反向傳播神經(jīng)網(wǎng)絡(luò)在社會(huì)發(fā)展中的智慧應(yīng)用研究

關(guān)成立 楊岳

摘? 要： 人工神經(jīng)網(wǎng)絡(luò)技術(shù)已被廣泛應(yīng)用于社會(huì)經(jīng)濟(jì)發(fā)展各領(lǐng)域中的非線性復(fù)雜問(wèn)題的處理。文章闡述了反向傳播神經(jīng)網(wǎng)絡(luò)的工作原理，研究了BP神經(jīng)網(wǎng)絡(luò)仿真預(yù)測(cè)模型在社會(huì)經(jīng)濟(jì)發(fā)展典型領(lǐng)域，如公共安全與災(zāi)害防治、醫(yī)療、交通、教育、環(huán)保及農(nóng)業(yè)、工業(yè)、第三產(chǎn)業(yè)經(jīng)濟(jì)等領(lǐng)域的應(yīng)用，研究表明，BP神經(jīng)網(wǎng)絡(luò)具有廣泛的適用性和應(yīng)用價(jià)值。

關(guān)鍵詞： 反向傳播神經(jīng)網(wǎng)絡(luò); 社會(huì)發(fā)展; 智慧; 應(yīng)用

中圖分類號(hào)：TP39? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2021）05-46-03

Research on the application of back propagation neural network in the social development

Guan Chengli， Yang Yue

（Net Center， Yangjiang Polytechnic， Yangjiang， Guangdong 529566， China）

Abstract： The artificial neural network（ANN）had been widely used to deal with the nonlinear complex problems in various fields of social and economic development. This paper describes the working principle of the back propagation （BP） network and researches the application of BP network's simulation and prediction models in the typical areas of social and economic development， such as public safety and disaster prevention， medical treatment， traffic， education， environment protection as well as agriculture， industry and the third industry's economy. The research showed that the BP network had a wide range of practicability and application value.

Key words： back propagation neural network; social development; intelligence; application

0 引言

我國(guó)社會(huì)已進(jìn)入“新常態(tài)”發(fā)展時(shí)期，呈現(xiàn)出若干新的特征，例如在2020年以來(lái)新冠病毒疫情影響下，涉及的各行業(yè)、各領(lǐng)域發(fā)展愈加復(fù)雜而任務(wù)艱巨。決策者的思維不定性、認(rèn)識(shí)模糊性、主觀隨意性等主觀因素，以及現(xiàn)實(shí)的大量不確定性因子和因子目標(biāo)間的非線性關(guān)系等客觀因素，均會(huì)影響決策及評(píng)價(jià)結(jié)果的準(zhǔn)確性[1]。由于指標(biāo)加權(quán)平均法、層次分析法及模糊綜合評(píng)價(jià)法等傳統(tǒng)評(píng)價(jià)法[2]實(shí)施前提為多個(gè)影響要素（即各評(píng)價(jià)指標(biāo)）之間須呈現(xiàn)線性相關(guān)特點(diǎn)，而社會(huì)發(fā)展中涉及的管理、經(jīng)濟(jì)、交通、醫(yī)療等各個(gè)行業(yè)都存在一個(gè)動(dòng)態(tài)變化的進(jìn)程，影響這一進(jìn)程的要素眾多，且各個(gè)要素的影響大小各異，評(píng)價(jià)結(jié)果難以單純使用某數(shù)學(xué)方程式加以描述。因此，采用以上方法對(duì)各行業(yè)發(fā)展進(jìn)行客觀公正的測(cè)定，具有較大的不合理性。

