綠色鐵路客站室內(nèi)環(huán)境質(zhì)量評價(jià)方法的研究

于堯++鮑學(xué)英+王起才

摘要：運(yùn)用混合遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式，可有效地弱化打分法中人為因素的影響，與GA-BP相比還具有增大最優(yōu)值搜索范圍，收斂速度快，效率高等優(yōu)點(diǎn)。最后通過驗(yàn)證評價(jià)武漢站室內(nèi)環(huán)境質(zhì)量，得出該模型切實(shí)可行。

Abstract： The combination of hybrid genetic algorithm and BP neural network can effectively weaken the influence of human factors in scoring method. Compared with GA-BP， it also has the advantages of increasing the searching range of optimal value， quick convergence and high efficiency. Finally， through the verification and evaluation of Wuhan station indoor environmental quality， it come to the feasibility of the model.

關(guān)鍵詞：綠色鐵路客站室內(nèi)環(huán)境；混合遺傳算法；BP神經(jīng)網(wǎng)絡(luò)

Key words： indoor environment quality of green railway station；hybrid genetic algorithm；Back Propagation Neural Network

中圖分類號：TU248.1；TU201.5 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2018）08-0062-02

0 引言

近年來，我國鐵路事業(yè)飛速發(fā)展，鐵路線路網(wǎng)不斷完善，運(yùn)輸速度和運(yùn)輸能力不斷提升，為達(dá)到我國鐵路綠色GDP發(fā)展目標(biāo)，提升鐵路建設(shè)過程中的綠色水平，“綠色鐵路”應(yīng)運(yùn)而生。鐵路客站作為鐵路運(yùn)行機(jī)制中必不可少的部分，現(xiàn)代化的鐵路客站要求達(dá)到節(jié)能環(huán)保標(biāo)準(zhǔn)，貫徹國家技術(shù)經(jīng)濟(jì)政策。已有一部分學(xué)者對綠色鐵路客站的評價(jià)工作進(jìn)行研究探討。任濤等選擇“節(jié)水”和“節(jié)地”指標(biāo)進(jìn)行評價(jià)[2]；劉燕等則選擇了綠色鐵路客站評價(jià)指標(biāo)體系中的“室內(nèi)環(huán)境”與“節(jié)能”進(jìn)行設(shè)計(jì)調(diào)研，在實(shí)測與調(diào)研的基礎(chǔ)上，總結(jié)歸納其特點(diǎn)與現(xiàn)狀[3]。

目前，國內(nèi)外尚未明確提出關(guān)于綠色鐵路客站室內(nèi)環(huán)境質(zhì)量評價(jià)模型，未完善綠色鐵路客站室內(nèi)環(huán)境質(zhì)量評價(jià)工作。根據(jù)《綠色鐵路客站評價(jià)標(biāo)準(zhǔn)》（TB/T10429-2014）室內(nèi)環(huán)境質(zhì)量包含了光環(huán)境、聲環(huán)境、熱環(huán)境、室內(nèi)空氣質(zhì)量和功能適應(yīng)性。本文采用混合遺傳和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對綠色鐵路客站室內(nèi)環(huán)境質(zhì)量進(jìn)行評價(jià)。并通過實(shí)例進(jìn)行驗(yàn)證，說明該方法對于綠色鐵路客站室內(nèi)環(huán)境質(zhì)量評價(jià)工作具有一定的意義。

1 BP算法與混合遺傳算法

1.1 BP算法

BP算法是指通過誤差逆?zhèn)鞑韺?shí)現(xiàn)訓(xùn)練多層網(wǎng)絡(luò)結(jié)構(gòu)的一種算法，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。拓?fù)浣Y(jié)構(gòu)共包括三層，第一層為輸入層，第二層為隱含層，第三層為輸出層。

1.2 混合遺傳算法

遺傳算法是將生物進(jìn)化過程中的“適合生存”理論與染色體的隨機(jī)變化結(jié)合機(jī)制互相融合而成的隨機(jī)化搜索算法。而模擬退火算法需設(shè)置一個(gè)初始溫度，在溫度參數(shù)不斷下降的過程中，在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局性最優(yōu)解，直至溫度達(dá)到結(jié)束溫度。

