基于模糊神经网络的公路隧道施工系统安全评价

《基于模糊神经网络的公路隧道施工系统安全评价》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于模糊神经网络的公路隧道施工系统安全评价：针对高速公路隧道施工系统的安全评价问题，将模糊理论与神经X络相融合，研究建立了一种模糊神经X络评价模型。文中描述了模糊神经X络的基本结构和原理，阐明了该评价系统的工作原理及实现方法。该评价模型具有对环境变化的自学习能力，对权值进行动态调整，通过适当补充学习样本，可以实现历史经验与新知识完美结合，动态地评价公路隧道施工系统的安全状态。　　关键词：高速公路；隧道施工系统；安全评价；模糊理论；神经X络　　0引言　　近年来，随着国家高速公路迅猛发展，隧道建设数量也越来越多，规模也越来越大。在隧道施工过程中，由于围岩地

2、质条件的多样性和复杂性，其施工事故发生率比其他岩土工程高且严重，给隧道工程施工人员身心带来严重的危害，社会影响恶劣，有悖于国家建设和谐社会的宗旨。这就要求用科学的方法对隧道施工生产系统进行安全分析与评估，预测事故发生的可能性[1]。　　在传统的公路隧道施工生产系统安全评价中，经常使用的安全评价方法主要以定性安全评价方法为主，如专家论证法、安全检查表法及作业条件危险性评价法等[2,3]。近年来，在公路隧道施工生产系统安全评价中，引人了模糊综合评价的方法，取得了较好的决策效果[4]。但是，该方法缺乏对环境变化的自学习能力，对权值不能进行动态调整[5],而神

3、经X络具有非线性逼近能力,具有自学习、自适应和并行分布处理能力，但其对不确定性知识的表达能力较差，因此，模糊控制与神经X络结合就可以优势互补，各取所长[6]，在这方面已经出现了一些研究成果[7～11]。为此，本文把人工神经X络理论与模糊综合评价理论相融合，研究建立了一种模糊神经X络评价模型，对公路隧道施工的安全管理水平进行评价。　　1模糊神经X络　　1.1基本结构原理　　模糊神经X络是由与人脑神经细胞相似的基本计算单元即神经元通过大规模并行、相互连接而成的X络系统，训练完的X络系统具有处理评估不确定性的能力，也具有记忆联想的能力，可以成为解决评估问题的

4、有效工具，对未知对象作出较为客观正确的评估。　　根据评估问题的要求，本文采用具有多输人单元和五输出单元的三层前馈神经X络，其中包括神经X络和模糊集合两方面的内容。　　1.2神经X络　　为了模拟人脑结构和功能的基本特性，前馈神经X络由许多非线性神经元组成，并行分布，多层连接。RobertHecht一Nielson于1989年证明了对于任何在闭区间内的一个连续函数都可以用一个隐层的BPX络来逼近[12]，因而一个三层的BPX络完全可以完成任意的输人层到输出层的变换。因此，本文研究的公路隧道施工系统安全评价模糊神经X络采用三层BP神经X络结构。输人层有个神经

5、元，输人向量，，输人层神经元的输出是输人向量的各分分量。隐层有个神经元，，若输人层神经元与隐层神经元之间的连接权值为，且隐层神经元的阈值为，则隐层神经元的输出为　　(l)　　式中是神经元的激励函数，一般选取单调递增的有界非线性函数，这里选用Sigmoid函数：　　(2)　　由此，隐层神经元的输出为：　　(3)　　同理可得输出层神经元的输出为：　　(4)　　1.3学习算法　　本X络采用BP学习算法，它是一种有教师的学习算法，其学习过程由信号的正向传播和误差的反向传播组成。基本原理是：设输人学习样本为个，即输人矢量，已知其对应的期望输出矢量(教师信号)为，

6、正向传播过程将学习样本输人模式从输人层经隐含单元层逐层处理，并传向输出层，得到实际的输出矢量，如果在输出层不能得到期望输出，则转人反向传播，将与的误差信号通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而调整各神经元之间的连接权值，这种信号正向传播与误差反向传播得各层权值调整过程是周而复始地进行的，直到X络输出的误差减少到可接受的程度，或进行到预先设定的学习次数为止。　　X络的具体学习算法的计算模型如下：　　对某一学习样本，误差函数为　　（5）　　式中：、分别为该样本的输出期望值和实际值。　　对于所有学习样本，X络的总误差为　　（6）　　X络

7、学习算法实际上就是求误差函数的极小值。利用非线性规划中的梯度下降法(最速下降法)，使权值沿着误差函数的负梯度方向改变。　　隐层与输出层之间的权值(及阈值)的更新量可表示为　　（7）　　式中：为学习率，可取。　　将式（6）和（4）代入式（7），并利用复合函数求导的连锁规则，得　　（8）　　式中：为迭代次数，为误差信号　　（9）　　类似的，输入层与隐层之间的权值（及阈值）修正为　　（10）　　同理可得　　　　式中为误差信号　　（11）　　为了改善收敛性，提高X络的训练速度，避免训练过程发生振荡，对BP算法进行改进，在权值调整公式中增加一动量项，即从前一次权

8、值调整量中取出一部分迭加到本次权值调整量中，即：　　（12）　　（13）　　式中为动量因子，一