人工智能綜述-(Artificial-Intelligence)人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第1頁。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第1頁。人工智能“人工智能”(ArtificialIntelligence)簡稱AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，是計(jì)算機(jī)科學(xué)的一個(gè)分支。是計(jì)算機(jī)科學(xué)技術(shù)的前沿科技領(lǐng)域。人工智能雖然是計(jì)算機(jī)科學(xué)的一個(gè)分支，但它的研究卻不僅涉及到計(jì)算機(jī)科學(xué)，而且還涉及到腦科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)、邏輯學(xué)、認(rèn)知(思維)科學(xué)、行為科學(xué)和數(shù)學(xué)以及信息論、控制論和系統(tǒng)論等許多學(xué)科領(lǐng)域。因此，人工智能實(shí)際上是一門綜合性的交叉學(xué)科和邊緣學(xué)科。在世界各地對(duì)人工智能的研究很早就開始了。但對(duì)人工智能的真正實(shí)現(xiàn)要從計(jì)算機(jī)的誕生開始算起，這時(shí)人類才有可能以機(jī)器實(shí)現(xiàn)人類的智能。AI這個(gè)英文單詞最早是在1956年的一次會(huì)議上提出的，在此以后．因?yàn)橐恍┛茖W(xué)家的努力使它得以發(fā)展。但人工智能的進(jìn)展并不像我們期待的那樣迅速，因?yàn)槿斯ぶ悄艿幕纠碚撨€不完整．我們還不能從本質(zhì)上解釋我們的大腦為什么能夠思考，這種思考來自于什么，這種思考為什么得以產(chǎn)生等一系列問題。但經(jīng)過這幾十年的發(fā)展，人工智能正在以它巨大的力量影響著人們的生活[1]。一、人工智能涉及的技術(shù)或方法的基本功能、特點(diǎn)與適用對(duì)象目前，人工智能的研究是與具體領(lǐng)域相結(jié)合進(jìn)行的?；旧嫌腥缦骂I(lǐng)域[2]：1)問題求解人工智能的第一個(gè)大成就是發(fā)展了能夠求解難題的下棋(如國際象棋)程序。在下棋程序中應(yīng)用的某些技術(shù)，如向前看幾步，并把困難的問題分成一些比較容易的子問題，發(fā)展成為搜索和問題歸約這樣的人工智能基本技術(shù)。今天的計(jì)算機(jī)程序能夠下錦標(biāo)賽水平的各種方盤棋、十五子棋和國際象棋。另一種問題求解程序把各種數(shù)學(xué)公式符號(hào)匯編在一起，其性能達(dá)到很高的水平，并正在為許多科學(xué)家和工程師所應(yīng)用。有些程序甚至還能夠用經(jīng)驗(yàn)來改善其性能。2)邏輯推理與定理證明邏輯推理是人工智能研究中最持久的子領(lǐng)域之一。其中特別重要的是要找到一些方法，只把注意力集中在一個(gè)大型數(shù)據(jù)庫中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。對(duì)數(shù)學(xué)中臆測(cè)的定理尋找一個(gè)證明或反證，確實(shí)稱得上是一項(xiàng)智能任務(wù)。為此不僅需要有根據(jù)假設(shè)進(jìn)行演繹的能力，而且需人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第2頁。要某些直覺技巧。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第2頁。3)理解自然語言NLP(NaturallanguageProcessing)自然語言處理也是人工智能的早期研究領(lǐng)域之一，已經(jīng)編寫出能夠從內(nèi)部數(shù)據(jù)庫回答用英語提出的問題的程序。這些程序通過閱讀文本材料和建立內(nèi)部數(shù)據(jù)庫，能夠把句子從一種語言翻譯為另一種語言，執(zhí)行用英語給出的指令和獲取知識(shí)等。有些程序甚至能夠在一定程度上翻譯從話筒輸入的口頭指令(而不是從鍵盤打入計(jì)算機(jī)的指令)。目前語言處理研究的主要課題是：在翻譯句子時(shí)，以主題和對(duì)話情況為基礎(chǔ)，注意大量的一般常識(shí)一世界知識(shí)和期望作用的重要性。人工智能在語言翻譯與語音理解程序方面已經(jīng)取得的成就。發(fā)展為人類自然語言處理的新概念。4)自動(dòng)程序設(shè)計(jì)也許程序設(shè)計(jì)并不是人類知識(shí)的一個(gè)十分重要的方面，但是它本身卻是人工智能的一個(gè)重要研究領(lǐng)域。這個(gè)領(lǐng)域的工作叫做自動(dòng)程序設(shè)計(jì)。已經(jīng)研制出能夠以各種不同的目的描述(例如輸入，輸出對(duì)，高級(jí)語言描述。甚至英語描述算法)來編寫計(jì)算機(jī)程序。這方面的進(jìn)展局限于少數(shù)幾個(gè)完全現(xiàn)成的例子。對(duì)自動(dòng)程序設(shè)計(jì)的研究不僅可以促進(jìn)半自動(dòng)軟件開發(fā)系統(tǒng)的發(fā)展。而且也使通過修正自身數(shù)碼進(jìn)行學(xué)習(xí)(即修正它們的性能)的人工智能系統(tǒng)得到發(fā)展。自動(dòng)編制一份程序來獲得某種指定結(jié)果的任務(wù)同證明一份給定程序?qū)@得某種指定結(jié)果的任務(wù)是緊密相關(guān)的。后者叫做程序驗(yàn)證。許多自動(dòng)程序設(shè)計(jì)系統(tǒng)將產(chǎn)生一份輸出程序的驗(yàn)證作為額外收獲。5)專家系統(tǒng)專家系統(tǒng)是依靠人類專家已有的知識(shí)建立起來的知識(shí)系統(tǒng)。目前專家系統(tǒng)是人工智能研究中開展較早、最活躍、成效最多的領(lǐng)域，廣泛應(yīng)用于醫(yī)療診斷、地質(zhì)勘探、石油化工、軍事、文化教育等各方面。