神经网络与土石坝风险评价应用.docVIP

神经网络与土石坝风险评价应用 摘要： 神经网络分析法应用于土石坝风险评价，利用人工神经网络特有的自学习和联想记忆功能，能够模拟人脑思维的方式进行分析推理，能够在一定程度上克服资料占有不足及经验方面的局限性的特点，适当选取参数训练网络，可得出较高的可信度。 关键词：神经网络 风险评价 神经网络的发展 人工神经网络的研究始于20世纪40年代，1943年，心理学家W.S.McCulloch和数学家W.Pitts在研究生物神经元的基础上提出了一种简单的人工神经元模型，即后来所谓的：“M-P模型”，开创了神经网络研究的先河。自从1982年美国Hopfield教授提出神经网络的Hopfield计算模型以及1985年美国Rumelhare和McLelland领导的PDP研究小组提出多层前馈网络的误差反向传播算法(即BP网)以来，神经网络进入了发展高潮，在众多工程领域得到了广泛应用，取得了令人瞩目的成就。 神经网络的类型 根据人工神经网络对生物神经系统的不同组织层次和抽象层次的模拟，神经网络可以分为：前向网络(前馈网络)、反馈网络、互结合型网络、混合型网络等。其中，前馈型神经网络是整个神经网络体系中应用最广泛的一种网络，这种结构的神经网络能够实现信号从输入空间到输出空间的变换，它的信息处理能力来自于简单非线性函数的多次复合，各神经元接受前一层的输入，并输出给下一层，没有反馈。结点分为两类，即输入单元和计算单元，每一计算单元可有任意个输入，但只有一个输出(它可耦合到任意多个其它结点作为其输入)，BP神经网络属于前馈网络。 BP神经网络也称误差反向传播神经网络，它是由非线性变换单元组成的前馈网络，是人工神经网络中应用最广的一种神经网络。在人工神经网络的实际应用中，80%～90%的人工神经网络模型都是采用BP网络或它的变化形式。在若干神经网络模型中，BP网络模型是人们认识最早、应用最广泛的一种。图一为BP神经网络拓扑结构图。 图一 BP神经网络结构图 BP神经网络模型在土石坝风险评价中的应用 土石坝溃坝风险地区差异较大，诱发因素也具有多样性、不确定性等特征，增加了风险评价的难度，而人工神经网络特有自学习和联想记忆功能，能够模拟人脑思??的方式进行分析推理，能够在一定程度上克服资料占有不足以及经验方面的局限性，从而实现对拱坝溃坝风险进行评价，这与以往的数学分析方法有着本质的区别，也显得更加客观、合理。由于土石坝溃坝风险评价的目的是要进行溃坝的风险判别和风险区划，实际就是模式识别的问题，因此，本文选择BP神经网络作为土石坝溃坝风险评价的基本模型。 本文取土石坝风险评价的评价因子分别为：溃坝概率、生命损失、经济损失、年期望生命损失、年期望经济损失，此五项因子不仅考虑了风险的绝对值，也考虑到溃坝风险的期望值，因此取此五项因子为网络输入。将拱坝溃坝风险评价值作为神经网络的输出，分为三类：不可容忍风险、可容忍风险、可接受风险。神经网络结构为5-5-3，即输入层5个节点，一个隐含层，隐含层5个节点，输出层3个节点， 如图二所示，采用自适应学习率的算法，动量项系数取为0.95，起始的学习率为0.01目标误差取0.001，迭代至网络收敛。 图二、 神经网络预测模型拓扑图 建立的生命风险标准、社会风险标准及经济风险标准图，从中随机抽取10组数据利用MATLAB软件中的神经网络工具箱编程并代入网络进行训练查看结果 序号溃坝概率生命损失（人）经济损失 （万元）年期望生命损失（人/年）年期望经济损失（万元/年）可容忍 风险可接受 风险不可接受风险10.14560.0240.21070.00440.157110020.00380.01440.00240.01580.2014100310.13810.9920.789200140.08670.01990.00020.06840.450101050.337110.03010.70780.862200160.0630.14550.02110.11460.521201070.01830.0158000.235610080.02390.11520.02050.02650.023110090.05720.13660.03430.12170.32540101000.02950.0120.06630.5256010迭代后，结果如下： 0.0000 0.0000 0.0000 1.0000 0.0000 0.0000 0.0000 1.0000 0.0000 0.0000 1.