1 、鉴识问题的求解方法
比较桥梁建设项目的鉴识作为一个典型的灰系统反问题，其分析求解的过程中所面临的主要困难在于如何解决解的适定性问题． 灰系统的数学物理方程仅由微分方程很难唯一地确定反问题的解，常常需要附加条件，而且即使附加条件能够唯一确定解，还需要解决解的适定性问题． 其一般数学模型如下:假设 F 和 U 均为度量空间 ( 分别称之为解空间与数据空间) ，算子 A: F→U映 F 到 U． 则反问题可以写成算子方程的形式:Az = u，( z ∈ F，u ∈ U) ． ( 1)式 ( 1) 中: A 可为积分算子、微分算子或矩阵 ( 有限秩算子) ． 当由已知的 A 和 z 求 u 即为正问题，而在已知 u 和 A 或仅知 u 的情况下反求 z 或 z 和 A 的情况即为反问题． 式 ( 1) 即为反问题的一般数学框架．在式 ( 1) 中，假设 ρF 和 ρU 分别是空间 F 和 U 的度量，算子 A: F→U是线性或非线性映射，假如问题同时满足下述 3 个条件则称其为适定的．1) u∈U，都存在 z∈F 满足方程 ( 1) ( 解的存在性) ．2) 设 u1，u2∈U，若 z1和 z2分别是方程( 1) 对应于 u1≠u2的解，则 z1≠z2( 解的唯一性) ．3) 解相对于空间偶 ( F，U) 而言是稳定的 ( 解的稳定性) ，即ε ＞ 0，δ( ε) ＞ 0 只要ρU( u1，u2) ≤ δ( ε) ，( u1，u2∈ U) ．( 2)便有ρF( z1，z2) ＜ ε，( Az1= u1，Az2= u2) ．( 3)问题的适定与不适定与 A、F、U 都有关，以上 3 个适定性条件具有相当的实际背景，其条件非常严苛，实际工程问题往往因为存在系统不确定性、模型不确定性、观测数据不确定性等诸多不确定性因素，导致反演结果具有较大的离散性．工程反问题的求解上，除了通过数学和物理的手段想方设法解决非适定性问题的计算稳定性外，另一种方法则是人工神经网络方法． 该方法求解过程不严格受制于适定性 3 个条件的制约，较大提高了反问题求解的可能和接受程度． 对于灰色甚至黑色的系统问题，神经网络方法较之复杂困难的数值方法更容易逼近问题的解．桥梁工程事故的鉴识问题事实上是一个灰系统反问题，要建立起能够精确描述二者关系的数学模型，并获得该方程解的适定性是非常困难的． 因此，借鉴其它科学领域解决灰系统问题的做法，采用神经网络的方法来寻找其规律是较为合适的．
2 、鉴识专家系统的框架
设计人工神经网络方法其本质是基于历史经验模拟人脑的经验性判断，应用人工神经网络方法来模拟大型桥梁建设项目的鉴识反问题，其实质就是建立人工模拟的专家鉴识反应． 但是，如果每次鉴识都需要重新建立和训练合适的网络，无疑将每次鉴识都孤立化，不利于鉴识工作的传承发展，并且不便于维护和发展该网络． 为了提供更智能、更友好的鉴识平台，以神经网络作为分析推理的核心模块，将解决鉴识工程反问题的所有过程集成为一个可完善、可补充、可检验、可查阅、可训练、可计算分析的系统，这就是可用于解决鉴识反问题的专家系统．由于专家鉴识系统需要长期地收集和管理数据库和训练更加成熟的网络，为了便于长期的管理和维护，选用具有高效的数据库管理功能的 VFP ( Visual FoxPro) 语言来建立可视化的专家系统界面，协助工程师在鉴识过程中收集桥梁建设项目的鉴识样本和输入鉴识数据，并与神经网络工具 MATLAB软件进行嵌套，实现分析过程的可视化，使得专家系统的界面更加友好和直观．桥梁建设项目的专家鉴识系统主要由3 个模块构成:1) 基础数据模块，提供了进行桥梁鉴识信息的输入、维护．2) 神经网络模块，调用神经网络程序，利用样本库进行网络训练和鉴识分析．3) 系统维护和系统帮助模块，为用户提供系统基本维护工具，提供软件使用说明和用户帮助．其中，基础数据模块和神经网络模块是核心部分． 基础数据模块包括桥梁常见破坏数据库、桥梁破坏登记数据库、工程阶段风险数据库、专家责任意见数据库以及数据库的综合查阅 5 个窗口．神经网络模块包括神经网络训练、录入待算数据，计算源码管理以及神经网络计算 4 个窗口． 该模块是专家鉴识系统的推理分析的核心模块，用于实现神经网络方法对专家鉴识过程的模拟．专家鉴识系统的核心是基础数据模块和神经网络模块，而这两个模块分别基于 VFP 和 MATLAB语言而实现的，要建立完善友好的专家鉴识系统，需要实现这两个语言程序之间函数的相互调用．VFP 语言用于实现可视化的专家系统界面，便于用户进行样本的收集、完善和登记，以及输入鉴识初始资料所需，并最终将 MATLAB 神经网络训练、检验及鉴识的结果在可视化界面上进行直观的指示，方便操作用户的查询、检索． 而 MATLAB 则用于神经网络的计算和模拟，可调用 VFP 建立的数据库，使用专家系统所收集到的样本，进行训练和检验，以及进行所指定的鉴识工作． VFP 和 MATLAB 的程序关系如图 1 所示.。