它是在特定的領(lǐng)域內(nèi)具有相應(yīng)的知識(shí)和經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)、模擬人類專家解決同題時(shí)的思維過程，來求解領(lǐng)域內(nèi)的各種問題，達(dá)到或接近專家的水平。一般地說，專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個(gè)領(lǐng)域知識(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來解決該領(lǐng)域的問題。也就是說，專家系統(tǒng)是一個(gè)具有大量專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域一個(gè)或多個(gè)人類專家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復(fù)雜問題。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第3頁。專家系統(tǒng)可以解決的問題一般包括解釋、預(yù)測(cè)、診斷、設(shè)計(jì)、規(guī)劃、監(jiān)視、修理、指導(dǎo)和控制等。高性能的專家系統(tǒng)也已經(jīng)從學(xué)術(shù)研究開始進(jìn)入實(shí)際應(yīng)用研究。隨著人工智能整體水平的提高，專家系統(tǒng)也獲得發(fā)展。正在開發(fā)的新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的方法，而且采用基于模型的原理。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第3頁。6)機(jī)器學(xué)習(xí)學(xué)習(xí)能力無疑是人工智能研究上最突出和最重要的一個(gè)方面。人工智能在這方面的研究近年來取得了一些進(jìn)展。學(xué)習(xí)是人類智能的主要標(biāo)志和獲得知識(shí)的基本手段。機(jī)器學(xué)習(xí)(自動(dòng)獲取新的事實(shí)及新的推理算法)是使計(jì)算機(jī)具有智能的根本途徑。正如香克(R.Shank)所說：“一臺(tái)計(jì)算機(jī)若不會(huì)學(xué)習(xí)，就不能稱為具有智能的?！贝送?，機(jī)器學(xué)習(xí)還有助于發(fā)現(xiàn)人類學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。所以這是一個(gè)始終得到重視，理論正在創(chuàng)立，方法日臻完善，但遠(yuǎn)未達(dá)到理想境地的研究領(lǐng)域。7)人工神經(jīng)網(wǎng)絡(luò)由于馮·諾依曼(VanNeumann)體系結(jié)構(gòu)的局限性，數(shù)字計(jì)算機(jī)存在一些尚無法解決的問題。人們一直在尋找新的信息處理機(jī)制，神經(jīng)網(wǎng)絡(luò)計(jì)算就是其中之一。研究結(jié)果已經(jīng)證明，用神經(jīng)網(wǎng)絡(luò)處理直覺和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。神經(jīng)網(wǎng)絡(luò)的發(fā)展有著非常廣闊的科學(xué)背景，是眾多學(xué)科研究的綜合成果。神經(jīng)生理學(xué)家、心理學(xué)家與計(jì)算機(jī)科學(xué)家的共同研究得出的結(jié)論是：人腦是一個(gè)功能特別強(qiáng)大、結(jié)構(gòu)異常復(fù)雜的信息處理系統(tǒng)，其基礎(chǔ)是神經(jīng)元及其互聯(lián)關(guān)系。因此，對(duì)人腦神經(jīng)元和人工神經(jīng)網(wǎng)絡(luò)的研究，可能創(chuàng)造出新一代人工智能機(jī)—神經(jīng)計(jì)算機(jī)。對(duì)神經(jīng)網(wǎng)絡(luò)的研究始于40年代初期，經(jīng)歷了一條十分曲折的道路，幾起幾落，80年代初以來，對(duì)神經(jīng)網(wǎng)絡(luò)的研究再次出現(xiàn)高潮?；羝辗茽柕?Hopfield)提出用硬件實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)，魯梅爾哈特(Rumelhart)等提出多層網(wǎng)絡(luò)中的反向傳播(BP)算法就是兩個(gè)重要標(biāo)志?，F(xiàn)在，神經(jīng)網(wǎng)絡(luò)已在模式識(shí)別、圖象處理、組合優(yōu)化、自動(dòng)控制、信息處理、機(jī)器人學(xué)和人工智能的其它領(lǐng)域獲得日益廣泛的應(yīng)用。8)機(jī)器人學(xué)人工智能研究日益受到重視的另一個(gè)分支是機(jī)器人學(xué)．其中包括對(duì)操作機(jī)器人裝置程序的研究。這個(gè)領(lǐng)域所研究的問題，從機(jī)器人手臂的最佳移動(dòng)到實(shí)現(xiàn)機(jī)器人目標(biāo)的動(dòng)作序列的規(guī)劃方法，無所不包。機(jī)器人和機(jī)器人學(xué)的研究促進(jìn)了許多人工智能思想的發(fā)展。它所導(dǎo)致的一些人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第4頁。技術(shù)可用來模擬世界的狀態(tài)，用來描述從一種世界狀態(tài)轉(zhuǎn)變?yōu)榱硪环N世界狀態(tài)的過程。它對(duì)于怎樣產(chǎn)生動(dòng)作序列的規(guī)劃以及怎樣監(jiān)督這些規(guī)劃的執(zhí)行有了一種較好的理解。復(fù)雜的機(jī)器人控制問題迫使我們發(fā)展一些方法，先在抽象和忽略細(xì)節(jié)的高層進(jìn)行規(guī)劃，然后再逐步在細(xì)節(jié)越來越重要的低層進(jìn)行規(guī)劃。機(jī)器人已在各種工業(yè)、農(nóng)業(yè)、商北、旅游業(yè)、空中和海洋以及國防等領(lǐng)域獲得越來越普遍的應(yīng)用。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第4頁。