基于BP神经网络机库工程建设项目质量综合评估.docVIP

基于BP神经网络机库工程建设项目质量综合评估 　　[摘 要] 飞机机库是一个先进、复杂、可靠的完备技术体系，飞机机库工程建设项目则是一项复杂的系统工程，可以为提升飞机维修保障能力提供重要的支撑平台。为了准确地反映飞机机库工程建设项目质量的现实状况，结合BP神经网络非线性映射、自适应和自学习等特点，构建项目质量综合评估模型，并进行了仿真验证，分析结果表明，运用BP神经网络进行综合评估，可以修正专家打分法的主观随意性，提高综合评估结果的准确性和可靠性，可以为项目质量综合评估提供实用方法和理论依据。 　　[关键词] 机库工程建设项目；项目质量；指标体系；BP神经网络 　　doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 05. 030 　　[中图分类号] TP18；TU712.3 [文献标识码] A [文章编号] 1673 - 0194（2018）05- 0071- 02 　　0 引 言 　　随着大量先进飞机装备部队，飞机机库工程建设项目越来越多，工程量越来越大，对机库工程建设质量的要求也越来越高。飞机机库多采用尖端的国防科学技术，是一个先进、复杂、可靠的完备技术体系，因此，只有注重飞机机库工程建设项目质量，才能确保飞机维修保障能力的提升，为飞机维修保障提供先进的技术平台。运用BP神经网络反映机库工程建设项目质量的现实状况，可以为机库工程建设质量评估提供高效的方法。 　　1 BP神经网络模型引理 　　BP神经网络运算具有较强的适应性，构建神经网络主要应进行网络拓扑结构设计和网络参数设定。网络结构和学习参数主要包括网络结构、隐层单元数、输入/输出层数据、网络初始权值、网络阈值、网络训练最大期望误差等。在网络训练过程中，把采集到的飞机机库建设质量数据经过预处理后输入神经网络，然后，根据数据特征和数据多少选择合适的训练函数进行训练，运用网络期望误差与网络最大训练次数对训练函数进行控制，确认函数是否收敛，使误差满足所提出的精确要求，若函数收敛，则保存网络训练结果，形成权值阈值矩阵；若不收敛，则通过调整网络结构及训练参数，进入新一轮学习。 　　1.1 网络结构 　　根据神经网络理论，在任何闭区间内的一个连续函数均可用至少一个S型隐含层加上一个线性输出层的网络来逼近。应优先考虑增加神经网络隐含层中的神经元数，来达到训练误差要求并使网络尽快收敛。实践表明，网络结构采用输入层―隐层―输出层结构，比较适应于飞机机库工程建设项目质量评估。 　　1.2 隐层单元数量的确定 　　就BP神经网络而言，隐层单元数量是反映机库工程建设项目影响因素并体现在网络节点的因素中。隐层单元数量与输入、输出单元数量以及影响因素的复杂程度直接相关。如果隐层单元数量过多，神经网络就会很复杂，训练过程中运算速度就会降低，可能会出现神经元冗余现象；如果隐层单元数量过少，那么神经网络所能反映的影响机库工程建设项目的因素就会太少，则有可能导致训练难以收敛和精确度下降，进而影响神经网络的辨别能力降低，使输出的仿真结果难以准确反映被评估对象的现实状况。借鉴Robert Hecht提出的隐层单元数为2N+1，其中N为输入节点数。结合飞机机库工程建设项目实际，选用经验模型为：隐层单元数≤■+1，其中，N为输入节点数，L为输出节点数。因为影响因素选取了20个，即 N=20，输出节点 L=1，最终确定隐层单元数为10个节点。 　　1.3 输入/输出数据的确定 　　在机库工程建设项目质量评估过程中，由于涉及的项目质量因素很多，能够反映项目质量的各种情况又千差万别，在实际的综合评估过程中不可能将因素数据全部考虑在内，因此，考虑到项目质量综合评估实际情况和神经网络的要求，选择输入数据为质量综合评估的20个指标作为控制点，输出数据即为项目质量综合评估的结果。 　　2 综合评估指标体系的构建 　　以机库工程建设项目质量的综合评估为目标，以人员因素、材料因素、机械设备因素、方案因素、环境因素为一级指标，进行分解得到二级、三级指标，建立一个具有三级指标的评估指标体系。 　　2.1 综合评估指标的筛选 　　（1）人员因素指标的选取。 　　（2）材料因素指标的选取。 　　（3）机械因素指标的选取。 　　（4）方案因素指标的选取。 　　（5）环境因素指标的选取。 　　2.2 综合评估指标体系的结构 　　机库工程建设项目质量综合评估指标体系的结构如表1所示。 　　3 数据获取与仿真分析 　　根据机库工程建设项目施工过程中采集了10组数据。在神经网络工具的输入节点数据“inputs”项中放输入数据矩阵，输出节点数据“targets”选项中放输出数据矩阵。 　　3.1 初始权值的设置 　　连接权重的初始权值设置必须合理