粗糙集人工神經(jīng)網(wǎng)絡(luò)的建筑施工安全評(píng)價(jià)及應(yīng)用

依據(jù)起重機(jī)的特點(diǎn),建立了安全性評(píng)價(jià)指標(biāo)體系,并將神經(jīng)網(wǎng)絡(luò)理論應(yīng)用于起重機(jī)安全評(píng)價(jià)之中,提出了基于此理論的系統(tǒng)安全評(píng)價(jià)模型和優(yōu)點(diǎn)。根據(jù)實(shí)際收集的安全狀況數(shù)據(jù)構(gòu)建安全評(píng)價(jià)網(wǎng)絡(luò),并利用mat-lab軟件對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得出可以對(duì)起重機(jī)安全狀況進(jìn)行評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)模型。評(píng)價(jià)實(shí)例驗(yàn)證了此方法的可行性,為起重機(jī)安全評(píng)價(jià)提供了一種新的途徑。

探討當(dāng)因素分析和多元回歸方法的使用條件未得到滿足時(shí),是否可采用粗糙集方法進(jìn)行觀察變量的精簡(jiǎn),以及是否可采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測(cè)效度檢驗(yàn)。理論分析了粗糙集和神經(jīng)網(wǎng)絡(luò)在心理測(cè)量中應(yīng)用的可能性,并運(yùn)用粗糙集對(duì)于人事干部勝任力評(píng)估數(shù)據(jù)進(jìn)行分析,比較了7種離散化方法和2種約簡(jiǎn)算法構(gòu)成的14種組合,發(fā)現(xiàn)當(dāng)采用manual方法進(jìn)行離散化、遺傳算法進(jìn)行約簡(jiǎn)時(shí),能夠很好地對(duì)觀測(cè)變量進(jìn)行精簡(jiǎn);運(yùn)用概率神經(jīng)網(wǎng)絡(luò)能夠比等級(jí)回歸方法更好地進(jìn)行預(yù)測(cè)效度檢驗(yàn)。研究結(jié)果表明對(duì)于處理心理測(cè)量中的非等距變量,粗糙集和神經(jīng)網(wǎng)絡(luò)是非常有用的方法。

從人工神經(jīng)網(wǎng)絡(luò)的發(fā)展入手,對(duì)其基本概念及組成特性做了介紹。并以反向傳播模型b-p模型為例闡述了人工神經(jīng)網(wǎng)絡(luò)(ann)的結(jié)構(gòu)及學(xué)習(xí)算法,給出了b-p模型的實(shí)現(xiàn)方法及最終在建筑施工中的成功應(yīng)用,指出了人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)廣闊的應(yīng)用前景,最后提出了今后研究的方向。

人工神經(jīng)網(wǎng)絡(luò)(ann)是一種動(dòng)態(tài)信息處理系統(tǒng),它具有聯(lián)想記憶、自組織、自適應(yīng)、自學(xué)習(xí)和容錯(cuò)性等特性。人工神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)對(duì)危險(xiǎn)源的動(dòng)態(tài)分級(jí);可解決安全綜合評(píng)價(jià)中的不確定性、模糊性和動(dòng)態(tài)復(fù)雜性、指標(biāo)多、數(shù)據(jù)多等難題;在安全預(yù)測(cè)方面,可進(jìn)行煤與瓦斯突出預(yù)測(cè)、煤礦瓦斯涌出量預(yù)測(cè)、煤層自燃預(yù)測(cè)、交通事故預(yù)測(cè)等。討論了其在安全科學(xué)中的應(yīng)用現(xiàn)狀及存在問題,并對(duì)未來研究方向進(jìn)行了展望。