3、 系统知识数据库模块的构建
本专家鉴识系统是基于 VFP 平台开发的，因此系统中的基本信息资料以基础数据库的形式存在，并可在系统中实现实时保存和更新，程序流程如图 2 所示．本系统的专家知识库在基础数据模块中建立，包括桥梁常见破坏、桥梁破坏登记、阶段风险和专家意见 4 个分项数据库．
1) 桥梁常见破坏数据库，主要用于对桥梁各主要构件的常见破坏现象进行归类管理，便于在鉴识过程中对破坏进行识别． 每一条破坏现象信息均包括桥梁型式、结构位置、破坏构件、构件的重要性系数、破坏形式、破坏形式对事故的贡献度、构件型式、破坏现象、该破坏现象对构件健康的影响度，以及造成该破坏的原因和机理． 该数据库的构建将作为桥梁破坏判断和评价的依据． 因此，该数据库的完善有助于提高专家评价的可靠性，需要在长期的鉴识实践中进行不断地补充和维护．
2) 桥梁破坏登记数据库用于桥梁破坏事故发生后，专业鉴识人员对事故现象进行调查的结果登记，以及专家对破坏的实际情况依据破坏的等级、破坏的影响度、破坏的贡献度、破坏构件的重要性进行分项评价，并给出考虑权重之后的量化的评价意见，即破坏分值． 桥梁破坏登记数据库是最为重要的桥梁破坏信息集成，在长期的鉴识实践中，应不断地进行更新和补充，以增加神经网络的训练样本，提高网络精度．
3) 阶段风险数据库是对桥梁全寿命期内立项、设计、概预算招投标、施工、运营维护、报废拆除 6 个典型阶段可能发生的风险类型，以及风险源注册，作为专家责任意见的评价依据．
4) 专家意见数据库是根据桥梁破坏登记数据库中，鉴识工程师对桥梁破坏现象调查的登记项目，依据阶段风险责任数据库中事故发生阶段的可能风险构成及风险贡献程度，并考虑各破坏项目的机理和成因，而对桥梁个案的破坏相关责任做出的评价． 该数据库包括桥梁的破坏信息、破坏的责任方、责任说明、贡献程度、个案的贡献权重以及最后的责任比例． 责任比例 Pi遵循式 ( 4) ．Pi= αixi/ ∑αixi． ( 4)式 ( 4) 中: xi为参与方贡献程度，依据各工程参与方对该阶段事故风险的贡献能力进行定义; αi为贡献权重，依据桥梁破坏个案实际，对各工程参与方的风险贡献进行评价．
4 、系统神经网络仿真模块构建
专家知识数据模块中所构建的专家知识库，还需要专门的智能网络对其进行仿真，将所模拟得到的经验知识用于未来的专家判断． 为此，本系统开发了第 2 个核心模块即神经网络模块，该模块包括4 个管理窗口．
1) “神经网络训练” 窗口用于在专家系统中调用 MATLAB 程序，利用基础数据模块不断更新和完善的破坏登记纪录所形成的破坏样本数据，对网络进行训练．在该窗口可对基于 MATLAB 软件二次开发的桥梁建设项目鉴识神经网络程序进行直接的调用和运行，使得神经网络模块可以继承基础数据库模块所建立的专家知识样本库，并利用样本库对网络进行学习训练，以形成成熟的智能网络．神经网络的专家系统，其学习训练程序流程如图 3 所示．
2) “录入待算数据” 窗口用于对需要进行鉴识的案例数据进行整理和录入，与专家数据模块中的桥梁破坏登记窗口形式一致，最终在后台形成可为 MATLAB 程序调用的 “data. txt”数据文件．3) “计算源码管理” 窗口用于在 VFP 界面中直接对神经网络源程序进行调用、修改，并可以直接进行试算检测．考虑不同的案例对分析的精度和范围可能不同，为了方便网络的源码管理，还单独建立了神经网络的计算源码管理窗口．
4) “神经网络计算”窗口，用于利用训练成熟的网络，对被鉴识对象的破坏信息所形成的数据进行模拟和仿真，给出网络的鉴识分析结论，主要包括各工程相关责任方的事故责任构成，责任权重，责任比例，直接经济损失、间接经济损失和非经济损失的责任评价． 神经网络的计算分析流程如图4 所示．其算法通过检验后，可用于桥梁破坏责任和损失的评价分析．经过破坏调查后，对桥梁的破坏情况进行录入整理，就可以在 VFP 界面上利用训练成熟的神经网络对其进行鉴识分析，通过智能计算，判断其风险源的构成情况，在事故经济损失调查的基础上，给出经济损失和非经济损失的责任分配意见．
5 、结论
本文分析了桥梁建设项目工程鉴识的特殊性，阐述了桥梁工程鉴识作为典型的灰系统反问题，由于无法很好地解决解的适定性问题，难以应用传统的解析方法进行鉴识分析． 因此，采用神经网络方法将其复杂的事故影响关系黑箱化，并开发了用于桥梁鉴识分析的专家系统． 该系统采用 VFP 和MATLAB 语言构建了用于桥梁事故收集和管理的知识数据库和用于鉴识分析的神经网络仿真模块，令二者联合工作，通过网络训练和优化，设计独立的功能窗口，形成友好的人机界面． 该系统通过测试，能够很好地完成预定的鉴识任务，并可以通过进一步的数据收集和网络训练，使桥梁工程鉴识分析工作具有更高的准确性和稳定性，令鉴识的过程既可传承事故经验、又便于标准化操作．
作者：林立 单位：厦门理工学院土木工程与建筑系
