基于神经网络的震害损失评估模型.pdfVIP

第 30 卷增刊 防 灾 减 灾 工 程 学 报 V ol . 30 Supp l. 20 10 年 9 月 Journ al of isast er Prevention an d Mitigat ion En gin eerin g Sep . 20 10 X 基 于 神 经 网 络 的 震 害 损 失 评 估 模 型 孙艳萍, 窦玉丹, 张明媛, 袁永博 大连理工大学土木工程学院, 辽宁 大连 116024 摘要: 如 何对强烈地震所引起的损失进行快速准确的评估 已成为防灾减灾领域一个新的研究热点。本文提出综合 利用粗糙集理论、遗传算法和神经网络进行震害损失评估 。采用粗糙 集软件RO SET TA 对 数据进行前置预处理, 以 大型科学计算软件 M AT LAB 为平台, 通过遗传算法优化神经网络的初始权值和阈值, 建立 了基于优化后神经网络 的震害损失评估模型。数据算例分析表 明, 该模型合理有效。 关键词: 地震灾害; 灾害损失; 神经网络; 预测模型 中图分类号: P 3 15. 9　　文献 标识码: A　　文章编号: 1672- 2132 20 10 增刊- 0168-04 遗传算法[ 2] Gen etic Algorit hm , 简称GA 是模 0　 引言 拟达尔文 的遗传选择和 自然淘汰的生物进化过程 的 计算模型, 能在复杂而庞大 的搜索空间中自适应地 2008 年5 月12 日, 汶川Ms 8. 0 地震是新中国成 搜索, 能以较大概率寻找 出最优或准最优解, 且有算 立 以来破坏性最强、波及范 围最大的一次地震, 此次 法简单、适用、鲁棒性强等优点。 地震重创约50 万km2 的中国大地 。2010 年4 月14 日 [ 3] 神经 网络 的种类很多, 而反 向误差传播算法 青海省玉树县发生 了M s7. 1 地震, 伤亡极为惨重。 Back Propagat ion , 简称BP 是应用最广泛、效果最 可见在 当今社会, 做好震害损失评估是进行减灾效 好的方法, 对学习率及惯性冲量系数进行动态调整, 益分析 的重要基础, 是 国家决策减灾投资的关键性 [ 4] 可以大幅度加快 网络 的学习速度 。与其他传统模 依据。对震害损失进行评估和预测的方法有很多种, 型相 比, 该算法有更好的持久性和适时预报性 。 基于人工神经 网络 的震害损失评估也越来越取得显 著 的成效。但是神经网络由于其初始权值 阈值具有 1. 2　核心思想 随机性, 无法达到全局优化, 有时甚至会造成网络不 从本质上讲, BP 算法属于梯度下降算法, 初始 收敛等情况, 使得应用存在一定局限。 连接权若取值不当, 会引起网络振荡、不收敛或训练 本文针对神经 网络 的缺陷进行 了改进, 提出了 时间过长 。由于实际问题常是极其复杂 的多维 曲面, 基于粗糙遗传优化神经 网络 的预测模型, 对震害人 存在多个局部极值点, 使得BP 算法极易陷入局部极 员伤亡损失作 出相对合理有效的评估, 使灾害损失 值点, 错过全局最优解的寻取 。遗传算法是从 自然进 的预测更具实际意义。 化的思想和理论发展起来 的一种高效的并行全局搜 索算法, 算法具有很好的鲁棒性, 在解决全局优化 问 1　算法 题方面取得了成功。用遗传算法优化设计神经 网络, 不仅容易获得全局最优解, 还可以提高神经 网络 的 1. 1　算法简介 泛化性能。 所谓数据挖掘 at a Min ing , 就是从大量 的、 遗传神经网络模型, 首先通过遗传算法优化 BP 不完全 的、有噪声的、模糊 的、随机 的实际应用数据 网络参数 的初始权值 、阈值; 再对优化好 的神经网络 中, 提取隐含在其 中的、人们事先不知道的但又是潜 进行训练 。该模型不仅简化了神经 网络 的结构, 使神 在有用 的信息和知识的过程[ 1] 。 经网络具有很快的收敛性 以及较强的学习能力, 而 X 收稿 日期: 20 10-06- 10; 修 回日期: 2 010- 07- 10 作者简介: 孙艳萍 198 1- , 女, 硕士研究生 。主要从事工程项 目管理研究。Email: yp sun @ dlut . edu . cn 增刊 孙艳萍等: 基于神经网络的震害损失 评估模型 169 且发挥 了神经 网络 的泛化的映射能力[ 5] 。 2. 2　基于粗糙集和遗传算法优化 的BP 网络模型 2　基于优化 BP 网络模型的实证分析 本文选取地震发生时刻、震级、震 中烈度、建筑 物破坏程度、设防水准、人 口密度和地震预报作为影 2. 1　数据归一化处理 响人员伤亡 的