為了有效地對(duì)隧道施工進(jìn)行安全狀態(tài)評(píng)估,建立了以人-機(jī)-環(huán)-管理系統(tǒng)為基礎(chǔ)的隧道施工安全狀態(tài)評(píng)估指標(biāo)體系,構(gòu)造了基于粗糙集-模糊評(píng)判-神經(jīng)網(wǎng)絡(luò)的隧道施工安全狀態(tài)評(píng)估模型。該模型通過粗糙集約簡(jiǎn)輸入變量,提煉學(xué)習(xí)樣本,再利用神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行訓(xùn)練和評(píng)價(jià),提出了使用層次分析法和模糊數(shù)學(xué)的方法對(duì)隧道施工安全整體綜合評(píng)判,得到的評(píng)價(jià)值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練目標(biāo)值的方法。實(shí)際結(jié)果表明,通過使用該模型方法,神經(jīng)網(wǎng)絡(luò)訓(xùn)練的條件屬性由原來的17個(gè)變成6個(gè),訓(xùn)練周期由原來的2992次減少為1637次,泛化能力、安全狀態(tài)評(píng)估的結(jié)果都優(yōu)于約減前,能夠?qū)λ淼朗┕ぐ踩珷顟B(tài)做出有效的評(píng)估結(jié)論。

建筑企業(yè)的安全問題不僅關(guān)系到建筑行業(yè)的發(fā)展,而且關(guān)系到社會(huì)的和諧與進(jìn)步。從管理者的視角構(gòu)建了建筑企業(yè)安全管理評(píng)價(jià)指標(biāo)體系,并對(duì)指標(biāo)之間的關(guān)系做了簡(jiǎn)要的說明。然后應(yīng)用主成份分析對(duì)神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行預(yù)處理,提取其中的關(guān)鍵成分作為網(wǎng)絡(luò)的輸入,并采用遺傳算法來提高神經(jīng)網(wǎng)絡(luò)的收斂速度。最后以天津市建筑企業(yè)為實(shí)例加以說明并進(jìn)行了分析。結(jié)果表明,建立的模型不僅較公平、合理,而且提高了神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)效率。

依據(jù)建筑物火災(zāi)危險(xiǎn)性的影響因素,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)理論及系統(tǒng)安全方法,建立了建筑物火災(zāi)危險(xiǎn)性的評(píng)價(jià)指標(biāo)體系,該方法擺脫了評(píng)價(jià)過程中的隨機(jī)性和參評(píng)人員主觀上的不確定性及其認(rèn)識(shí)上的模糊性等缺點(diǎn),大大提高了準(zhǔn)確性。為了驗(yàn)證評(píng)價(jià)模型的準(zhǔn)確性,將該理論應(yīng)用到某高校圖書館火災(zāi)危險(xiǎn)性評(píng)價(jià)中,快速、準(zhǔn)確地得到了安全評(píng)價(jià)結(jié)果,取得了滿意效果,為建筑物防火設(shè)計(jì)以及安全管理提供了可行的依據(jù)。

研究房地產(chǎn)價(jià)格準(zhǔn)確預(yù)測(cè)問題。由于房地產(chǎn)價(jià)格影響因子間信息嚴(yán)重冗余,受到社會(huì)上多種因素的影響。傳統(tǒng)預(yù)測(cè)方法不能消除因子間的冗余信息,導(dǎo)致學(xué)習(xí)時(shí)間長(zhǎng)、預(yù)測(cè)精度低。為了提高房地產(chǎn)價(jià)格的預(yù)測(cè)精度,提出一種粗糙集理論bp神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價(jià)格預(yù)測(cè)模型(rs-bpnn)。rs-bpnn模型首先采用粗糙集理論消除房地產(chǎn)價(jià)格因子間冗余信息,提取重要因子,然后采用非線性預(yù)測(cè)能力非常強(qiáng)的bp神經(jīng)網(wǎng)絡(luò)對(duì)處理后的數(shù)據(jù)進(jìn)行學(xué)習(xí)建模,用建立好的模型對(duì)房地產(chǎn)價(jià)格進(jìn)行預(yù)測(cè)。仿真結(jié)果表明,rs-bpnn房地產(chǎn)價(jià)格預(yù)測(cè)速度比傳統(tǒng)預(yù)測(cè)方法快,預(yù)測(cè)精度更高,說明rs-bpnn的預(yù)測(cè)結(jié)果可以為政策制定者和房地商及買房提供參考。

