BP神經網絡算法在公路建設項目可持續(xù)發(fā)展評價中的應用

陳瑞華

摘要： 公路建設應從社會需求和經濟發(fā)展的可持續(xù)性來考慮，進行可持續(xù)發(fā)展評價。本文采用了BP神經網絡的算法，通過對公路建設中的經濟、環(huán)境資源、運營、管理體制與政策等四方面的可持續(xù)發(fā)展分析，對公路建設項目的可持續(xù)發(fā)展評價進行了研究。通過評價分析，可以正確分析與準確估計其綜合影響程度，達到有效評價和決策，確保項目最終目標順利實現(xiàn)。

Abstract： The highway construction need to consider from the social needs and the sustainability of economic development，this paper used the BP neural network algorithm， through the analysis of sustainable development from economy，environmental resources， operation， management system and policy in highway construction，studied the evaluation of sustainable development of the highway construction project. Through the evaluation analysis，we can correctly analyze and estimate the degree of its comprehensive influence， in order to achieve the

effective evaluation and decision，ensure that ultimate goal of project can be realized.

關鍵詞： BP神經網絡算法；公路建設項目；可持續(xù)發(fā)展；評價

Key words： BP neural network algorithm；highway construction project；sustainable development；evaluation

中圖分類號：[U4-9] 文獻標識碼：A 文章編號：1006-4311（2013）03-0069-02

0 引言

隨著國民經濟持續(xù)、穩(wěn)定、高速的發(fā)展，公路建設蓬勃向上，正處于一個前所未有的建設高峰中。但公路建設同國民經濟的發(fā)展需求之間仍存在著很大的矛盾，如何依據(jù)國民經濟可持續(xù)發(fā)展的戰(zhàn)略目標，對公路建設項目進行可持續(xù)發(fā)展評價，進而制定和規(guī)劃新時代公路建設的可持續(xù)發(fā)展戰(zhàn)略顯的十分重要。

公路建設項目可持續(xù)發(fā)展影響因素繁多，各種影響因素具有隨機性，影響因素間的相關性、權重確定的主觀性、量化計算的難度、評價樣本出現(xiàn)噪聲數(shù)據(jù)等問題都會影響評價方法的有效性。人工神經網絡方法具有良好的容錯性與聯(lián)想記憶功能。高度的非線性有全局作用的特點，用于解決上述問題可以起到很好的作用[1]。

1 BP神經網絡模型

1.1 BP神經網絡算法原理

1.2 基本算法 設有m個輸入神經元，隱層個數(shù)為I， p個輸出神經元。BP網絡常采用S型（Sigmoid）函數(shù)作為激發(fā)函數(shù)并要求采用非線性的連續(xù)可導的激發(fā)函數(shù)，設u為網絡的任意單元，則

f（u）=■ （1）

①輸入層：令Xk=[Xk1，Xk2，…，Xkm]（k=1，2，…，N）為輸入向量，N個訓練樣本。η為學習速率，n為迭代次數(shù)。Wmi（n）為第n次迭代時輸入層與隱層之間的權值向量。Wip（n）為第n次迭代時隱層與輸出層之間的權值向量[2]。

②隱藏層：Netkj=∑iwmiXkm+θj （2）

θj為單元uj的閾值。

③變量輸出：設Yk（n）=[Yk1（n），Yk2（n），…，Ykp（n）]（k=1，2，…，N）為第n次迭代時網絡的實際輸出。

dk=[dk1，dk2，…，dkp]（k=1，2，…，N）為期望輸出。

單元輸出為：

u■=■=■ （3）

在這種激發(fā)函數(shù)下，有：

f■Net■=■=u■1-u■ （4）

故對輸出層單元：

δ■=t■-u■×u■1-u■ （5）

對隱藏層單元：

δ■=u■1-u■∑mδ■w■ （6）

權值調節(jié)為：

Δw■（t+1）=ηδ■u■ （7）

在實際的學習過程中，學習速率η對學習過程的影響很大。η為按梯度搜索的步長。η越大，權值的變化越劇烈。實際應用中，通常是以不導致振蕩的前提下取盡量大的η值。為了使學習速度足夠快而且不易產生振蕩，往往在δ規(guī)則中再加上一個“勢態(tài)項”，即：