混合遺傳算法的基本思路，首先采用遺傳算法的基本操作（選擇、交叉、變異），作為模擬退火算法在某一溫度下對個(gè)體的擾動(dòng)，產(chǎn)生一個(gè)相對優(yōu)良的群體。然后對每一個(gè)新個(gè)體進(jìn)行模擬退火算法降溫操作，從而使基因進(jìn)一步優(yōu)化。運(yùn)行過程反復(fù)迭代，直至輸出復(fù)合條件的結(jié)果即可。

1.3 混合遺傳BP神經(jīng)網(wǎng)絡(luò)

混合遺傳算法優(yōu)化BP算法的基本思想是對BP算法的初始權(quán)值和閥值進(jìn)行優(yōu)化，在選擇、交叉、變異等傳統(tǒng)遺傳算法操作基礎(chǔ)上進(jìn)行模擬退火操作來尋找最優(yōu)權(quán)值和閥值。主要步驟如下：

步驟一 編碼。生成BP神經(jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)。

步驟二 計(jì)算個(gè)體適應(yīng)度。

步驟三 選擇。為使每個(gè)個(gè)體被選中的概率和適應(yīng)度函數(shù)成正比，本文采用輪盤賭法進(jìn)行選擇。

步驟四 交叉。所謂交叉運(yùn)算指兩個(gè)相互配對的染色體依據(jù)交叉概率按照一定的方法相互交換其部分基因。本文采用單點(diǎn)交叉法。

步驟五 變異。本文采用基本位變異算子，指對個(gè)體編碼串隨機(jī)指定的某一位或某幾位基因做變異運(yùn)算，使其適應(yīng)度提高，每個(gè)個(gè)體以概率進(jìn)行變異。

步驟六 獲得模擬退火算法初始種群，采用metropolis準(zhǔn)則產(chǎn)生新個(gè)體。

步驟七 降溫操作。把前面的交叉和變異看作是在一定溫度下對個(gè)體的擾動(dòng)，模擬退火過程就是通過T參數(shù)的變化進(jìn)行全局搜索，有效避免了BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)的問題。在降溫操作后，判斷結(jié)果是否滿足要求，滿足則輸出，不滿足則從步驟二開始進(jìn)行循環(huán)，反復(fù)迭代，知道輸出最優(yōu)解。

2 灰色關(guān)聯(lián)度與GASA-BP相結(jié)合的綜合評價(jià)模型

2.1 綠色鐵路客站室內(nèi)環(huán)境環(huán)境質(zhì)量評價(jià)指標(biāo)體系的建立

通過查閱《綠色鐵路客站評價(jià)標(biāo)準(zhǔn)》，建立了綠色鐵路客站室內(nèi)環(huán)境質(zhì)量評價(jià)指標(biāo)體系，確定了光環(huán)境、聲環(huán)境、熱環(huán)境、室內(nèi)空氣質(zhì)量和功能適應(yīng)性5個(gè)一級指標(biāo)，以及與之相關(guān)的24個(gè)二級指標(biāo)。如圖1為相應(yīng)的指標(biāo)體系。

2.2 灰色關(guān)聯(lián)度和GASA-BP的綜合評價(jià)

本文涉及的指標(biāo)較多，且指標(biāo)間相互關(guān)系不明確，顧采用灰色關(guān)聯(lián)度確定一級指標(biāo)的權(quán)重。endprint

①指標(biāo)無量綱化。把樣本數(shù)據(jù)中各個(gè)指標(biāo)的第一個(gè)數(shù)據(jù)作為基礎(chǔ)，用每個(gè)指標(biāo)的剩余數(shù)據(jù)值除以基礎(chǔ)數(shù)得到無量綱化后的數(shù)據(jù)。