9)模式識(shí)別計(jì)算機(jī)硬件的迅速發(fā)展，計(jì)算機(jī)應(yīng)用領(lǐng)域的不斷開拓，急切地要求計(jì)算機(jī)能更有效地感知諸如聲音、文字、圖像、溫度、震動(dòng)等等信息資料，模式識(shí)別便得到迅速發(fā)展。“模式”(Pattern)一詞的本意是指完美無缺的供模仿的一些標(biāo)本。模式識(shí)別就是指識(shí)別出給定物體所模仿的標(biāo)本。人工智能所研究的模式識(shí)別是指用計(jì)算機(jī)代替人類或幫助人類感知模式，是對(duì)人類感知外界功能的模擬。研究的是計(jì)算機(jī)模式識(shí)別系統(tǒng)，也就是使一個(gè)計(jì)算機(jī)系統(tǒng)具有模擬人類通過感官接受外界信息、識(shí)別和理解周圍環(huán)境的感知能力。模式識(shí)別是一個(gè)不斷發(fā)展的新學(xué)科。它的理論基礎(chǔ)和研究范圍也在不斷發(fā)展。隨著生物醫(yī)學(xué)對(duì)人類大腦的初步認(rèn)識(shí)，模擬人腦構(gòu)造的計(jì)算機(jī)實(shí)驗(yàn)即人工神經(jīng)網(wǎng)絡(luò)方法早在50年代表、60年代初就已經(jīng)開始。至今，在模式識(shí)別領(lǐng)域，神經(jīng)網(wǎng)絡(luò)方法已經(jīng)成功地用于手寫字符的識(shí)別、汽車牌照的識(shí)別、指紋識(shí)別、語音識(shí)別等方面。目前模式識(shí)別學(xué)科正處于大發(fā)展的階段，隨著應(yīng)用范圍的不斷擴(kuò)大，隨著計(jì)算機(jī)科學(xué)的不斷進(jìn)步，基于人工神經(jīng)網(wǎng)絡(luò)的模式識(shí)別技術(shù)。在90年代將有更大的發(fā)展。10)機(jī)器視覺機(jī)器視覺或計(jì)算機(jī)視覺已從模式識(shí)別的一個(gè)研究領(lǐng)域發(fā)展為一門獨(dú)立的學(xué)科。機(jī)器視覺的前沿研究領(lǐng)域包括實(shí)時(shí)并行處理、主動(dòng)式定性視覺、動(dòng)態(tài)和時(shí)變視覺、三維景物的建模與識(shí)別、實(shí)時(shí)圖像壓縮傳輸和復(fù)原、多光譜和彩色圖像的處理與解釋等。機(jī)器視覺已在機(jī)器人裝配、衛(wèi)星圖像處理、工業(yè)過程監(jiān)控、飛行器跟蹤和制導(dǎo)以及電視實(shí)況轉(zhuǎn)播等領(lǐng)域獲得極為廣泛的成用。11)智能決策支持系統(tǒng)決策支持系統(tǒng)是屬于管理科學(xué)的范疇，它與“知識(shí)—智能”有著極其密切的關(guān)系。在80年代以來專家系統(tǒng)在許多方面取得成功，將人工智能中特別是智能和知識(shí)處理技術(shù)應(yīng)用于決策支持系統(tǒng)，擴(kuò)大了決策支持系統(tǒng)的應(yīng)用范圍，提高了系人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第5頁。統(tǒng)解決問題的能力，這就成為智能決策支持系統(tǒng)。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第5頁。12)智能控制人工智能的發(fā)展促進(jìn)自動(dòng)控制向智能控制發(fā)展。智能控制是一類無需(或需要盡可能少的)人的干預(yù)就能夠獨(dú)立地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動(dòng)控制?；蛘哒f，智能控制是驅(qū)動(dòng)智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過程。隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，已可能把自動(dòng)控制和人工智能以及系統(tǒng)科學(xué)的某些分支結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自動(dòng)控制的最新發(fā)展階段，也是用計(jì)算機(jī)模擬人類智能的一個(gè)重要研究領(lǐng)域。1965年。傅哀孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)。十多年后，建立實(shí)用智能控制系統(tǒng)的技術(shù)逐漸成熟。1971年，傅京孫提出把人工智能與自動(dòng)控制結(jié)合起來的思想。1977年，美國薩里迪斯提出把人工智能、控制論和運(yùn)籌學(xué)結(jié)合起來的思想。1986年，中國的蔡自興提出把人工智能、控制論、信息論和運(yùn)籌學(xué)結(jié)合起來的思想。按照這些結(jié)構(gòu)理論已經(jīng)研究出一些智能控制的理論和技術(shù)，用來構(gòu)造用于不同領(lǐng)域的智能控制系統(tǒng)。13)智能檢索隨著科學(xué)技術(shù)的迅速發(fā)展．出現(xiàn)了“知識(shí)爆炸”的情況。對(duì)國內(nèi)外種類繁多和數(shù)量巨大的科技文獻(xiàn)之檢索遠(yuǎn)非人力和傳統(tǒng)檢索系統(tǒng)所能勝任。研究智能檢索系統(tǒng)已成為科技持續(xù)快速發(fā)展的重要保證。數(shù)據(jù)庫系統(tǒng)是儲(chǔ)蓄某學(xué)科大量事實(shí)的計(jì)算機(jī)軟件系統(tǒng)，它們可以回答用戶提出的有關(guān)該學(xué)科的各種問題。數(shù)據(jù)庫系統(tǒng)的設(shè)計(jì)也是計(jì)算機(jī)科學(xué)的一個(gè)活躍的分支。為了有效地表示、存儲(chǔ)和檢索大量事實(shí)，已經(jīng)發(fā)展了許多技術(shù)。當(dāng)我們想用數(shù)據(jù)庫中的事實(shí)進(jìn)行推理并從中檢索答案時(shí)，這個(gè)課題就顯得很有意義。14)智能調(diào)度與指揮確定最佳調(diào)度或組合的問題是我們最感興趣的又一類問題。一個(gè)古典的問題就怒推銷員旅行問題。這個(gè)問題要求為推銷員尋找一條最短的旅行路線。