Δw■（t+1）=ηδ■u■+aΔw■（t） （8）

式（8）中：a是一個常數(shù)，它決定過去權重的變化對目前權值變化的影響程度[3]。

2 公路建設項目可持續(xù)發(fā)展評價神經網絡模型

2.1 評價指標體系的建立 結合對公路建設項目可持續(xù)發(fā)展的認識及研究現(xiàn)狀和已有研究成果，征詢專家意見，提出公路建設項目可持續(xù)發(fā)展評價指標體系。高速公路建設項目可持續(xù)發(fā)展的評價，應綜合考慮社會、環(huán)境資源、項目運營、管理體制和政策等方面的因素。設定項目評價目標為X。分類評價指標用Xi表示，單項評價指標用Xij來表示。

Xi={社會經濟可持續(xù)發(fā)展評價指標X1，環(huán)境資源可持續(xù)發(fā)展評價指標X2，建設項目運營可持續(xù)發(fā)展評價指標X3，管理體制與政策可持續(xù)發(fā)展評價指標X4}

X1={促進社會發(fā)展程度評價指標X11，促進經濟發(fā)展程度評價指標X12，促進政治穩(wěn)定程度評價指標X13，提高公路部門素質程度評價指標X14}

X2={污染控制評價指標X21，自然資源的利用保護評價指標X22，對生態(tài)平衡的影響評價指標X23，環(huán)境管理評價指標X24}

X3={與交通安全設施評價指標X31，通信系統(tǒng)工程評價指標X32，監(jiān)控系統(tǒng)工程評價指標X33，收費系統(tǒng)工程評價指標X34，其他系統(tǒng)工程評價指標X35，服務區(qū)及養(yǎng)護工區(qū)系統(tǒng)工程評價指標X36，與其他運輸方式協(xié)調程度評價指標X37}

X4={“軟件”管理與政策評價指標X41，“硬件”管理與政策評價指標X42，工程造價與財務管理評價指標X43}

2.2 評價模型的構建 公路建設項目可持續(xù)發(fā)展評價的神經網絡結構確定為（n，m，1），即輸入層節(jié)點個數(shù)對應子要素層中的影響因素個數(shù)；輸出層節(jié)點對應評價值；隱含層為1個，隱層節(jié)點個數(shù)為m，可根據(jù)訓練樣本數(shù)來確定一個適當?shù)碾[節(jié)點數(shù)I。常用經驗公式有：

I=■+a（1？燮a？燮10）

I=log2m

I=（2m+1）

本文隱節(jié)點數(shù)I初始值采用：

I=max（■+a，log2m，2m+1）

2.3 神經網絡模型的應用 模型應用過程就是將需要進行評價項目的各影響因素進行數(shù)值化，并輸入已學習訓練好的網絡模型，可得到理想的公路建設項目可持續(xù)發(fā)展綜合評價值。

然后根據(jù)該評價值所屬等級區(qū)間進行分析和決策，并提出建議。設公路建設項目可持續(xù)發(fā)展綜合評價等級空間為D，本文取5個等級，即D={很大，較大，一般，較小，很小}，設可持續(xù)發(fā)展綜合評價值區(qū)間[0，0.2]表示為很小，類推（0.2，0.4]為較小，（0.4，0.6]為一般；（0.6，0.8]為較大，（0.8，1]為很大。根據(jù)以上神經網絡模型得到的綜合評估值所屬區(qū)間，確定綜合評價的等級。若綜合評價等級在較小以下，應向投資者和決策者預報可持續(xù)發(fā)展評價等級和相應的建議[3]。

3 應用實例

本文以常安高速公路的可持續(xù)發(fā)展的綜合評價為例進行分析。常安高速公路（二廣高速常德至安化段）起于常德市鼎城區(qū)石門橋，連接擬建的澧常高速公路和已建的長常高速公路，止于安化縣梅城，全長95公里。2008年11月開工，計劃于2012年底建成通車。屆時，將使長沙、常德、岳陽、益陽等市實現(xiàn)“高速”對接，促進“環(huán)洞庭湖經濟圈”區(qū)域經濟的發(fā)展，同時滿足洞庭湖區(qū)防洪抗災的需要。

