前言

第一章 绪论

1．1 研究背景

1．2 问题的提出

1．3 研究目的

1．4 研究意义

1．5 研究内容和技术路线

1．5．1 研究内容及方法

1．5．2 研究路线

1．6 本章小结

第二章 文献综述

2．1 概述

2．2 工程合同争议和法律推理相关文献

2．2．1 工程合同争议

2．2．2 法律论证

2．3 工程质量缺陷相关文献

2．4 工程变更相关文献

2．5 人工智能算法相关文献

2．5．1 CBR和RBR

2．5．2 决策树算法

2．5．3 神经网络算法

2．5．4 贝叶斯分类器

2．5．5 关联规则挖掘算法

2．6 本章小结

第三章 工程争议案例基本统计分析

3．1 概述

3．2 试点调查

3．3 数据收集与统计

3．3．1 工程质量缺陷争议案例

3．3．2 工程变更争议案例

3．4 本章小结

第四章 工程争议案例库的构建

4．1 概述

4．2 工程争议中的法律论证模型

4．2．1 工程争议中运用的法律论证形式

4．2．2 工程争议中的法律论证关系数据模型

4．3 工程质量缺陷关系数据模型

4．4 本章小结

第五章 基于分层关联规则挖掘算法的争议案例分析

5．1 概述

5．2 概念分层的关联规则算法

5．2．1 Apriori算法

5．2．2 概念分层的Apriori算法

5．2．3 其他形式的分层挖掘算法

5．3 算法应用

5．3．1 数据预处理

5．3．2 质量缺陷挖掘

5．4 本章小结

第六章 基于模糊决策树算法的工程争议结果预测

6．1 概述

6．2 工程变更争议特点分析

6．2．1 工程变更概念及相关规定

6．2．2 工程变更争议判决因素提取

6．3 决策树算法及其问题

6．3．1 传统决策树算法描述

6．3．2 不确定性对决策树的影响

6．4 模糊集合理论

6．5 模糊决策树算法

6．6 利用模糊决策树算法预测工程变更争议判决结果

6．6．1 预测算法性能评价指标

6．6．2 工程变更争议结果预测

6．7 本章小结

第七章 基于神经网络的工程争议结果预测

7．1 概述

7．2 神经网络的基本概念

7．3 ANN算法介绍

7．3．1 BP神经网络

7．3．2 概率神经网络

7．4 基于ANN的分类预测

7．5 利用神经网络预测工程变更争议判决结果

7．5．1 分类准备

7．5．2 ANN网络设计和性能比较

7．6 本章小结

第八章 基于贝叶斯分类器的工程争议结果预测

8．1 概述

8．2 朴素贝叶斯分类器

8．2．1 贝叶斯定理

8．2．2 朴素贝叶斯分类

8．3 贝叶斯分类器

8．3．1 贝叶斯网络的概念

8．3．2 贝叶斯分类器参数学习

8．3．3 贝叶斯分类器结构学习

8．4 TAN分类器

8．5 利用贝叶斯分类器预测争议判决结果

8．5．1 分类准备

8．5．2 朴素贝叶斯分类器和TAN分类器结果比较

8．5．3 贝叶斯网络分类器结果比较

8．6 三种分类器性能比较

8．7 本章小结

第九章 总结与展望

9．1 研究成果

9．2 本书创新点

9．3 本书不足和展望

参考文献

附录

成于思，女，1983年8月出生，江苏省南京市人，工学博士，现任东南大学土木工程学院建设与房地产系讲师。

2005年本科毕业于东南大学信息工程专业，获工学学士学位。2009年硕士毕业于东南大学通信与信息系统专业。获工学硕士学位。2014年博士毕业于东南大学土木工程建造与管理专业，获工学博士学位。2015年至今，于东南大学土木工程学院任教。

近年来主持和参与了多项国家科研项目。已经在《Automationin Construction》《土木工程学报》《东南大学学报（自然科学版）》《计算机工程与应用》等国内外杂志和国际会议上发表学术论文10篇。主要研究方向为人工智能与工程争议管理。2100433B

建设工程争议的频繁发生降低了建设项目的效率，浪费了工程资源，对项目产生负面影响。同时，在工程争议解决的过程中，相似的问题经常重复发生，如何从过去的争议中提取有用的信息，提高工程争议解决效率，甚至减少争议的发生，引起了研究人员的广泛关注。《人工智能技术在建设工程争议解决中的应用》将人工智能技术引入工程争议领域，构建工程争议案例库，对争议案例进行关联规则挖掘和争议结果预测，为工程争议解决提供了全新的思路。该书提出的法律论证图式模型推动了工程争议的法律推理过程的结构化建模，是争议解决领域智能化的基础；利用关联规则挖掘得到的工程质量缺陷之间的规律，可以在施工之前起到预警作用，防止缺陷发生，进而预防缺陷争议的产生，而在工程质量争议已经发生的时候，可以预测缺陷的原因和责任方；预测工程争议结果帮助争议双方了解输赢的可能性，一定程度地减小在争议上的支出。该书构建的案例库可以成为工程索赔研究和工程法律研究的基础平台。