隨著互聯(lián)網(wǎng)與計(jì)算機(jī)技術(shù)理論及實(shí)踐研究不斷深入，社會(huì)必將迎接新的變革。智慧城市建設(shè)正逐漸崛起，計(jì)算機(jī)模擬技術(shù)應(yīng)運(yùn)而生，廣泛應(yīng)用于城市管理、生物、醫(yī)療、化工、環(huán)境、交通、軍事、航天、經(jīng)濟(jì)、教育等多個(gè)研究領(lǐng)域，已經(jīng)成為當(dāng)前研究的熱點(diǎn)課題[3-4]。對(duì)比傳統(tǒng)研究及評(píng)價(jià)手段，計(jì)算機(jī)模擬技術(shù)不需進(jìn)行大量實(shí)際的試驗(yàn)研究，而是在計(jì)算機(jī)設(shè)備上進(jìn)行虛擬設(shè)計(jì)，自由實(shí)施模擬及仿真預(yù)測(cè)，能節(jié)省大量的試驗(yàn)成本及研究者時(shí)間等，具有顯著的經(jīng)濟(jì)、環(huán)境及社會(huì)效益。鑒于系統(tǒng)理論及人工智能中的神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network， ANN）是一種非線性模擬技術(shù)，其中反向傳播神經(jīng)網(wǎng)絡(luò)（Back Propagation，BP）具備高度自主組織、自主學(xué)習(xí)、自主適應(yīng)及自主推理能力[5]，它能夠解決許多非線性、復(fù)雜的現(xiàn)實(shí)問(wèn)題，將它應(yīng)用于社會(huì)經(jīng)濟(jì)及城市發(fā)展中的多個(gè)領(lǐng)域，可以解決非線性影響的困難。

1 反向傳播神經(jīng)網(wǎng)絡(luò)工作原理

自上世紀(jì)40年代初建立的第一個(gè)神經(jīng)網(wǎng)絡(luò)模型開(kāi)始，模仿人腦神經(jīng)元結(jié)構(gòu)及功能的人工智能信息處理技術(shù)，即人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)引起眾多學(xué)者青睞及關(guān)注，包括Hopfield神經(jīng)網(wǎng)絡(luò)、自適應(yīng)諧振技術(shù)及反向傳播神經(jīng)網(wǎng)絡(luò)等[6]。而在眾多神經(jīng)網(wǎng)絡(luò)模型中，反向傳播BP神經(jīng)網(wǎng)絡(luò)在各領(lǐng)域應(yīng)用最為廣泛。反向傳播神經(jīng)網(wǎng)絡(luò)源于BP算法，該算法隸屬于δ算法，是一種監(jiān)督型的導(dǎo)師式學(xué)習(xí)算法，本質(zhì)上是以網(wǎng)絡(luò)實(shí)際輸出與期望輸出的均方誤差值為目標(biāo)函數(shù)，基于學(xué)習(xí)樣本集運(yùn)用梯度搜索技術(shù)使目標(biāo)函數(shù)趨于最小值，其學(xué)習(xí)過(guò)程包括信息的正向傳播與誤差的反向傳播[7]。一般地，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱含層及輸出層構(gòu)成，一個(gè)典型的3層BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示[8]。

2 反向傳播神經(jīng)網(wǎng)絡(luò)的智慧應(yīng)用

2.1 在公共安全及災(zāi)害防治中的應(yīng)用

2019年末的新冠肺炎疫情及2020年初四川涼山森林火災(zāi)將公共衛(wèi)生及安全的重要性提升至新的關(guān)注高度，動(dòng)力學(xué)及數(shù)學(xué)模型在傳染病疫情發(fā)展趨勢(shì)及傳播規(guī)律預(yù)測(cè)、科學(xué)防控指導(dǎo)與評(píng)估、災(zāi)害防治中持續(xù)發(fā)揮著重要作用，為公共安全管理者的決策與宏觀調(diào)控措施的制定提供理論依據(jù)，有利于穩(wěn)定社會(huì)情勢(shì)及維護(hù)經(jīng)濟(jì)正常發(fā)展。在2003年爆發(fā)的非典疫情中，張建勛等[9]已探索采用三層反饋神經(jīng)網(wǎng)絡(luò)模型建立SARS的傳染模型，用其預(yù)報(bào)SARS的傳播規(guī)律，結(jié)果表明將城市特征作為系統(tǒng)特征狀態(tài)，該模型經(jīng)過(guò)各個(gè)城市的典型樣本訓(xùn)練后，可通用于預(yù)測(cè)各個(gè)城市的SARS傳播規(guī)律。石姍姍等[10]利用全局人工魚(yú)群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，以溫度、煙霧濃度及CO濃度為輸入神經(jīng)元，以火災(zāi)等級(jí)為輸出神經(jīng)元，獲得收斂速度快、迭代次數(shù)小的火災(zāi)預(yù)測(cè)模型，有效改進(jìn)傳統(tǒng)火災(zāi)探測(cè)器的報(bào)警準(zhǔn)確性低以及延遲等問(wèn)題，對(duì)火災(zāi)預(yù)測(cè)領(lǐng)域有一定的適用性及推廣價(jià)值。