針對(duì)神經(jīng)網(wǎng)絡(luò)存在的網(wǎng)絡(luò)冗余性較大的問題,提出一種基于粗糙集的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法。該方法將粗糙集理論和神經(jīng)網(wǎng)絡(luò)有機(jī)地結(jié)合在一起,利用粗糙集理論在知識(shí)獲取方面具有智能的特點(diǎn),對(duì)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行預(yù)處理,從大量的原始數(shù)據(jù)中提取精簡(jiǎn)的規(guī)則,從而確定神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元個(gè)數(shù),簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),提高系統(tǒng)的速度。最后通過仿真研究表明該方法能有效地改善神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間較長(zhǎng)的缺點(diǎn)。

目的通過對(duì)鋁電解生產(chǎn)過程中的故障進(jìn)行有效地診斷來提高鋁的生產(chǎn)效率和節(jié)約能源.方法把粗糙集和神經(jīng)網(wǎng)絡(luò)結(jié)合起來應(yīng)用在鋁電解的故障診斷中.先用自組織特征映射網(wǎng)絡(luò)(som)對(duì)初始數(shù)據(jù)進(jìn)行離散化后得到?jīng)Q策表,然后用粗糙集理論對(duì)決策表進(jìn)行約簡(jiǎn)得到最簡(jiǎn)決策表,根據(jù)最簡(jiǎn)決策表設(shè)計(jì)bp神經(jīng)網(wǎng)絡(luò)對(duì)鋁電解中的故障進(jìn)行診斷.結(jié)果用粗糙集對(duì)神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)進(jìn)行預(yù)處理可以簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),減少計(jì)算量和訓(xùn)練時(shí)間,從而提高整個(gè)診斷系統(tǒng)的診斷效率、故障診斷準(zhǔn)確率在90%以上.結(jié)論該方法能夠?qū)︿X電解中的故障做出正確的診斷.

為了從根本上提高電力企業(yè)員工的安全意識(shí),減少由于人因失誤造成的電力生產(chǎn)事故,本文基于粗糙集與人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了電力企業(yè)員工安全等級(jí)評(píng)價(jià)模型,模型中將粗糙集作為人工神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),以減少神經(jīng)網(wǎng)絡(luò)的復(fù)雜性。經(jīng)過實(shí)驗(yàn),訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)較好地獲取并保存了員工安全等級(jí)評(píng)價(jià)的知識(shí)和經(jīng)驗(yàn),證明此種評(píng)價(jià)模型能為電力企業(yè)生產(chǎn)中員工安全等級(jí)評(píng)價(jià)提供合理的依據(jù)。

針對(duì)我國高層建筑施工安全的現(xiàn)狀與特點(diǎn),基于《建筑施工安全檢查標(biāo)準(zhǔn)》、《施工企業(yè)安全生產(chǎn)評(píng)價(jià)標(biāo)準(zhǔn)》,初選了專項(xiàng)安全施工組織設(shè)計(jì)、安全教育與檢查等16項(xiàng)高層建筑施工安全影響因素(評(píng)價(jià)項(xiàng)目);利用粗糙集理論,結(jié)合工程實(shí)例,優(yōu)選、確立了具有廣泛應(yīng)用價(jià)值的專項(xiàng)安全施工組織設(shè)計(jì)、腳手架的施工方案等10項(xiàng)影響因素(評(píng)價(jià)項(xiàng)目),提出了高層建筑施工安全評(píng)價(jià)的粗糙集理論方法評(píng)價(jià),并建立了高層建筑施工安全評(píng)價(jià)體系。

