应用功能，能够为变电站中的设备管理方式及调度运行模式的选择提供有力的技术支撑，其框架图如图2所示。
在该运行管理模式中，智能变电站一体化平台中能够对相关数据进行合并筛选，并对其进行智能分析，智能告警信息能够直接传递到调控中心中，该一体化平台具有完善的安全认证功能，并且能够支持远方WEB浏览，调控中心在接到告警信息之后，可以直接远端浏览器的站内信息，检修公司主要是负责进行设备的运维及检修工作，并且可以远端浏览站内的相关信息。在该运行管理模式中，具有以下的各项功能：（1）故障信息综合分析功能，该智能变电站一体化平台能够集成故障信息子站的功能，实现故障分析、保信、监控等一体化的集成，在电网异常报警、装置故障、保护动作、事故等情况下，能够对站内的状态数据进行整合分析，以便于确定当前的故障状况，并能够通过简单明了的可视化界面实现事故分析结果的综合展示。（2）智能告警功能，其能够为主站调度系统提供必要的信息分层过滤，尤其是要进行变电站内在事故时所产生的大量信息的过滤，以便于从中挑选出事故项，并能够对其发生原因进行快速分析定位，运行人员能够依据分析结果进行事故的定位。（3）辅助系统联动，其主要是实现变电站运行环境的监测，并将相关信息传输给信息一体化平台，方便实现信息的集中显示。（4）在线监测及可视化，其主要是通过与在线监测分系统进行通信，以便于获取主要一次设备的状态监测结果信息，将其放入一体化的平台之中。（5）二次设备的状态监测与评价功能，对二次设备的各种运行信息进行归纳、整理、存储与分析，并依据相关的监测信息，提出相应的监测与评价方法，能够为智能告警及故障信息决策提供有力依据。
结语
随着智能电网建设规模及建设数量的不断增大，积极改善智能变电站的运行管理模式是非常必要的，本文就主要结合传统的变电站运行管理模式，对智能变电站的运行管理模式进行了简单探讨，对于其运行管理控制水平的提升具有积极的作用。
参考文献
[1]刘军生，王福有.基于调控一体化的智能变电站运行管理模式的研究[J].电子制作，2014（02）.
人工智能技术的优缺点范文6
关键词：谐波状态估计 可观性分析 不良数据识别
中图分类号：TM711 文献标识码：A 文章编号：1672-3791（2017）04（c）-0043-02
在谐波状态估计中，主要分为3大部分：谐波状态估计算法、可观性分析及量测配置优化和不良数据识别。通过合理的状态估计算法，得到节点谐波电流的估计值。然而，量测装置的数量对估计效果起到确定性作用。在确保对全网络可观性的前提下，需对量测装置进行优化，以达到估计精度和经济成本的平衡。同时，在实际网络中，量测值会存在不良数据，如何避免不良数据对状态估计正确性的影响，非常关键。该文围绕该3个部分，对谐波状态估计进行了相应的综述及展望。
1 谐波状态估计算法
谐波状态估计技术采用了同步量测和三相模型，量测值为电压和电流相量，而非传统的电压和功率，因此，谐波状态估计算法须根据谐波测量的特点对传统的状态估计进行调整。
谐波状态估计的最大困难是如何排除背景谐波的干扰。因为在公共连接点处会有谐波电流注入，从而导致线性负荷的谐波电压失真，误判为谐波源。但谐波状态估计的最大困难是如何排除背景谐波的干扰。因为在公共连接点处会有谐波电流注入，从而导致线性负荷的谐波电压失真，误判为谐波源。
同时，在谐波状态估计中，需得知网络拓扑的网络阻抗等具体参数。若参数存在误差或缺乏时，会导致估计结果的错误。通过对负荷电流的统计特性分析及少量的谐波电压量测量，利用独立分量法实现了在未知网络拓扑和谐波网络阻抗情况下的谐波源定位。但该方法没有考虑到在量测数据存在误差的情况下，如何提高谐波源辨识的准确性。该文指出在配电网中量测数据的噪声会增加状态估计的错误性。而且，并没有对量测量和量测位置对估计精度的影响进行分析。在该方法中量测量由谐波源的数量而确定，则需事先知道谐波源的数量，并不现实。
因此，人工智能技术如神经网络法和模糊聚类法，也应用于谐波状态估计。神经网络能够符合复杂和高度非线性的输入-输出对，并在电气领域得到广泛应用。建议用神经网络实现状态量的伪量测，来减少量测量，并进行谐波状态估计。通过将模糊理论应用到神经网络中，实现多谐波源定位。通过模糊聚类方法将电力系统分割成若干个集群，且集群的数量等同于需安装的量测量；通过反向传播算法训练神经网络来辨识所有谐波源。该方法所需的量测量少。指出神经网络在电力系统谐波研究的广泛应用。由于神经元网络的建立需要预先提供大量的训练对，且需事先预知谐波源数量，显然并不现实。