该书可供工程争议、人工智能、法律推理等领域的研究人员和工程合同管理及工程法律从业人员参考使用 。

《人工智能技术在防震减灾工程中的应用》主要介绍了人工智能技术（主要是专家系统和人工神经网络技术）的基本知识及其在防震减灾工程中的应用。上篇主要以地震预报专家系统、基于模糊神经网络和符号的地震预报专家系统、智能辅助地震区别专家系统、震后趋势决策支持专家系统、供水系统震害预测专家系统、公路抗震评价专家系统、空旷房屋震害预测的人工智能辅助系统为例，介绍了专家系统在防震减灾工程中的应用技术与方法；下篇主要以人工神经网络在确定地震参数、潜在震源划分、地震预报、地震动参数确定、场地地震液化评价、建筑物抗震鉴定、震后火灾损失预测、桥梁震害预测、多层砖房震害预测中应用为例，介绍了人工神经网络方法在防震减灾工程中的应用技术与方法。

《集成化人工智能技术及其在石油工程中的应用》综合集成化人工智能技术已经成为人工智能发展的历史性的发展趋势。应用综合集成化人工智能技术来解决石油工程复杂大系统课题，在理论和实际应用上具有重要的意义。《集成化人工智能技术及其在石油工程中的应用》系统介绍了人工智能技术的基本原理与方法，分析论述了综合集成化人工智能技术的基本理论、研究方法和技术，并将综合集成化人工智能技术应用于油气田勘探工程、油气井工程、油气田开发工程和油气集输系统中的智能优化决策中，给出了集成化人工智能技术在石油工程系统中的模式识别、参数优选、系统优化及效果预测等方面的大量应用实例，汇集了综合集成化人工智能技术的最新进展和成果。

《集成化人工智能技术及其在石油工程中的应用》理论与实践相结合，介绍了一系列的新理论、新技术和新方法，可作为从事人工智能、石油工程系统等相关领域并具有一定理论基础的科研人员、工程技术人员以及高校师生学习、借鉴和参考。

1 绪论

1.1 人工智能及其发展

1.2 人工智能技术现状与发展趋势

1.3 人工智能技术在石油工程中的应用概述

参考文献

2 集成化人工智能技术

2.1 集成化人工智能技术与石油工程系统

2.2 模糊神经网络

2.3 神经网络专家系统

2.4 遗传神经网络

2.5 灰色系统与神经网络

2.6 粗神经网络

2.7 混沌神经网络

2.8 混沌遗传算法

2.9 基于支持向量机的集成化智能技术

2.10 基于人工免疫系统的集成化智能技术

参考文献

3 集成化智能技术在油气勘探中的应用

3.1 地震解释中的集成化智能技术

3.2 沉积相识别中的集成化智能技术

3.3 基于灰色理论和cP网络的储层评价技术

3.4 油气水层识别中的集成化智能技术

3.5 基于遗传神经网络的测井储层参数预测

3.6 基于神经网络和模糊逻辑的裂缝识别技术

参考文献

4 集成化智能技术在钻井工程中的应用

4.1 智能化钻井工程系统发展及应用

4.2 基于模糊自适应Hamming网络钻井过程岩性识别

4.3 基于神经网络的混合决策树及造斜点位置确定

4.4 钻柱系统故障智能诊断方法及应用

4.5 集成化智能钻井安全监控系统原理及应用

4.6 套管柱强度设计的遗传算法应用

参考文献

5 集成化智能技术在油气田开发工程中的应用

5.1 油藏工程中的集成化智能技术及应用

5.2 智能抽油机综合采油控制系统

5.3 注水系统决策中的集成化智能技术

5.4 油气田增产稳产决策中的智能技术

5.5 水淹层识别与剩余油挖潜的智能决策

5.6 提高采收率中的集成化智能技术及其应用

5.7 试井解释中的集成化智能技术及应用

5.8 储层伤害预测与改造方案智能决策

5.9 稠油开采方式决策神经网络专家系统

5.10 基于混合遗传算法的新型防砂筛管优化设计

参考文献

6 集成化智能技术在油气集输系统的应用

6.1 天然气负荷预测的集成化人工智能技术

6.2 油气集输系统优化设计的集成化智能技术

6.3 油气管道安全保障中的集成化人工智能技术

参考文献

2100433B