本文根據(jù)施工企業(yè)安全生產(chǎn)評(píng)價(jià)標(biāo)準(zhǔn)以及安全檢查施工標(biāo)準(zhǔn)等,對(duì)高層建筑的安全施工特點(diǎn)和現(xiàn)狀加以分析,對(duì)安全施工進(jìn)行設(shè)計(jì)、檢查等涉及到施工安全的要素加以分析。利用粗糙集理論,對(duì)工程案例中具有應(yīng)用價(jià)值的施工組織、施工設(shè)計(jì)、施工方案的設(shè)定等進(jìn)行論證,提出了采用粗糙集理論方法,強(qiáng)化高層建筑安全評(píng)價(jià)體系的構(gòu)筑的觀點(diǎn)。

審計(jì)意見類型及其預(yù)測(cè)結(jié)果受到企業(yè)各利益相關(guān)方的高度關(guān)注。同時(shí)選用財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)為變量,構(gòu)建了基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型。將領(lǐng)域粗糙集作為bp神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),在保持分類能力不變的前提下進(jìn)行指標(biāo)約簡(jiǎn),提取關(guān)鍵指標(biāo),再將約簡(jiǎn)的指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量。以2013—2015年滬深a股176家公司數(shù)據(jù)作為研究樣本,采用三種模型進(jìn)行審計(jì)意見預(yù)測(cè)對(duì)比分析,結(jié)果表明：本模型預(yù)測(cè)準(zhǔn)確率達(dá)到97.06%,與單純利用神經(jīng)網(wǎng)絡(luò)建?；騿渭兝秘?cái)務(wù)指標(biāo)建模的預(yù)測(cè)效果相比具有更好的預(yù)測(cè)效果。

審計(jì)意見類型及其預(yù)測(cè)結(jié)果受到企業(yè)各利益相關(guān)方的高度關(guān)注.同時(shí)選用財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)為變量,構(gòu)建了基于鄰域粗糙集神經(jīng)網(wǎng)絡(luò)的審計(jì)意見預(yù)測(cè)模型.將領(lǐng)域粗糙集作為bp神經(jīng)網(wǎng)絡(luò)的前置系統(tǒng),在保持分類能力不變的前提下進(jìn)行指標(biāo)約簡(jiǎn),提取關(guān)鍵指標(biāo),再將約簡(jiǎn)的指標(biāo)體系作為神經(jīng)網(wǎng)絡(luò)模型的輸入變量.以2013-2015年滬深a股176家公司數(shù)據(jù)作為研究樣本,采用三種模型進(jìn)行審計(jì)意見預(yù)測(cè)對(duì)比分析,結(jié)果表明:本模型預(yù)測(cè)準(zhǔn)確率達(dá)到97.06％,與單純利用神經(jīng)網(wǎng)絡(luò)建模或單純利用財(cái)務(wù)指標(biāo)建模的預(yù)測(cè)效果相比具有更好的預(yù)測(cè)效果.

回顧施工項(xiàng)目安全管理和安全管理研究現(xiàn)狀,建立建設(shè)項(xiàng)目安全管理指標(biāo)體系。利用人工神經(jīng)網(wǎng)絡(luò)非線性函數(shù)逼近能力,對(duì)項(xiàng)目風(fēng)險(xiǎn)因素程度預(yù)測(cè)。針對(duì)該網(wǎng)絡(luò)當(dāng)數(shù)據(jù)量大時(shí),其結(jié)構(gòu)復(fù)雜、收斂慢,易陷入局部最優(yōu)的缺點(diǎn),引入粗糙集對(duì)影響建設(shè)項(xiàng)目安全目標(biāo)的不確定性因素進(jìn)行約簡(jiǎn),找出最小不確定性風(fēng)險(xiǎn)因素集,大大簡(jiǎn)化網(wǎng)絡(luò)輸入信息的表達(dá)空間維數(shù)。并結(jié)合粒子群算法收斂速度快、全局最優(yōu)的尋優(yōu)能力強(qiáng)的優(yōu)點(diǎn),建立基于粗糙集——粒子群神經(jīng)網(wǎng)絡(luò)的建設(shè)項(xiàng)目安全預(yù)測(cè)系統(tǒng)。通過實(shí)例驗(yàn)證該系統(tǒng)的科學(xué)性和有效性。

