رویکرد استدلال بیزی مبتنی بر الگوریتم بازگشتی برای به روز رسانی آنلاین قاعده باور مبتنی بر سیستم خبره تشخیص نشت خط لوله

در این مقاله یک الگوریتم بازگشتی براساس روش استدلال بیزی برای به روز رسانی یک سیستم خبره مبتنی بر قانون باور (‏BRB)‏برای تشخیص نشت خط لوله و تخمین اندازه نشت پیشنهاد شده‌است. علاوه بر استفاده از داده‌های زمان واقعی موجود، دانش کارشناسان در مورد روابط پارامترها در میان قوانین مختلف در فرآیند به روز رسانی گنجانده می‌شود تا عملکرد سیستم خبره بهبود یابد. آزمایش‌ها برای مقایسه الگوریتم پیشنهادی جدید با الگوریتم های منتشر شده قبلی انجام شده‌است و نتایج نشان می‌دهد که الگوریتم پیشنهادی می‌تواند سیستم خبره BRB را سریع‌تر و دقیق‌تر به روز رسانی کند که برای کاربردهای بلادرنگ مهم است. سیستم‌های خبره BRB می‌توانند به طور خودکار برای نمایش سیستم‌های پیچیده دنیای واقعی تنظیم شوند و به طور گسترده در مهندسی به کار گرفته شوند.

In this paper a recursive algorithm based on the Bayesian reasoning approach is proposed to update a belief rule based (BRB) expert system for pipeline leak detection and leak size estimation. In addition to using available real time data, expert knowledge on the relationships of the parameters among different rules is incorporated into the updating process so that the performance of the expert system can be improved. Experiments are carried out to compare the newly proposed algorithm with the previously published algorithms, and results show that the proposed algorithm can update the BRB expert system faster and more accurately, which is important for real-time applications. The BRB expert systems can be automatically tuned to represent complex real world systems, and applied widely in engineering.Research highlights► A recursive algorithm for updating the BRB expert system is proposed. ► The Bayesian reasoning approach is used in the inference of BRB. ► The BRB updated by the propose