[发明专利]一种基于神经网络的堆石混凝土技术适应度反馈调节方法在审
申请号: | 201910364079.9 | 申请日: | 2019-04-30 |
公开(公告)号: | CN110263911A | 公开(公告)日: | 2019-09-20 |
发明(设计)人: | 郑文勇;程浩;夏让欣;刘非男;张雨辰;寿云东 | 申请(专利权)人: | 福建省水利投资开发集团有限公司;武汉大学 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08;G06Q10/06;G06Q50/08 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 刘江炀 |
地址: | 350001 福*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 适应度 神经网络 堆石混凝土 反馈调节 输入样本 学习训练 评价指标 样本数据 权重 期望 适应性评价 输出层 输入层 构建 采集 输出 返回 预测 分配 | ||
1.一种基于神经网络的堆石混凝土技术适应度反馈调节方法,其特征在于,包括如下步骤:
步骤1、构造样本数据:采集已有堆石混凝土适应性评价数据,包括评价指标的权重以及适应度;
步骤2、训练:构建神经网络,并将评价指标的权重作为输入层的输入样本,以及将适应度作为输出层的期望输出导入至神经网络,然后采用BP算法对神经网络进行学习训练;
步骤3、根据实际工程资料,获取实际输入样本,并将其输入到步骤2学习训练好的神经网络,计算出实际适应度;若实际适应度不符合期望适应度,则将实际输入样本和期望适应度添加至步骤1的样本数据内,并返回步骤2对神经网络重新进行学习训练,改变实际输入样本中各评价指标的权重的分配,以实现堆石混凝土技术适应度的反馈调节。
2.根据权利要求1所述的一种基于神经网络的堆石混凝土技术适应度反馈调节方法,其特征在于,所述步骤1具体步骤如下:
步骤11、确定堆石混凝土适用性评价体系的评价指标;
步骤12、根据层次分析法确定各评价指标的权重,形成权重矩阵,且满足一致性检验;
步骤13、基于模糊综合评价法根据各评价指标的定量评价值求解其对应隶属度,形成隶属度矩阵;
步骤14、将权重矩阵与隶属度矩阵两者相乘,计算得到工程最终的隶属度,即为适应度。
3.根据权利要求2所述的一种基于神经网络的堆石混凝土技术适应度反馈调节方法,其特征在于,所述步骤11具体为:
确定堆石混凝土适应性评价体系,包括对象性、易用性、有效性、可靠性和经济性5个准则层,对象性准则层包括构筑物的设计等级、结构形式、社会价值3个评价指标;易用性准则层包括对象所在场所、施工人员专业素质、施工机械化程度、重要材料的供应能力、气候条件、地质条件6个评价指标;有效性准则层包括凝土强度评价、热效应、干缩性能、抗渗性能、抗裂性能5个评价指标;可靠性准则层包括施工难易程度、施工危险性、材料获取的难易程度、施工工期4个评价指标;经济性准则层包括堆石骨料能否就地取材、施工材料的当地成本、能量供应情况、核心货物运输的难易程度和运输距离、施工和运营期间的人工成本5个评价指标。
4.根据权利要求1所述的一种基于神经网络的堆石混凝土技术适应度反馈调节方法,其特征在于,所述神经网络采用四层神经网络结构,每层神经元各30个,学习率为0.3,迭代次数大于100000次。
5.根据权利要求4所述的一种基于神经网络的堆石混凝土技术适应度反馈调节方法,其特征在于,所述四层神经网络结构中输入层与第一层隐含层之间的传递函数为tansig函数,第一层隐含层与第二层隐含层之间的传递函数为tansig函数,第二层隐含层与输出层之间的传递函数为purelin函数。
6.根据权利要求5所述的一种基于神经网络的堆石混凝土技术适应度反馈调节方法,其特征在于,
输入层与第一层隐含层之间的传递函数tansig的表达式为:
式中P为输入层待输入的数据库数据,W1为神经网络第一层隐含层的待计算权值矩阵,B1为神经网络第一层隐含层的待计算阈值矩阵,F1为第一层隐含层输出的数据;
第一层隐含层与第二层隐含层之间的传递函数tansig的表达式为:
式中F1为第一层隐含层输出的数据,W2为神经网络第二层隐含层的待计算权值矩阵,B2为神经网络第二层隐含层的待计算阈值矩阵,F2为第二层隐含层输出的数据;
第二层隐含层与输出层之间的传递函数purelin的表达式为:
F3=F2W3+B3
式中F2为第二层隐含层输出的数据,W3为神经网络输出层的待计算权值矩阵,B3为神经网络输出层的待计算阈值矩阵,F3为输出层输出的数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建省水利投资开发集团有限公司;武汉大学,未经福建省水利投资开发集团有限公司;武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910364079.9/1.html,转载请声明来源钻瓜专利网。