為了研究隧洞施工安全評(píng)價(jià)方法,以某正在施工的隧洞為背景,確定了24個(gè)安全評(píng)價(jià)指標(biāo),設(shè)計(jì)了隧洞施工的多層前饋bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),建立了較為完善的基于bp神經(jīng)網(wǎng)絡(luò)的隧洞施工安全評(píng)價(jià)體系模型,并驗(yàn)證了其實(shí)用性。對(duì)背景工程進(jìn)行了施工安全評(píng)價(jià),評(píng)價(jià)結(jié)果與工地實(shí)地考察結(jié)果一致,說明所建立的隧洞施工安全評(píng)價(jià)模型的有效性和實(shí)用性。

基于人工神經(jīng)網(wǎng)絡(luò)的軟件質(zhì)量評(píng)價(jià)

探討了礦井構(gòu)造定量評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)方法,結(jié)合東坡井田討論了bp模型的輸入層、隱含層和輸出層的構(gòu)置和優(yōu)選等問題,利用東坡井田已知資料使用有序地質(zhì)量最優(yōu)分割方法和插值法得到學(xué)習(xí)樣本,經(jīng)過學(xué)習(xí)樣本的訓(xùn)練,對(duì)未知單元進(jìn)行評(píng)價(jià)。

為在繼電器的設(shè)計(jì)和生產(chǎn)階段通過多個(gè)評(píng)價(jià)指標(biāo)評(píng)價(jià)其整體品質(zhì),研究了多層次綜合評(píng)判模型的可計(jì)算性。該模型依據(jù)電器產(chǎn)品設(shè)計(jì)方案關(guān)于技術(shù)性能和成本的綜合評(píng)價(jià)指標(biāo)體系,并通過對(duì)神經(jīng)網(wǎng)絡(luò)原理的評(píng)判方法的研究而建立。實(shí)例證明,人工神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為處理各種模糊的、數(shù)據(jù)不完全的、模擬的、不精確的模式識(shí)別問題提供了一個(gè)全新的途徑。

在灌區(qū)改造規(guī)劃資料統(tǒng)計(jì)的基礎(chǔ)上,擬建了一套涵蓋較全面的指標(biāo)和指標(biāo)分級(jí)體系,利用附加動(dòng)量/自適應(yīng)學(xué)習(xí)率的改進(jìn)bp算法,建立一個(gè)人工神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)模型,并對(duì)二個(gè)實(shí)際灌區(qū)進(jìn)行評(píng)價(jià)。模型具有突出體現(xiàn)目標(biāo)、靈敏反映差異,收斂快等特點(diǎn)。

在對(duì)財(cái)務(wù)狀況評(píng)價(jià)的機(jī)理和關(guān)鍵財(cái)務(wù)指標(biāo)分析的基礎(chǔ)上,提出了基于粗糙集的財(cái)務(wù)指標(biāo)屬性約簡(jiǎn)方法,設(shè)計(jì)了財(cái)務(wù)狀況評(píng)價(jià)模型的構(gòu)建流程和檢驗(yàn)標(biāo)準(zhǔn),建立了基于bp神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)狀況評(píng)價(jià)模型。利用matlab軟件對(duì)146家房地產(chǎn)上市公司的2007-2012年財(cái)務(wù)數(shù)據(jù)進(jìn)行了研究,結(jié)果表明,基于bp神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)狀況評(píng)價(jià)模型可以對(duì)房地產(chǎn)公司的財(cái)務(wù)狀況作出評(píng)價(jià)。在此基礎(chǔ)上,結(jié)合財(cái)務(wù)危機(jī)成因提出了房地產(chǎn)企業(yè)防范財(cái)務(wù)危機(jī)的建議。