2.2 在醫(yī)療領(lǐng)域中的應(yīng)用

中藥成分復(fù)雜，其提取物中的某種或幾種成分含量不能全面反映中藥的整體療效，而傳統(tǒng)藥效評(píng)價(jià)實(shí)驗(yàn)繁瑣，影響因素眾多，結(jié)果不夠穩(wěn)定，因此，亟需科學(xué)全面評(píng)價(jià)中藥提取物質(zhì)量的新技術(shù)。ANN處理非線性復(fù)雜問(wèn)題的優(yōu)勢(shì)近年來(lái)在醫(yī)學(xué)領(lǐng)域有了廣泛的應(yīng)用研究，并可應(yīng)用于臨床診斷、疾病預(yù)后以及臨床決策分析等方面，為醫(yī)生提供一種客觀、準(zhǔn)確的初步診斷結(jié)果，輔助醫(yī)生的確診診斷。馬磊等[11]以黃芩提取物為例，采用BP算法分別構(gòu)建顏色-抑菌率等7種預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型，結(jié)果表明性狀結(jié)合成分含量指標(biāo)能全面快速地評(píng)價(jià)黃芩提取物的整體質(zhì)量，其中采用顏色、味道與成分含量3種指標(biāo)相結(jié)合與體外抑菌率所建立的模型訓(xùn)練和預(yù)測(cè)能力最好，能快速準(zhǔn)確地預(yù)測(cè)體外抑菌率。宓保宏等[12]采集165位健康和有不同程度心肌缺血患者的紅外熱圖像，通過(guò)對(duì)紅外熱圖像人體幾何定位，提取心前區(qū)左右兩側(cè)溫差集合，并使用多種卷積核對(duì)溫差集合做降維處理，最終通過(guò)BP神經(jīng)網(wǎng)絡(luò)在留一法交叉驗(yàn)證下對(duì)訓(xùn)練集訓(xùn)練，并確定網(wǎng)絡(luò)參數(shù)，建立分類模型。測(cè)試集在網(wǎng)絡(luò)上分類準(zhǔn)確率達(dá)到95.56%，可以為新樣本做出準(zhǔn)確預(yù)測(cè)。

2.3 在交通領(lǐng)域中的應(yīng)用

在城市及現(xiàn)代高鐵、飛機(jī)、公路、水路交通運(yùn)輸快速發(fā)展的大背景下，交通治理有關(guān)問(wèn)題日益凸顯，交通流量預(yù)測(cè)及交通安全形勢(shì)嚴(yán)峻，交通控制逐漸向網(wǎng)絡(luò)化及智能化方向發(fā)展?？追陛x等[13]采用深度信念網(wǎng)絡(luò)DBN算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，克服傳統(tǒng)BP網(wǎng)絡(luò)易陷入局部最優(yōu)以及函數(shù)擬合度不高的缺點(diǎn)，有效提高交通流預(yù)測(cè)精度。宋程等[14]結(jié)合BP神經(jīng)網(wǎng)絡(luò)遞推預(yù)測(cè)與廣義預(yù)測(cè)控制，有效消除高速動(dòng)車組網(wǎng)絡(luò)控制系統(tǒng)時(shí)延，仿真結(jié)果表明預(yù)測(cè)模型具有實(shí)時(shí)性高、控制效果好、計(jì)算速度快及魯棒性強(qiáng)等優(yōu)點(diǎn)，對(duì)高速動(dòng)車組非線性網(wǎng)絡(luò)控制系統(tǒng)的設(shè)計(jì)具有重要的參考價(jià)值。