他從某個(gè)城市出發(fā)，訪問每個(gè)城市一次，且只許一次，然后回到出發(fā)的城市。大多數(shù)這類問題能夠從可能的組合或序列中選取一個(gè)答案，不過組合或序列的范圍很大。試圖求解這類問題的程序產(chǎn)生了一種組合爆炸的可能性。這樣，即使是大型計(jì)算機(jī)的容量也會(huì)被用光。在這些問題中有幾個(gè)(包括推銷員旅行問題)是屬于計(jì)算理論家稱為NP完全性一類的問題。他們根據(jù)理論上最佳方法計(jì)算出所耗時(shí)間(或所走步數(shù))的最壞情況來排列不同問題的難度。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第6頁。智能組合調(diào)度與指揮方法已被應(yīng)用于汽車運(yùn)輸調(diào)度、列車的編組與指揮、空中交通管制以及軍事指揮等系統(tǒng)。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第6頁。15)系統(tǒng)與語言工具入工智能對(duì)計(jì)算機(jī)界的某些最大貢獻(xiàn)已經(jīng)以派生的形式表現(xiàn)出來。計(jì)算機(jī)系統(tǒng)的一些概念，如分時(shí)系統(tǒng)、編目處理系統(tǒng)和交互調(diào)試系統(tǒng)等，已經(jīng)在人工智能研究中得到發(fā)展。幾種知識(shí)表達(dá)語言(把編碼知識(shí)和推理方法作為數(shù)據(jù)結(jié)構(gòu)和過程計(jì)算機(jī)的語言)已在70年代后期開發(fā)出來，以探索各種建立推理程序的思想。特里.威諾格雷(TerryWinograd)在文章《在程序設(shè)計(jì)語言之外》(1979年)討論了他的某些關(guān)于計(jì)算機(jī)的未來思想；其中部分思想是在他的人工智能研究中產(chǎn)生的。80年代以來，計(jì)算機(jī)系統(tǒng)、如分布式系統(tǒng)。并行處理系統(tǒng)、多機(jī)協(xié)作系統(tǒng)和各種計(jì)算機(jī)網(wǎng)絡(luò)等，都有了發(fā)展。在人工智能程序設(shè)計(jì)語言方面，除了繼續(xù)開發(fā)和改進(jìn)通用和專用的編程語言新版本和新語種外，還研究出了一些面向目標(biāo)的編程語言和專用開發(fā)工具。對(duì)關(guān)系數(shù)據(jù)庫研究所取得的進(jìn)展．無疑為人工智能程序設(shè)計(jì)提供了新的有效工具。二、人工智能的發(fā)展現(xiàn)狀、前景及局限性[3,4,5]目前絕大多數(shù)人工智能系統(tǒng)都是建立在物理符號(hào)系統(tǒng)假設(shè)之上的。在尚未出現(xiàn)能與物理符號(hào)系統(tǒng)假設(shè)相抗衡的新的人工智能理論之前，無論從設(shè)計(jì)原理還是從已取得的實(shí)驗(yàn)結(jié)果來看，Soar在探討智能行為的一般特征和人類認(rèn)知的具體特征的艱難征途上都取得了有特色的進(jìn)展或成就，處在人工智能研究的前沿。80年代，以NewellA為代表的研究學(xué)者總結(jié)了專家系統(tǒng)的成功經(jīng)驗(yàn)，吸收了認(rèn)知科學(xué)研究的最新成果，提出了作為通用智能基礎(chǔ)的體系結(jié)構(gòu)Soar。目前的Soar已經(jīng)顯示出強(qiáng)大的問題求解能力。在Soar中已實(shí)現(xiàn)了84多種搜索方法，實(shí)現(xiàn)了若干知識(shí)密集型任務(wù)（專家系統(tǒng)），如RI等。rooks提出了人工智能的一種新的途徑。它認(rèn)為無需概念或者說無需符號(hào)表示，智能系統(tǒng)的能力可以逐步進(jìn)化。在它的研究中突出4個(gè)概念：(1)所處的境遇：機(jī)器人不涉及抽象的描述，而是處在直接影響系統(tǒng)的行為的境地。(2)具體化：機(jī)器人有軀干，有直接來自周圍世界的經(jīng)驗(yàn)，他們的感官起作用后立即會(huì)有反饋。(3)智能：智能的來源不僅僅是限于計(jì)算裝置，也是由于與周圍進(jìn)行交互的動(dòng)態(tài)決定。(4)浮現(xiàn)：從系統(tǒng)與周圍世界的交互以及有時(shí)候系統(tǒng)的部件間的交互浮現(xiàn)出人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第7頁。智能。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第7頁。智能行為不僅僅體現(xiàn)在構(gòu)成世界的個(gè)體的活動(dòng)，而更體現(xiàn)在個(gè)體之間的相互依存的活動(dòng)中。因此，新的AI系統(tǒng)應(yīng)由一系列的“自力”的個(gè)體組成這些個(gè)體，在問題求解時(shí)，可以發(fā)生爭論，爭論的目的是為了找到問題更準(zhǔn)確的答案，同時(shí)在爭論的過程中發(fā)生學(xué)習(xí)過程。人工智能雖然取得了一定的成果，但是在研究中也遇到了一系列的問題，這主要表現(xiàn)在下列幾個(gè)方面：1)宏觀與微觀隔離一方面是哲學(xué)、認(rèn)知科學(xué)、思維科學(xué)和心理學(xué)等學(xué)科所研究的智能層次太高、太抽象；另一方面是人工智能邏輯符號(hào)、神經(jīng)網(wǎng)絡(luò)和行為主義所研究的智能層次太低。這兩方面之間相距太遠(yuǎn)，中間還有許多層次未予研究，無法把宏觀與微觀有機(jī)地結(jié)合起來和相互滲透。2)全局與局部割裂人類智能是腦系統(tǒng)的整體效應(yīng)，有著豐富的層次和多個(gè)側(cè)面。但是，符號(hào)主義只抓住人腦的抽象思維特性；連接主義只模仿人的形象思維特性；行為主義則著眼于人類智能行為特性及其進(jìn)化過程。它們存在明顯的局限性。必須從多層次、多因素、多維和全局觀點(diǎn)來研究智能，才能克服上述局限性。3)理論和實(shí)際脫節(jié)大腦的實(shí)際工作，在宏觀上我們已知道得不少；但是智能的千姿百態(tài)，變幻莫測(cè)，復(fù)雜得難以理出清晰的頭緒。在微觀上，我們對(duì)大腦的工作機(jī)制卻知之甚少，似是而非，使我們難以找出規(guī)律。