結合本項目的具體情況，通過專家調查咨詢問卷，根據(jù)模糊綜合評判法，得到本項目各影響因素指標值。同時，收集了15條公路項目的相關數(shù)據(jù)，選定多位專家，根據(jù)模糊綜合評判法，得到這些公路建設項目可持續(xù)發(fā)展的社會影響評價指標值和綜合評價值。選12個項目的數(shù)據(jù)作為訓練樣本，另選取3個項目的數(shù)據(jù)作為檢驗樣本。

X1j={0.7432，0.7429，0.7514，0.8421}

X2j={0.7960，0.8043，0.8099，0.8027}

X3j={0.7275，0.7422，0.7377，0.8849，0.8245，0.824，10.8335}

X4j={0.8473，0.8861，0.8891}

根據(jù)前述BP神經網絡模型的設計，選取18個社會影響評價值作為輸入，輸出層的一個節(jié)點為綜合評價值，隱含層節(jié)點初始值按2M+1取37個，則該公路項目可持續(xù)發(fā)展評價BP模型結構初始確定為（18，37，1）。本文訓練函數(shù)算法為Matlab神經網絡工具箱中的函數(shù)trainbr（貝葉斯規(guī)范化BP訓練函數(shù)），采用了動量法和學習率自調整的策略。在模型樣本訓練過程中不斷調整來確定隱層節(jié)點個數(shù)。網絡結果和運行參數(shù)見表1，網絡最大訓練次數(shù)為1500次，得到實際誤差為0.01362。整個過程在Matlab7上實現(xiàn)。

本文應用已訓練好的BP神經網絡，分別將18個影響因子的模糊評價值作為輸入，得到該公路的可持續(xù)發(fā)展評價綜合值。BP神經網絡輸出的綜合值為0.71912，在區(qū)間（0.6，0.8]內，評價綜合值等級屬于較大。說明該公路能較好地實現(xiàn)其社會目標。

4 結論

統(tǒng)計分析方法和實踐研究結果都表明了基于BP神經網絡模型對公路建設項目可持續(xù)發(fā)展評價的可行性和適用性。將基于BP神經網絡的評價方法用于公路建設項目可持續(xù)發(fā)展評價是有意義的，此方法為我國公路建設項目的可持續(xù)發(fā)展戰(zhàn)略提供了更可靠的參考依據(jù)和評價方法。

參考文獻：

[1]張生瑞，邵春福，嚴海.公路交通可持續(xù)發(fā)展評價指標及評價方法研究[J].中國公路學報，2005，4.

[2]郇紅艷，郇洪江.改進BP神經網絡在經濟預測中的應用[J].統(tǒng)計與信息論壇，2008.1.

[3]王建軍，嚴寶杰，陳寬民.高速公路建設項目后評價若干問題探討[J].長安大學學報，2005.6.

[4]王俊清.BP神經網絡及其改進[J].重慶工學院學報，2007，3.

[5]趙淑芝，田振中，張樹山，金俊武.基于BP神經網絡的組合預測模型及其在公路運輸量預測中的應用.

[6]高雋．人工神經網絡原理及仿真實例[M]．北京：機械工業(yè)出版社，2003．

[7]黃文杰.基于BP神經網絡的城市道路交通安全評價研究. 科學技術與工程，2009，18.

[8]張紅紅.高速公路社會影響評價指標可靠度估算方法西安公路交通大學學報，2000，10.

[9]王大淼，楊忠海，滕春賢.公路客運系統(tǒng)動態(tài)模擬哈爾濱商業(yè)大學學報，2005，4.

[10]Nagy，H. M.，Watanabe，K. Prediction of Sediment LoadConcentration in Rivers usingArtificial Neural NetworkMode[J].Journal of HydraulicEngineering 2002 128（6）：588-596.