2.4 在教育領(lǐng)域的應(yīng)用

高校教育工作中，教學(xué)內(nèi)容、教學(xué)層次及人才培養(yǎng)模式等要求多樣化，因材施教及個(gè)性化學(xué)生培養(yǎng)難度大，且教學(xué)進(jìn)程通常涵蓋大量非定量因素，教學(xué)質(zhì)量很難實(shí)施科學(xué)合理地量化評(píng)價(jià)，高校教育變革需求迫切，發(fā)展適應(yīng)新時(shí)代的智能教育。劉效含等[15]利用BP神經(jīng)網(wǎng)絡(luò)與灰色系統(tǒng)，建立了一個(gè)應(yīng)用于智能教育的BP-GM（1，1）預(yù)測(cè)模型，避免“一鍋端”式的教學(xué)，精準(zhǔn)預(yù)測(cè)學(xué)生的發(fā)展傾向，在有限師資及學(xué)資條件下，對(duì)學(xué)生進(jìn)行分層次的個(gè)性化培養(yǎng)，構(gòu)建智能教育體系。筆者針對(duì)高職教學(xué)中實(shí)踐教學(xué)質(zhì)量難以客觀評(píng)價(jià)問(wèn)題，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)模型，利用職校教育實(shí)踐數(shù)據(jù)對(duì)該模型進(jìn)行訓(xùn)練和預(yù)測(cè)[16]。網(wǎng)絡(luò)運(yùn)行結(jié)果表明，所建立的網(wǎng)絡(luò)模型可以較好反映高職實(shí)踐教學(xué)質(zhì)量的優(yōu)劣，具有良好的仿真預(yù)測(cè)能力，評(píng)價(jià)結(jié)果客觀有效，適用于高校教學(xué)質(zhì)量評(píng)價(jià)。

2.5 在環(huán)保領(lǐng)域的應(yīng)用

近年來(lái)，富營(yíng)養(yǎng)化、重金屬、霧霾等水及大氣環(huán)境污染問(wèn)題日益嚴(yán)峻，此次新冠疫情爆發(fā)帶來(lái)的醫(yī)療廢水、廢氣、廢棄物等“三廢”的排放及處理引發(fā)新一輪環(huán)保熱議，眾多研究者致力研發(fā)新型環(huán)保工藝及環(huán)境質(zhì)量評(píng)價(jià)技術(shù)。楊岳等[17]利用神經(jīng)網(wǎng)絡(luò)的非線性映射特性建立BP神經(jīng)網(wǎng)絡(luò)，以溶解氧等7項(xiàng)常規(guī)地表水水質(zhì)評(píng)價(jià)指標(biāo)為輸入?yún)?shù)對(duì)漠陽(yáng)江水質(zhì)進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果表明較傳統(tǒng)的水質(zhì)評(píng)價(jià)方法，BP網(wǎng)絡(luò)具有較高識(shí)別精度，可提高水質(zhì)評(píng)價(jià)等級(jí)的準(zhǔn)確性，使評(píng)價(jià)結(jié)果更具科學(xué)性。王杉等[18]利用BP神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)空氣質(zhì)量和圖片透射率間的隱性聯(lián)系，提出一種基于光學(xué)成像的空氣質(zhì)量定期性制定方法 ，通過(guò)圖片來(lái)定性地判定空氣質(zhì)量。實(shí)驗(yàn)結(jié)果顯示，該模型整體識(shí)別率為83.72%，優(yōu)、良類識(shí)別率達(dá)到90%以上。

2.6 在經(jīng)濟(jì)領(lǐng)域的應(yīng)用

現(xiàn)階段經(jīng)濟(jì)形勢(shì)復(fù)雜多變，農(nóng)業(yè)、工業(yè)及服務(wù)業(yè)均不同程度受到疫情影響，內(nèi)外部影響因素眾多，面臨諸多發(fā)展問(wèn)題，為搶占經(jīng)濟(jì)制高點(diǎn)，智能產(chǎn)業(yè)及智能經(jīng)濟(jì)成為研究熱點(diǎn)。張俊彪等[19]構(gòu)建BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)池塘養(yǎng)魚(yú)產(chǎn)量與換水量，隨機(jī)選取45組實(shí)踐數(shù)據(jù)進(jìn)行模型學(xué)習(xí)，兩種模型總體擬合性能良好，相關(guān)系數(shù)分別達(dá)到0.9413及0.9965，表明BP網(wǎng)絡(luò)可有效預(yù)測(cè)養(yǎng)魚(yú)池塘經(jīng)濟(jì)效益及生態(tài)影響，從而指導(dǎo)生產(chǎn)，優(yōu)化管理決策。靳威等[20]采用基于水泥工業(yè)大數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)，構(gòu)造人性理解、操作、感知的應(yīng)用系統(tǒng)環(huán)境，建立穩(wěn)控、量差斜率、積分、預(yù)動(dòng)以及補(bǔ)償數(shù)學(xué)模型，讓企業(yè)生產(chǎn)線的生產(chǎn)控制更加符合人的習(xí)慣，調(diào)整會(huì)更加高效，設(shè)備運(yùn)轉(zhuǎn)更加有效及安全。鐘滋慶等[21]以 2000-2018年贛州市社會(huì)發(fā)展數(shù)據(jù)為樣本，采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)贛州未來(lái)金融規(guī)模進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果，從贛州對(duì)接大灣區(qū)金融資源前期、中期、后期三方面提出政策建議。