在這種背景下提出的各種人工智能理論，只是部分人的主觀猜想，能在某些方面表現(xiàn)出“智能“就算相當(dāng)成功了。著眼于這些難題的解決，抓住人工智能的生長點(diǎn)，使人工智能產(chǎn)生質(zhì)的飛躍，是我們將要作的工作。這些工作歸納起來可以概括為：(1)關(guān)聯(lián)性；(2)整體性；(3)主動(dòng)性；(4)動(dòng)態(tài)性；(5)抽象性；(6)歸納性；(7)開放性等方面的研究。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第8頁。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第8頁。人工智能在電力系統(tǒng)負(fù)荷預(yù)測(cè)中的應(yīng)用眾所周知，電力負(fù)荷的變化呈現(xiàn)出周期性有規(guī)律的變化，同時(shí)又包含有隨機(jī)性，按隨機(jī)性的表現(xiàn)又可分為外部隨機(jī)和內(nèi)部隨機(jī)。如天氣、氣候，特殊事件等不確定因素的影響，屬于外部隨機(jī)。在地區(qū)性總負(fù)荷組成中含有各種隨機(jī)變化的分量，屬于內(nèi)部隨機(jī)。如何正確的分析出負(fù)荷變化中的周期分量和隨機(jī)分量，是研究負(fù)荷預(yù)測(cè)高精度的關(guān)鍵問題[6]。而負(fù)荷預(yù)測(cè)研究已有五十多年歷史，從經(jīng)典的回歸分析方法、時(shí)間序列法、相似日法等開始研究，一直到七十年代開始，隨著人工智能技術(shù)引入負(fù)荷預(yù)測(cè)領(lǐng)域，開辟了不少新的研究方法，如灰色系統(tǒng)理論、專家系統(tǒng)(ES)、神經(jīng)網(wǎng)絡(luò)(NN)、模糊理論(FST)、混沌理論(CT)、小波分析(Wavelets)、數(shù)據(jù)挖掘(DM)等[7]。一、電力系統(tǒng)負(fù)荷預(yù)測(cè)的實(shí)質(zhì)與難點(diǎn)由于負(fù)荷預(yù)測(cè)是根據(jù)電力負(fù)荷的過去和現(xiàn)在推測(cè)它的未來數(shù)值，所以負(fù)荷預(yù)測(cè)研究的對(duì)象是不肯定事件，可以從以下幾個(gè)方面分析負(fù)荷預(yù)測(cè)的實(shí)質(zhì):①預(yù)測(cè)結(jié)果的非準(zhǔn)確性。電力負(fù)荷的未來發(fā)展受各種復(fù)雜因素的影響，這些影響因素是發(fā)展變化的，如社會(huì)經(jīng)濟(jì)發(fā)展、人口增長、全球氣候變化、新技術(shù)發(fā)展、能源產(chǎn)業(yè)政策等。人們對(duì)有些因素能預(yù)先估計(jì)，有些因素則不能或很難被準(zhǔn)確預(yù)測(cè)。同時(shí)，預(yù)測(cè)方法與理論的不斷更新，也將影響到預(yù)測(cè)的精度。②預(yù)測(cè)的條件性。各種電力負(fù)荷預(yù)測(cè)都是在一定條件下做出的。這些條件有必然條件和假設(shè)條件，按必然條件做出的負(fù)荷預(yù)測(cè)往往是可靠的，按假設(shè)條件做出的預(yù)測(cè)準(zhǔn)確性顯然具有條件性。比如說：對(duì)于工業(yè)負(fù)荷，由于其與國民經(jīng)濟(jì)的整體發(fā)展密切相關(guān)，但是對(duì)某一特定期限內(nèi)，很難預(yù)測(cè)國民經(jīng)濟(jì)的增長率。這就決定了在所有預(yù)測(cè)中，工業(yè)負(fù)荷的預(yù)測(cè)最為困難，為此必須引入某些假設(shè)條件，如設(shè)定在預(yù)測(cè)期內(nèi)經(jīng)濟(jì)的遞增率。很顯然，由此做出的負(fù)荷預(yù)測(cè)就具有了特定的條件性。③預(yù)測(cè)結(jié)果的多方案性[8]。由于負(fù)荷預(yù)測(cè)具有精度問題和受一定預(yù)測(cè)條件的制約，再加上預(yù)測(cè)手段及理論數(shù)學(xué)模型的多樣性，使得預(yù)測(cè)的結(jié)果并非是唯一的。為搞好電力系統(tǒng)負(fù)荷預(yù)測(cè)，面臨著兩大難點(diǎn)：第一，搜集和掌握大量的歷史數(shù)據(jù)。歷史資料是進(jìn)行電力系統(tǒng)負(fù)荷預(yù)測(cè)的基礎(chǔ)，既要收集負(fù)荷數(shù)據(jù)，又要收集影響負(fù)荷情況的相關(guān)因素?cái)?shù)據(jù)。這些資料的來源主要有兩種途徑：1)國家部門及相關(guān)機(jī)構(gòu)定期或不定期發(fā)表的報(bào)刊、資料、文獻(xiàn)及出版物。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第9頁。2)預(yù)測(cè)人員通過調(diào)查獲得的資料．人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第9頁。對(duì)歷史資料要進(jìn)行整理與校核，力圖保證完整性與準(zhǔn)確性，對(duì)異常數(shù)據(jù)需要修正或刪除。做出客觀而又全面的統(tǒng)計(jì)分析，為預(yù)測(cè)工作打好基礎(chǔ)。統(tǒng)計(jì)分析的目標(biāo)是選出有代表性的，真實(shí)的、可用程度高的資料，作為預(yù)測(cè)的基礎(chǔ)數(shù)據(jù)。第二，采用新的科學(xué)預(yù)測(cè)理論與分析方法，同時(shí)，還必須注意與負(fù)荷預(yù)測(cè)相關(guān)的領(lǐng)域的發(fā)展動(dòng)向，使電力負(fù)荷預(yù)測(cè)的理論基礎(chǔ)保持先進(jìn)性。此外，在世界各國，由于電力需求隨經(jīng)濟(jì)增長的趨勢(shì)類同，因此，在進(jìn)行全國范圍的電力負(fù)荷預(yù)測(cè)時(shí)，可以參照國外的電力消費(fèi)資料，確定本國的電力需求量。這種方法的關(guān)鍵是在于選擇合適的對(duì)比國家。一般選經(jīng)濟(jì)發(fā)達(dá)、且經(jīng)濟(jì)結(jié)構(gòu)與本國有某種相似的國家作對(duì)比和分析。