汽车损失神经网络评价模型的研究与设计论文.pdfVIP

汽车损失神经网络评价模型的研究与设计牛 徐向东 周国祥 合肥工业大学计算机与信息学院，安徽合肥230009 摘要：车辆定损是机动车辆保险工作中的一个重点，本文在构建汽车损失评价的指标体系的基础 上，运用人工神经网络方法，建立了汽车损失的神经网络评价模型，并用样本数据对其进行了训练和 测试，验证了该模型能够对车辆的损失做出科学合理的、公正的评定。 关键词：汽车损失指标体系神经网络模型 1引 言 车辆定损是机动车辆保险中一项非常重要而又颇为复杂的工作…，目前主要采取人工定损的方式，具 有很大的主观因素，而一些定损人员的专业性不强、定损的标准不统一，导致不能合理、准确地对车辆的 损失进行评定。如何借助于计算机系统和应用人工智能技术来指导人们对车辆的损失做出科学、合理、客 观的评定，这是车辆保险行业亟待解决的问题。 本文针对上述问题，基于人工神经网络方法，建立了汽车损失的神经网络评价模型，并在VC环境下 实现了该模型的学习训练过程，最后对该模型进行了测试，验证了该模型的评估结果与实际情况相符。 2汽车损失评价的指标体系和评价标准 汽车是一个复杂的机械、电子一体化的综合系统，因此，对汽车损失程度的评价是一个多因素决定的 全面评价。结合汽车组成的相关知识【21，构建层次型的汽车损失评价二级指标体系模型，如表1所示。 汽车损失的评价结果为一个具体的数值，根据其值的大小可分为五个等级：I级(0～0．09)，表示轻微 0．85)，表示严重程度的损失；V级(0．86～1)，表示无修复价值，报废。 3汽车损失神经网络评价模型 3．1评价模型的结构 汽车损失神经网络评价模型利用三层误差反向传播神经网络模型来实现对汽车损失的评价，包含输入 层、隐含层和输出层三个层次。构建汽车损失神经网络评价模型，首先需要确定各个层次的节点个数。 1．输入层节点个数的确定 在汽车损失评价二级指标体系模型中，共有2l项二级指标，而汽车损失神经网络评价模型则以这21 ’基金资助：国家自然科学基金重点项目No 徽合肥人，合肥工业大学教授，硕士生导师． 项二级指标作为评价指标，所以这里取输入层的节点数刀等于二级指标的个数，即疗=21。 2．输出层节点个数的确定 对于每辆受损汽车的最终评价结果，都是一个具体的数值，所以这里取输出层的节点数c=l。 3．隐含层节点个数的确定 根据万能逼近定理：对含有一个隐含层的三层BP神经网络，只要隐含层节点数足够多，就能以任意 精度逼近有界区域上的任意连续函数p】。但如果隐含层节点个数选择过多，会导致过量的连接数，网络训 练时间急剧增加，将使网络的泛化能力变差i4J。所以这里先确定隐含层节点个数的取值范围，再取最大值。 文献[5】中指出：当用三层神经网络时，其隐含层节点数为6×c(其中行为输入层节点个数，c为输出 层节点个数)；文献【6】给出一种确定神经网络隐含层节点数的计算公式：小≤、厉瓦甭i+1。综合上面两个文 隐含层节点数m为【4，10】间的整数，再从中取最大值，得到隐含层节点个数掰=10。 汽车损失神经网络评价模型的结构如图l所示。 表l汽车损失评价二级指标体系模型 一级指标 一铷车旨标 曲柄连杆机构 配气机构 供给系 发动机损失程度 冷去IJ系 润滑系 点火系 起动系 车身壳体 车身饰件 4i门 车身损失程度 座椅 玻璃 安伞装置 输入层 隐含层 输出层