关于神经网络理论的系统安全评价模型.docVIP

基于神经网络理论的系统安全评价模型 王三明 蒋军成 （南京化工大学，南京，210009） 摘 要 本文阐述了人工神经网络基本原理，研究分析了BP神经网络模型的缺陷并提出了优化策略。在此基础上，将神经网络理论应用于系统安全评价之中，提出了基于此理论的系统安全评价模型、实现方法和优点；评价实例证明此方法的可行性。 网络优化 安全评价 　1. ?? 人工神经网络模拟人的大脑活动，具有极强的非线形逼近、大规模并行处理、自训练学习、自组织和容错能力等优点，将神经网络理论应用于系统安全评价之中，能克服传统安全评价方法的一些缺陷，能快速、准确地得到安全评价结果。这将为企业安全生产管理与控制提供快捷和科学的决策信息，从而及时预测、控制事故，减少事故损失。 　 2. ???? 人工神经网络是由大量简单的基本元件- ??? 按照网络的拓扑结构和运行方式，神经网络模型分为前馈多层式网络模型、反馈递归式网络模型、随机型网络模型等。目前在模式识别中应用成熟较多的模型是前馈多层式网络中的BP反向传播模型，其模型结构如图1。 2.1 BP神经网络基本原理 ???? BPXi通过中间节点（隐层点）作用于输出节点，经过非线形变换，产生输出信号Yk，网络训练的每个样本包括输入向量X和期望输出量t，网络输出值Y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的联接强度取值Wij和隐层节点与输出节点之间的联接强度Tjk以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线形转换的信息。 2.2 BP神经网络模型 BP （1）节点输出模型 隐节点输出模型：Oj=f(∑Wij×Xi-? j)??? (1) 输出节点输出模型：Yk=f(∑Tjk×Oj-? k) (2) f-非线形作用函数；? -神经单元阈值。 1 典型BP网络结构模型 　 2）作用函数模型 作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数，一般取为(0,1)内连续取值Sigmoid函数：??????????????????????? f(x)=1/(1+e-x)?????????????????? （3 （3）误差计算模型 误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数： ??????????????????? Ep=1/2×∑(tpi-Opi)2??????????????? (4) tpi- i节点的期望输出值；Opi-i节点计算输出值。 4）自学习模型 ? 神经网络的学习过程，即连接下层节点和上层节点之间的权重拒阵WijBP网络有师学习方式-需要设定期望值和无师学习方式-只需输入模式之分。自学习模型为 ?????????????????????? △Wij(n+1)= ? ×Фi×Oj+a×△Wij(n) （5） ? -学习因子；Фi-输出节点i的计算误差；Oj-输出节点j的计算输出；a-动量因子。 2.3 BP网络模型的缺陷分析及优化策略 1）学习因子? 的优化 采用变步长法根据输出误差大小自动调整学习因子，来减少迭代次数和加快收敛速度。 ?? =? +a×(Ep(n)- Ep(n-1))/ Ep(n) a为调整步长，0~1之间取值 （6） （2）隐层节点数的优化 0.1、±0.05等区间）之中，则该节点可删除。最佳隐节点数L可参考下面公式计算： L=(m+n)1/2+c (7) m-输入节点数；n-输出节点数；c-介于110的常数。 3）输入和输出神经元的确定 （4）算法优化 BP算法采用的是剃度下降法，因而易陷于局部最小并且训练时间较长。用基于生物免疫机制地既能全局搜索又能避免未成熟收敛的免疫遗传算法IGA取代传统BP算法来克服此缺点。 　3. BP神经网络在系统安全评价中的应用 3.1 基于优化BP神经网络的系统安全评价模型 -2 基于优化BP神经网络的系统安全评价模型 3.2 BP神经网络在系统安全评价中的应用实现 1）确定网络的拓扑结构，包括中间隐层的层数，输入层、输出层和隐层的节点数。 （2）确定被评价系统的指标体系包括特征参数和状态参数 ??? 运用神经网络进行安全评价时，首先必须确定评价系统的内部构成和外部环境，确定能够正确反映被评价对象安全状态的主要特征参数（输入节点数，各节点实际含义及其表达形式等），以及这些参数下系统的状态（输出节点数，各节点实际含义及其表达方式等）。 （3）选择学习样本，供神经网络学习 ??? 选取多组对应系统不同状态参数值时的特征参数值作为学习样本，供网络系统学习。这些样本应尽可能地反映各种安全状态。其中对系统特征参数进行(-∞,∞)区间地预处理，对系统参数应进行(0,1)区间地预处理