二、應(yīng)用人工智能技術(shù)解決電力系統(tǒng)負(fù)荷預(yù)測(cè)原因分析電力系統(tǒng)是一個(gè)有機(jī)體，在電網(wǎng)范圍內(nèi)，必須每時(shí)每刻保持發(fā)、供電之間的平衡，這就要求電力負(fù)荷預(yù)測(cè)精度要相當(dāng)?shù)馗?。影響?fù)荷預(yù)測(cè)準(zhǔn)確性的因素有以下幾種：①?zèng)]有一種預(yù)測(cè)模型能適用于所有的負(fù)荷預(yù)測(cè)，各種負(fù)荷預(yù)測(cè)模型都有一定的時(shí)間范圍。因此要對(duì)負(fù)荷在各種情況下可能的發(fā)展?fàn)顩r進(jìn)行預(yù)測(cè)，就需要一個(gè)多種方案組合的負(fù)荷預(yù)測(cè)。②電力負(fù)荷的發(fā)展變化受各種各樣復(fù)雜因素的影響，而且各種影響因素也是發(fā)展變化的，人們對(duì)這些發(fā)展變化有些能夠預(yù)先估計(jì)，有些卻很難事先預(yù)見到，加上一些臨時(shí)情況發(fā)生變化的影響，這就決定了預(yù)測(cè)結(jié)果的非準(zhǔn)確性或不完全準(zhǔn)確性。③負(fù)荷預(yù)測(cè)受不確定因素影響較大。在影響電力負(fù)荷變化的諸多因素中，許多因素是具有很大的不確定性的，如政治經(jīng)濟(jì)條件、天氣變化等，往往難以準(zhǔn)確預(yù)料，這就給電力負(fù)荷預(yù)測(cè)工作帶來了很大的困難，使電力負(fù)荷預(yù)測(cè)也具有顯著的不確定性。因此，預(yù)測(cè)人員應(yīng)對(duì)可能影響到預(yù)測(cè)結(jié)果準(zhǔn)確性的各因素做出科學(xué)合理的分析和判斷，對(duì)這些因素可能產(chǎn)生的變化或變化的可能性和趨勢(shì)做出盡可能定量的估計(jì)。在進(jìn)行實(shí)際的負(fù)荷預(yù)測(cè)時(shí)，由于預(yù)測(cè)量發(fā)展變化的規(guī)律復(fù)雜多樣，采用單一方法進(jìn)行預(yù)測(cè)，很難取得令人滿意的結(jié)果。這就要求建立完備的預(yù)測(cè)模型庫。其次，預(yù)測(cè)方法本身應(yīng)能具備較強(qiáng)的適應(yīng)性，應(yīng)該能夠在多種預(yù)測(cè)模型得到的結(jié)果基礎(chǔ)上，進(jìn)行合理的綜合分析、優(yōu)化組合，得到最接近于客觀規(guī)律、可靠性好、預(yù)測(cè)精度高的綜合模型。而目前廣泛采用的人工神經(jīng)網(wǎng)絡(luò)技術(shù)的主要優(yōu)點(diǎn)在于它不需要任何負(fù)荷模人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第10頁。型，并具有很好的函數(shù)逼近能力，較好地解決了天氣和溫度等因素與負(fù)荷的對(duì)應(yīng)關(guān)系，通過學(xué)習(xí)能夠反映輸入、輸出之間復(fù)雜的非線性關(guān)系。與傳統(tǒng)預(yù)測(cè)方法相比，這種方法具有其不可比擬的優(yōu)點(diǎn)，所以，人工神經(jīng)網(wǎng)絡(luò)得到了眾多學(xué)者的贊譽(yù)。所以能夠應(yīng)用人工智能的方法解決電力系統(tǒng)的負(fù)荷預(yù)測(cè)問題。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第10頁。同時(shí)，傳統(tǒng)的基于統(tǒng)計(jì)學(xué)的負(fù)荷預(yù)測(cè)方法，如時(shí)間序列法、回歸分析法等，其本質(zhì)都是通過對(duì)歷史用電數(shù)據(jù)及相關(guān)因素分析整理，求出負(fù)荷變化的趨勢(shì)，從而借此外推實(shí)現(xiàn)預(yù)測(cè)，因此對(duì)數(shù)據(jù)的要求很高，特別是在歷史數(shù)據(jù)殘缺或存在較大誤差的情況下，具有較大的局限性。隨著人工智能技術(shù)的發(fā)展，80年代中后期，在人工智能領(lǐng)域最為活躍的專家系統(tǒng)技術(shù)在負(fù)荷預(yù)測(cè)技術(shù)中首先得到了成功的應(yīng)用[9]，隨后陸續(xù)出現(xiàn)了模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)法等新方法，它們?cè)谔幚矸蔷€性問題上取得了很大的進(jìn)展。三、解決負(fù)荷預(yù)測(cè)的基本思路[10](1)確定預(yù)測(cè)目標(biāo)，制定預(yù)測(cè)計(jì)劃確定預(yù)測(cè)目標(biāo)就是在明確預(yù)測(cè)目的的前提下，規(guī)定預(yù)測(cè)對(duì)象的范圍、內(nèi)容和預(yù)測(cè)期限，從而制定有效的預(yù)測(cè)計(jì)劃。預(yù)測(cè)范圍一般視研究問題所涉及的范圍而定；預(yù)測(cè)的內(nèi)容一般包括電力、電量、電力負(fù)荷的地區(qū)分布，電力負(fù)荷隨時(shí)間的變化規(guī)律以及電力負(fù)荷曲線等負(fù)荷特性相關(guān)指標(biāo)；預(yù)測(cè)期限一般分短期預(yù)測(cè)(5年期)、中期預(yù)測(cè)(5～10年期)和長期預(yù)測(cè)(15年以上期)；制定預(yù)測(cè)計(jì)劃一般要考慮的主要問題有：需要的歷史資料(按年、按季、按月、按周或按日)，需要多少項(xiàng)資料，資料的來源和搜索資料的方法，預(yù)測(cè)的方法、預(yù)測(cè)工作的分工及完成時(shí)間和所需經(jīng)費(fèi)來源等。(2)調(diào)查、搜集和選擇資料資料是預(yù)測(cè)的基本依據(jù)，占有資料的充裕程度及資料的權(quán)威可信性對(duì)預(yù)測(cè)結(jié)果的可信度是至關(guān)重要的。