2 谐波状态估计可观性及量测配置优化
谐波状态估计技术的研究属于网络谐波分析的范畴。然而，谐波状态估计的前提是要进行谐波的监测，则需对整个网络进行可观性分析和量测配置优化。可观测性分析是在给定的网络拓扑结构和量测配置的前提下，判断利用量测数据确定母线状态的能力和程度，是在进行系统谐波状态估计之前进行的一个步骤。系统不可观时，状态估计会出现不收敛的情况。可观测性分析算法的好坏将直接关系到谐波状态估计的运行性能，甚至导致估计不收敛。
在谐波状态估计的可观性分析中，主要分为两大方法：拓扑算法和数值算法。基于拓扑的可观性分析是通过在量测网络中搜索满秩的生成树的存在来判断是否可观。基于数值的可观性分析是通过判断量测雅可比矩阵是否列满秩或信息矩阵是否奇异来判断是否可观。同时，基于数值的可观性分析又可分为拓扑模式和数值模式。
因此，拓扑算法无需浮点运算，不受舍入误差的影响，但算法复杂，求解耗时；数值算法需进行浮点运算，可利用信息矩阵以及量测雅可比矩阵的计算结果，但计算量大，受舍入误差影响。
同时，电网节点规模庞大，考虑到经济性和实用性，不可能所有母线配置量测量，则量测配置的关键在于如何确定系统可观测的前提下，尽可能地减少量测量。针对谐波状态估计的不可观情况提出了一种优化传感器配置的线性技术，但只能得到一个近似最优解。通过辨识冗余的量测装置，给出了量测装置的最小数量。然而，该方法不能解决有两个相关量测方程（如一条线路的两端点的电流都有量测量）的情况，实际意义不大。提出了一种基于系统误差协方差的方法，但非常耗时。提出了基于遗传算法的优化配置，该算法迭代次数较多且本身参数设置对迭代过程影响较大，影响算法的收敛速度。
3 谐波状态估计不良数据识别
此小节在所搭建的35 kV配电网模型的基础上，分在谐波状态估计中，不仅要考虑到网络的可观性，而且应能利用实时量测系统的冗余度来提高数据精度，排除随机干扰所引起的错误信息，进而定位谐波源。冗余度与不良数据的检测、参数估计和错误处理等密切相关。常用的不良数据检测辨识的方法主要有残差搜索法、非二次准则法、零残差法和估计辨识法。
分析了量测数据协方差矩阵中的元素在白噪声、突变量和不良数据等3种状况下的变化规律，通过其变化规律来检测和辨识不良数据。提出利用最优二乘法检测不良数据检测，利用残差进行不良数据的辨识。提出了分布式的不良数据检测与辨识方法。通过将系统划分成若干个独立的子区域，各子区域的不良数据检测与辨识由该区域控制中心的计算完成。状态估计采用分布加权最小二乘法实现，不良数据的检测辨识采用分布式残差的方法实现。
以上的方法都是将加权残差或标准残差值作为特征值，并按照一定的置信度水平设置阀值来进行假设检验，从而识别不良数据。由于需采用残差方程进行辨识，状态估计的计算量大，且容易发生错误辨识的现象。
因此，出现了人工智能算法应用于谐波状态估计的不良数据识别中。主要分为基于神经网络、基于模糊理论和聚类分析的两种方法。采用典型工况的正确量测数据作为反向传播神经网络的训练样本，利用两级神经网络来比较预测值与原始量测值之间差值，并通过阀值的大小来识别不良数据。然而神经网络方法的缺点在于阀值选取带有较大的主观性和经验性，使得实际应用比较困难。基于模糊集和聚类分析的方法要人为地确定隶属度的大小，也带有一定的主观性。
4 展望
电力系统谐波状态估计的研究将为电力系统谐波监测和治理提供有效的支撑。通过对电力系统谐波状态估计算法、可观性分析及化配置和不良数据识别的评述，应尽快开展以下几方面的工作。
（1）谐波状态估计基础工作的进一步研究，包括同步发电机、电力变压器、输电线路、并联补偿装置、负荷等三相平衡或不平衡谐波模型及谐波源模型的建立。
（2）可观测分析依赖于系统拓扑结构，如果系统拓扑结构发生较大变化，须重新搜索；且应考虑到量测数据因某种原因（如故障等）而无法得到情况下的系统可观测性分析和状态估计。因此，需要提出电力系统谐波状态估计可观性分析的新方法，确定最小的谐波量测集，研究使谐波状态不可观测的网络变为可观测网络的可能性。因此，可观分析方法不仅要能够分析网络的可观性，也应能辨识出可观测岛，并尽可能地提供伪量测。
（3）电力系统谐波状态估计的实际应用，并开发实用的谐波状态估计软件。目前大多数学者的研究重点在于稳态领域的量测优化配置，未充分考虑系统动态行为的优化配置。结合经济性和可观性进行量测系统的优化配置；海量量测数据的关键信息提取和实时性保持；提出速度快且精度高的节点负荷实时估计算法；在允许的误差范围内研究删减不重要的支路。
参考文献
