基于混合神经网络模型的架空输变电工程量分析与评估.pdfVIP

电力创新

PowerInnovation

基于混合神经网络模型的架空输变电

工程量分析与评估

山西联翔电力建设集团有限公司  乔雄辉

摘要：输变电工程量评估涉及非线性、复杂关系问题，传统评估方法的准确性和实时性差。基于此，本文提

出基于混合神经网络模型的评估方案，在了解混合神经网络模型概念的基础上，处理工程量数据，确定评

价指标，建立评价模型，选取架空输变电工程中的土石方量和基面混凝土两类目标工程量，采用混合神经

网络模型RBM-MLP预测工程量，与纯MLP预测结果进行对比，结果表明，本文所提方法在分析与评估架

空输变电工程量时精度高、效率高，评估过程简单，评估结果对输变电工程施工有参考意义。

关键词：输变电；工程量；混合神经网络模型

阶段，输变电工程量评估领域逐步应用神RBM模型的可见层反映的是观测数据的特征，

现经网络模型，例如集循环神经网络（RBM）隐层的意义不明确，理论研究时通常将其理解为特

和多层感知器（MLP）于一体的综合方法，征提取层，意义在于获取可见层单元与对应单元的

在输变电工程量评估中的应用水平逐步提高。基于依赖关系。层内神经元的连接差异是RBM和BM

此，本文以输变电工程量分析与评估为研究背景，提的显著区别，即BM允许层内单元连接，而RBM

出RBM与MLP神经网络在其中的应用策略，选取则具有层内单元无连接的特点，也正是基于该连接

多种方法进行对比分析，根据工程量评估结果的准确限制条件。

性判断RBM-MLP模型的应用效果，旨在采用科学1.2基于RBM训练的MLP

的方法提高输变电工程量评估水平[1]。为确保MLP神经网络结构能够拟合非线性函

数，将隐藏层划分为各层均有非线性激活函数的多

1 混合神经网络模型

层。在权重系数和隐藏单元数合适的前提下，通过

1.1基本模型调整隐藏层的层数后，各有限维空间的函数映射关

1.1.1玻尔兹曼机系可通过MLP网络进行表示。

玻尔兹曼机属于随机神经网络，具有对称结构，基于上述思路，在本研究中，采用抽象出特征

包含用0表示的未激活和用1表示的激活两种神经元间的隐含表示，原数据由新特征代替，属于对整体

输出状态，采用概率统计方法确定状态的取值。能特征进行处理的方式；考虑到RBM与MLP的相似

量函数如下：性，采用RBM提取数据特征，建立基于RBM的

（1）MLP网络模型，因此MLP网络在数据维度较高时

xh

式中，为可见层变量（输入数据）；为隐藏层精度偏低的问题可简化为以下模型。

bcxhUVζW

变量；、分别为、的偏置（bias）；矩阵、受限玻尔兹曼机：Ω→，从样本空间Ω将

分别为可见层单元之间、隐层单元之间的连接权值。x∈Rk表示的k维特征观测数据映射至可测空间W，

1.1.2RBM模型分析用v∈Rt表示新特征，其中