一般做電力負(fù)荷預(yù)測(cè)時(shí)需要搜集的資料主要是電力企業(yè)和國民經(jīng)濟(jì)有關(guān)部門的資料，主要包括：歷年電力消費(fèi)用電負(fù)荷、用電量、用電構(gòu)成；經(jīng)濟(jì)發(fā)展目標(biāo)(如國民生產(chǎn)總值、三次產(chǎn)業(yè)生產(chǎn)總值等)，國民經(jīng)濟(jì)結(jié)果的歷史現(xiàn)狀及可能的變化發(fā)展趨勢(shì)；人口預(yù)測(cè)資料及人均收入水平；能源利用效率及用電比重變化；工業(yè)布局及用戶的用電水平指標(biāo)；國家重要政策資料(如小康規(guī)劃目標(biāo)，限制高耗能政策等)及國內(nèi)外參考地區(qū)的上述類似歷史資料。資料的主要來源一般有兩種途徑：一是各國政府、研究機(jī)構(gòu)等定期或不定期發(fā)表或在網(wǎng)上公布的報(bào)刊、資料文獻(xiàn)和其他相關(guān)出版物(比如統(tǒng)計(jì)年鑒、電力年人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第11頁。鑒等)；二是預(yù)測(cè)人員通過調(diào)查所獲取的資料。由于資料的來源、統(tǒng)計(jì)計(jì)算口徑及調(diào)查方法的不同都會(huì)對(duì)資料的可信度產(chǎn)生不同的影響，因此要對(duì)調(diào)查搜集起來的資料進(jìn)行鑒別，去偽存真，以保證預(yù)測(cè)所用的資料翔實(shí)可靠。一般挑選資料的標(biāo)準(zhǔn)為直接相關(guān)性、可靠性和最新性。要先把符合這三點(diǎn)的資料挑出來加以深入研究，此后再考慮是否還需要再搜集其他資料。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第11頁。(3)資料的整理整理資料的目的是為了保證預(yù)測(cè)所使資料的質(zhì)量，從而為保證預(yù)測(cè)結(jié)果的質(zhì)量打下基礎(chǔ)。衡量一個(gè)統(tǒng)計(jì)資料質(zhì)量高低的標(biāo)準(zhǔn)主要有以下幾個(gè)方面：①資料是否完整無缺，各期指標(biāo)是否齊全。②數(shù)字是否準(zhǔn)確無誤,是否反映正常狀態(tài)下的水平，是否有異常值。③時(shí)間數(shù)列各值間是否有可比性。④歷史資料的表現(xiàn)形式是否適合需要,是否需要交換以及計(jì)算單位是否規(guī)范化等問題也要注意。資料的整理主要有以下幾項(xiàng)內(nèi)容：①資料的補(bǔ)缺推算：如果中間某一項(xiàng)的資料空缺，則可利用相鄰兩邊資料取平均值近似代替；如果開頭或末尾某一項(xiàng)空缺，則可利用比例趨勢(shì)法計(jì)算代替。②對(duì)不可靠資料要加以核實(shí)：對(duì)能查明原因的異常值可用適當(dāng)?shù)姆椒右孕拚?；?duì)原因不明而又沒有可靠修正根據(jù)的資料，最好刪去。③對(duì)時(shí)間數(shù)列中不可比資料要加以調(diào)整，務(wù)必使資料在時(shí)間上有可比性：時(shí)間數(shù)列資料的可比性主要包括各期統(tǒng)計(jì)指標(biāo)的口徑范圍是否完全一致，各期價(jià)值指標(biāo)所用價(jià)格有無變動(dòng)，各期時(shí)間單位長度是否可比，周期性的季節(jié)變動(dòng)資料的各期資料是否可比及是否能如實(shí)反映周期性變動(dòng)規(guī)律等。④根據(jù)研究目的，認(rèn)真考慮時(shí)間數(shù)列的起止時(shí)間，即應(yīng)截取哪段時(shí)期的資料使用。(4)資料的初步分析在經(jīng)過整理之后，還要對(duì)資料進(jìn)行初步分析，一般包括以下幾個(gè)主要方面：①畫出動(dòng)態(tài)折線圖或散點(diǎn)圖，從圖形中觀察資料變動(dòng)的軌跡特別要注意離群的數(shù)值和轉(zhuǎn)折點(diǎn)，并且研究它是偶然的還是其他什么確定的原因所致。②查明異常值的原因后，用適當(dāng)?shù)姆椒右蕴幚?，使歷史數(shù)據(jù)趨于平穩(wěn)。常用的處理方法是：設(shè)負(fù)荷的歷史數(shù)據(jù)為QUOTE,令QUOTE，若QUOTE，取QUOTE；若QUOTE，取QUOTE。③計(jì)算一些統(tǒng)計(jì)量，如相關(guān)系數(shù)，以進(jìn)一步辨別資料的軌跡性質(zhì),為建立模型做準(zhǔn)備。(5)深入分析資料，選擇預(yù)測(cè)方法對(duì)經(jīng)過鑒別整理后的資料進(jìn)行深入分析，尋求預(yù)測(cè)量的演變規(guī)律或發(fā)展趨勢(shì)，選擇合適的預(yù)測(cè)方法。由于各種預(yù)測(cè)方法均有其不同的特點(diǎn)和使用范圍，因此應(yīng)人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第12頁。根據(jù)對(duì)資料的占有情況和資料樣式以及預(yù)測(cè)目的、預(yù)測(cè)期限、預(yù)測(cè)規(guī)模、預(yù)測(cè)結(jié)果的準(zhǔn)確度，同時(shí)考慮預(yù)測(cè)本身的效益成本分析等進(jìn)行權(quán)衡，做出合理的選擇。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第12頁。由于正確選擇預(yù)測(cè)方法在負(fù)荷預(yù)測(cè)中具有關(guān)鍵的作用，有時(shí)選擇不當(dāng)，預(yù)測(cè)誤差就會(huì)很大，也就失去了負(fù)荷預(yù)測(cè)的意義，因此，在盡可能選擇適當(dāng)?shù)念A(yù)測(cè)方法的情況下，可同時(shí)采用多種預(yù)測(cè)方法進(jìn)行預(yù)測(cè)，以便對(duì)比、選擇，可采用相關(guān)方法或手段處理各種預(yù)測(cè)結(jié)果(如加權(quán)取平均，概率分布取值等)，從而選擇盡可能正確的預(yù)測(cè)結(jié)果。(6)確定預(yù)測(cè)結(jié)果在進(jìn)行預(yù)測(cè)時(shí)，要依據(jù)選擇的預(yù)測(cè)方法進(jìn)行預(yù)測(cè)預(yù)算得到預(yù)測(cè)值。