資源描述：
《基于模糊神經(jīng)網(wǎng)絡(luò)的公路隧道施工系統(tǒng)安全評價》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于模糊神經(jīng)網(wǎng)絡(luò)的公路隧道施工系統(tǒng)安全評價：針對高速公路隧道施工系統(tǒng)的安全評價問題，將模糊理論與神經(jīng)X絡(luò)相融合，研究建立了一種模糊神經(jīng)X絡(luò)評價模型。文中描述了模糊神經(jīng)X絡(luò)的基本結(jié)構(gòu)和原理，闡明了該評價系統(tǒng)的工作原理及實現(xiàn)方法。該評價模型具有對環(huán)境變化的自學習能力，對權(quán)值進行動態(tài)調(diào)整，通過適當補充學習樣本，可以實現(xiàn)歷史經(jīng)驗與新知識完美結(jié)合，動態(tài)地評價公路隧道施工系統(tǒng)的安全狀態(tài)?！ ￡P(guān)鍵詞：高速公路；隧道施工系統(tǒng)；安全評價；模糊理論；神經(jīng)X絡(luò) 0引言 近年來，隨著國家高速公路迅猛發(fā)展，隧道建設(shè)數(shù)量也越來越多，規(guī)模也越來越大。在隧道施工過程中，由于圍巖地
2、質(zhì)條件的多樣性和復雜性，其施工事故發(fā)生率比其他巖土工程高且嚴重，給隧道工程施工人員身心帶來嚴重的危害，社會影響惡劣，有悖于國家建設(shè)和諧社會的宗旨。這就要求用科學的方法對隧道施工生產(chǎn)系統(tǒng)進行安全分析與評估，預測事故發(fā)生的可能性[1]?！ ≡趥鹘y(tǒng)的公路隧道施工生產(chǎn)系統(tǒng)安全評價中，經(jīng)常使用的安全評價方法主要以定性安全評價方法為主，如專家論證法、安全檢查表法及作業(yè)條件危險性評價法等[2,3]。近年來，在公路隧道施工生產(chǎn)系統(tǒng)安全評價中，引人了模糊綜合評價的方法，取得了較好的決策效果[4]。但是，該方法缺乏對環(huán)境變化的自學習能力，對權(quán)值不能進行動態(tài)調(diào)整[5],而神
3、經(jīng)X絡(luò)具有非線性逼近能力,具有自學習、自適應和并行分布處理能力，但其對不確定性知識的表達能力較差，因此，模糊控制與神經(jīng)X絡(luò)結(jié)合就可以優(yōu)勢互補，各取所長[6]，在這方面已經(jīng)出現(xiàn)了一些研究成果[7～11]。為此，本文把人工神經(jīng)X絡(luò)理論與模糊綜合評價理論相融合，研究建立了一種模糊神經(jīng)X絡(luò)評價模型，對公路隧道施工的安全管理水平進行評價?！ ?模糊神經(jīng)X絡(luò) 1.1基本結(jié)構(gòu)原理 模糊神經(jīng)X絡(luò)是由與人腦神經(jīng)細胞相似的基本計算單元即神經(jīng)元通過大規(guī)模并行、相互連接而成的X絡(luò)系統(tǒng)，訓練完的X絡(luò)系統(tǒng)具有處理評估不確定性的能力，也具有記憶聯(lián)想的能力，可以成為解決評估問題的
4、有效工具，對未知對象作出較為客觀正確的評估。 根據(jù)評估問題的要求，本文采用具有多輸人單元和五輸出單元的三層前饋神經(jīng)X絡(luò)，其中包括神經(jīng)X絡(luò)和模糊集合兩方面的內(nèi)容?！ ?.2神經(jīng)X絡(luò) 為了模擬人腦結(jié)構(gòu)和功能的基本特性，前饋神經(jīng)X絡(luò)由許多非線性神經(jīng)元組成，并行分布，多層連接。RobertHecht一Nielson于1989年證明了對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用一個隱層的BPX絡(luò)來逼近[12]，因而一個三層的BPX絡(luò)完全可以完成任意的輸人層到輸出層的變換。因此，本文研究的公路隧道施工系統(tǒng)安全評價模糊神經(jīng)X絡(luò)采用三層BP神經(jīng)X絡(luò)結(jié)構(gòu)。輸人層有個神經(jīng)
5、元，輸人向量，，輸人層神經(jīng)元的輸出是輸人向量的各分分量。隱層有個神經(jīng)元，，若輸人層神經(jīng)元與隱層神經(jīng)元之間的連接權(quán)值為，且隱層神經(jīng)元的閾值為，則隱層神經(jīng)元的輸出為 (l) 式中是神經(jīng)元的激勵函數(shù)，一般選取單調(diào)遞增的有界非線性函數(shù)，這里選用Sigmoid函數(shù)： (2) 由此，隱層神經(jīng)元的輸出為： (3) 同理可得輸出層神經(jīng)元的輸出為： (4) 1.3學習算法 本X絡(luò)采用BP學習算法，它是一種有教師的學習算法，其學習過程由信號的正向傳播和誤差的反向傳播組成?；驹硎牵涸O(shè)輸人學習樣本為個，即輸人矢量，已知其對應的期望輸出矢量(教師信號)為，
6、正向傳播過程將學習樣本輸人模式從輸人層經(jīng)隱含單元層逐層處理，并傳向輸出層，得到實際的輸出矢量，如果在輸出層不能得到期望輸出，則轉(zhuǎn)人反向傳播，將與的誤差信號通過隱層向輸入層逐層反傳，并將誤差分攤給各層的所有單元，從而調(diào)整各神經(jīng)元之間的連接權(quán)值，這種信號正向傳播與誤差反向傳播得各層權(quán)值調(diào)整過程是周而復始地進行的，直到X絡(luò)輸出的誤差減少到可接受的程度，或進行到預先設(shè)定的學習次數(shù)為止?！ 絡(luò)的具體學習算法的計算模型如下： 對某一學習樣本，誤差函數(shù)為 （5） 式中：、分別為該樣本的輸出期望值和實際值?！ τ谒袑W習樣本，X絡(luò)的總誤差為 （6） X絡(luò)
7、學習算法實際上就是求誤差函數(shù)的極小值。利用非線性規(guī)劃中的梯度下降法(最速下降法)，使權(quán)值沿著誤差函數(shù)的負梯度方向改變?！ ‰[層與輸出層之間的權(quán)值(及閾值)的更新量可表示為 （7） 式中：為學習率，可取?！ ⑹剑?）和（4）代入式（7），并利用復合函數(shù)求導的連鎖規(guī)則，得 （8） 式中：為迭代次數(shù)，為誤差信號 ?。?） 類似的，輸入層與隱層之間的權(quán)值（及閾值）修正為 ?。?0） 同理可得 式中為誤差信號 ?。?1） 為了改善收斂性，提高X絡(luò)的訓練速度，避免訓練過程發(fā)生振蕩，對BP算法進行改進，在權(quán)值調(diào)整公式中增加一動量項，即從前一次權(quán)
8、值調(diào)整量中取出一部分迭加到本次權(quán)值調(diào)整量中，即： ?。?2） ?。?3） 式中為動量因子，一