②設(shè)有n個(gè)評價(jià)指標(biāo)，一個(gè)指標(biāo)可以得到p名專家的打分，即構(gòu)造最優(yōu)方案，即

Xi={Xi（1），Xi（2），Xi（3），…，Xi（p）}構(gòu)造最優(yōu)方案，即Xi={Xi（1），Xi（2），Xi（3），…，Xi（p）}

③灰色關(guān)聯(lián)系數(shù)：

式中：j=1，2，…m；i=1，2，…n；ρ—分辨率，ρ越大則分辨率越小，其取值范圍在0到1之間，一般取值為0.5。

④灰色關(guān)聯(lián)度為：

⑤各指標(biāo)權(quán)重：

采用GASA-BP模型，對綠色鐵路客站室內(nèi)環(huán)境質(zhì)量質(zhì)量進(jìn)行評價(jià)，指標(biāo)體系中的二級指標(biāo)作為輸入端，輸入端節(jié)點(diǎn)個(gè)數(shù)為24，一級指標(biāo)作為輸出端，輸出端節(jié)點(diǎn)個(gè)數(shù)為5。利用足夠的基礎(chǔ)數(shù)據(jù)反復(fù)訓(xùn)練該模型，直到實(shí)際輸出值接近期望輸出值，輸出值再結(jié)合灰色關(guān)聯(lián)度法確定一級指標(biāo)權(quán)重，得出綠色鐵路客站室內(nèi)環(huán)境質(zhì)量的評價(jià)結(jié)果。

3 應(yīng)用實(shí)例

武漢站地處湖北省武漢市洪山區(qū)，毗鄰武漢三環(huán)線，是京廣高鐵的重要車站。武漢站總建筑面積370860平方米，武漢站總投資額約140億元人民幣。

3.1 一級指標(biāo)權(quán)重確定

邀請10位專家根據(jù)自身經(jīng)驗(yàn)及工程項(xiàng)目本身特點(diǎn)結(jié)合綠色鐵路客站室內(nèi)環(huán)境質(zhì)量一級指標(biāo)重要性進(jìn)行評定，總分為10分。通過運(yùn)用灰色關(guān)聯(lián)分析方法，得到一級指標(biāo)權(quán)重分別為0.27，0.23，0.18，0.2，0.13。

3.2 GASA-BP模型設(shè)置

本文用于評估綠色鐵路客站室內(nèi)環(huán)境質(zhì)量的網(wǎng)絡(luò)模型有24個(gè)輸入節(jié)點(diǎn)，5和輸出節(jié)點(diǎn)，隱含層中所含節(jié)點(diǎn)個(gè)數(shù)可由如下經(jīng)驗(yàn)公式參考確定：

式中：m與n分別為輸入層和輸出層的節(jié)點(diǎn)個(gè)數(shù)；C為0到9之間的常數(shù)。將m=24，n=5，C=6代入公式，得隱含層節(jié)點(diǎn)個(gè)數(shù)為12。

為了驗(yàn)證本文所使用模型的有效性及結(jié)果，采用Matlab 7.12.0進(jìn)行仿真計(jì)算，種群規(guī)模為60，迭代次數(shù)為50代，交叉概率為0.6，變異概率為0.05，初始溫度為100度，結(jié)束溫度為0.01度。標(biāo)準(zhǔn)遺傳算法的參數(shù)設(shè)置與混合遺傳算法中遺傳算法部分參數(shù)設(shè)置一致。

3.3 灰色關(guān)聯(lián)與GASA-BP模型相結(jié)合的評審結(jié)果

綠色鐵路客站室內(nèi)環(huán)境質(zhì)量等級分為深綠色、綠色、準(zhǔn)綠色、淺綠色和非綠色，分別對應(yīng)0.9，0.7，0.5，0.3和0.1。當(dāng)評價(jià)等級介于兩者之間時(shí)，可取值0.8，0.6，0.4和0.2。

由評價(jià)結(jié)果得出該方法切實(shí)可行。

4 結(jié)論

仿真結(jié)果表明混合遺傳BP算法可有效準(zhǔn)確地評估綠色鐵路客站室內(nèi)環(huán)境質(zhì)量，該方法切實(shí)可行，對其他研究方向亦可有借鑒之處。

參考文獻(xiàn)：

[1]韓志偉.新型鐵路客站的設(shè)計(jì)與建設(shè)[J].鐵道經(jīng)濟(jì)研究，2005（6）：20-22，25.

[2]任濤，張宬，楊墨池.綠色鐵路客站評價(jià)標(biāo)準(zhǔn)“節(jié)地”與“節(jié)水”指標(biāo)研究[J].城市發(fā)展研究，2013，20（1）：22-24.

[3]劉燕，彭琛，燕達(dá).鐵路客站室內(nèi)環(huán)境現(xiàn)狀及節(jié)能設(shè)計(jì)調(diào)研[J].暖通空凋，2011（07）：51-57.

[4]賀曉霞，鮑學(xué)英，王起才.基于組合方法計(jì)算權(quán)重的綠色鐵路客站綜合評估[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2016（04）.endprint