如果是采用定量方法進(jìn)行預(yù)測(cè)，就要根據(jù)建立的定量預(yù)測(cè)模型代入預(yù)測(cè)期的自變量目標(biāo)值，從而獲取預(yù)測(cè)期所需的預(yù)測(cè)變量值；如果是采用定性的預(yù)測(cè)方法來進(jìn)行預(yù)測(cè)，就要根據(jù)掌握的客觀資料進(jìn)行科學(xué)合理的邏輯推理，推斷出預(yù)測(cè)期的預(yù)測(cè)值。由于影響預(yù)測(cè)對(duì)象的諸多因素可能會(huì)發(fā)生變化，從而使未來的實(shí)際結(jié)果與預(yù)測(cè)依據(jù)的歷史資料呈現(xiàn)的規(guī)律不相吻合，因?yàn)槭挛镞^去到現(xiàn)在的發(fā)展變化規(guī)律不一定就是事物未來的發(fā)展變化規(guī)律。因此，預(yù)測(cè)人員必須對(duì)影響預(yù)測(cè)對(duì)象的新因素進(jìn)行分析，對(duì)預(yù)測(cè)模型及預(yù)測(cè)結(jié)果加以適當(dāng)?shù)男拚驼{(diào)整。當(dāng)然，預(yù)測(cè)值的確定并不能通過某一、兩個(gè)預(yù)測(cè)運(yùn)算就能輕而易舉得出，搞好預(yù)測(cè)工作應(yīng)遵循“重在分析，貴在方法，巧在應(yīng)用”的基本思想。也就是說負(fù)荷預(yù)測(cè)工作的第一步應(yīng)該是確定什么因素最可能影響預(yù)測(cè)對(duì)象，第二步是決定如何在預(yù)測(cè)中使用這些因素。其中需要良好的綜合判斷能力，預(yù)測(cè)人員的經(jīng)驗(yàn)、理論素養(yǎng)及分析判斷能力也起重要的作用。(7)評(píng)價(jià)預(yù)測(cè)階段預(yù)測(cè)的主要成果就是得出預(yù)測(cè)結(jié)果。因此預(yù)測(cè)結(jié)果應(yīng)該是明確的，可以被檢驗(yàn)的。所以在得到預(yù)測(cè)結(jié)果后必須對(duì)預(yù)測(cè)結(jié)果的準(zhǔn)確度和可靠性進(jìn)行評(píng)價(jià)，使預(yù)測(cè)誤差在允許接受的范圍內(nèi)。若誤差太大，就失去了預(yù)測(cè)的意義，也會(huì)導(dǎo)致電力規(guī)劃的失誤。一般來說，短期負(fù)荷預(yù)測(cè)的誤差不應(yīng)超過±3%，中期負(fù)荷預(yù)測(cè)的誤差不應(yīng)超過±5%，長期負(fù)荷預(yù)測(cè)的誤差不應(yīng)超過±15%。(8)編寫提交預(yù)測(cè)報(bào)告，交付使用預(yù)測(cè)報(bào)告是預(yù)測(cè)結(jié)果的文字表述。一般包括題目、摘要、正文、結(jié)論、建議和附錄等部分。預(yù)測(cè)題目主要反映預(yù)測(cè)目的、預(yù)測(cè)對(duì)象、預(yù)測(cè)范圍和預(yù)測(cè)時(shí)期。摘要通常說明預(yù)測(cè)中的主要發(fā)現(xiàn)，預(yù)測(cè)結(jié)果及提出的主要建議和意見。一般采用摘要與提出人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第13頁。相配合引起有關(guān)方面的重視。正文包括分析及預(yù)測(cè)過程，預(yù)測(cè)模型及說明，有關(guān)計(jì)算方法，必要的圖表，預(yù)測(cè)的主要結(jié)論及對(duì)主要結(jié)論的評(píng)價(jià)。結(jié)論與建議是扼要地列出預(yù)測(cè)的主要結(jié)果，提出的有關(guān)建議及意見。附錄主要包括說明正文的附表、附圖,預(yù)測(cè)中采用的計(jì)算方法的推導(dǎo)和說明及其使用的歷史數(shù)據(jù)，以及正文中未列出的有價(jià)值的其他資料。人工智能綜述-(Artificial-Intelligence)全文共15頁，當(dāng)前為第13頁。需要強(qiáng)調(diào)的是，由于負(fù)荷預(yù)測(cè)的結(jié)果經(jīng)常是多方案的，所以報(bào)告中也要對(duì)取得這些結(jié)果的預(yù)測(cè)條件、假設(shè)及限制因素等情況詳細(xì)說明，在報(bào)告中應(yīng)有數(shù)據(jù)資料、報(bào)告分析、數(shù)學(xué)模型、預(yù)測(cè)結(jié)果及必要的圖表，讓使用者一目了然，便于應(yīng)用。(9)負(fù)荷預(yù)測(cè)的管理將負(fù)荷預(yù)測(cè)報(bào)告提交主管部門后，只是本預(yù)測(cè)告一段落，并不等于全部預(yù)測(cè)工作的結(jié)束，隨后應(yīng)根據(jù)主客觀條件的變化及預(yù)測(cè)應(yīng)用的反饋信息進(jìn)行檢驗(yàn)，必要時(shí)應(yīng)修正預(yù)測(cè)值。例如,預(yù)測(cè)值交付使用后，經(jīng)過一段時(shí)間的實(shí)踐，發(fā)現(xiàn)這一時(shí)期的實(shí)際值和預(yù)測(cè)值之間有較大差距，就要利用反饋性原理對(duì)遠(yuǎn)期預(yù)測(cè)值進(jìn)行調(diào)整，這就叫負(fù)荷預(yù)測(cè)的滾動(dòng)修編，也就是對(duì)負(fù)荷預(yù)測(cè)的滾動(dòng)性管理。四、目前應(yīng)用人工智能解決負(fù)荷預(yù)測(cè)的途徑神經(jīng)網(wǎng)絡(luò)以其在負(fù)荷預(yù)測(cè)中的廣泛的應(yīng)用，得到多少專家學(xué)者的認(rèn)可。神經(jīng)網(wǎng)絡(luò)方法以傳統(tǒng)顯示函數(shù)的自變量和因變量作為網(wǎng)絡(luò)的輸入和輸出，將傳統(tǒng)的函數(shù)映射關(guān)系轉(zhuǎn)化為高維的非線性映射。神經(jīng)網(wǎng)絡(luò)是一個(gè)高度非線性的超大規(guī)模連續(xù)時(shí)間動(dòng)力系統(tǒng)，可以映射任意復(fù)雜的非線性關(guān)系，且能夠識(shí)別有噪聲或變形的樣本，通過學(xué)習(xí)能把樣本隱含的特征和規(guī)律分布于神經(jīng)網(wǎng)絡(luò)的連接權(quán)上。而電力系統(tǒng)的負(fù)荷預(yù)測(cè)從根本上講