3 結(jié)束語(yǔ)

反向傳播神經(jīng)網(wǎng)絡(luò)在各個(gè)領(lǐng)域有著非常廣泛的應(yīng)用，對(duì)各領(lǐng)域的非線性問(wèn)題均具有較好的映射能力，尤其是在智能交通、智慧醫(yī)療、智能教育、智慧經(jīng)濟(jì)等方面具有非常廣闊的發(fā)展前景，為各行各業(yè)提供了更加高效的服務(wù)，可為各決策者提供客觀依據(jù)及有效的預(yù)警信號(hào)，具有重要的理論意義及實(shí)踐價(jià)值。但是BP神經(jīng)網(wǎng)絡(luò)在發(fā)展過(guò)程中還面臨著更多的挑戰(zhàn)，具有收斂速度慢及易陷入局部最小等問(wèn)題，隨著研究的深入，各種優(yōu)化算法及組合模型將具備更好的可用性與優(yōu)越性，應(yīng)用的領(lǐng)域空間必將得到進(jìn)一步拓展。

參考文獻(xiàn)（References）：

[1] 于群，馮玲.基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全評(píng)價(jià)方法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2008.29（8）：1963-1966

[2] 徐敏，蔣偉梁.基于模糊綜合評(píng)價(jià)的交互式產(chǎn)品設(shè)計(jì)應(yīng)用與研究[J].計(jì)算機(jī)時(shí)代，2015.2：40-41，44

[3] 楊岳，張敏，關(guān)成立.活性碳纖維ACF吸附重金屬Cr（Ⅵ）及神經(jīng)網(wǎng)絡(luò)智能優(yōu)化研究[J].電鍍與精飾，2019.41（2）：28-32

[4] Chengli Guan， Yue Yang. Research of extraction behaviorof heavy metal Cd in tea based on backpropagation neural network[J].Food Science & Nutrition，2020：1-8

[5] Yue Yang， Chenglong Yu， Chengli Guan. Study of thephotocatalytic degradation of toluene over CdS-TiO2 nanoparticles supported on multi-walled carbon nanotubes by back propagation neural network[J].Fullerenes， Nanotubes and Carbon Nanostructures，2018.26（5）：246-254

[6] 杜濤.基于神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)技術(shù)[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2015.36（3）：310-314

[7] 李俊青，陳鶴年，嚴(yán)麗麗等.基于BP神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)實(shí)驗(yàn)室管理評(píng)價(jià)指標(biāo)[J].實(shí)驗(yàn)室研究與探索，2011.30（4）：71-73

[8] 虞和濟(jì)，陳長(zhǎng)征，張省等.基于神經(jīng)網(wǎng)絡(luò)的智能診斷[M].冶金工業(yè)出版社，2000.

[9] 張建勛，張紅，曾慶森.基于神經(jīng)網(wǎng)絡(luò)的SARS傳播模型[J].計(jì)算機(jī)工程與應(yīng)用，2004.23：188-191

[10] 石姍姍，高正中.全局人工魚(yú)群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在火災(zāi)探測(cè)中的應(yīng)用[J].中國(guó)科技論文，2019.14（11）：1255-1259

[11] 馬磊，王佳輝，郝宣潤(rùn)，蘇青.基于人工神經(jīng)網(wǎng)絡(luò)模型的黃芩提取物性狀-成分與藥效相關(guān)性研究[J].中草藥，2020.51（8）：2151-2161

[12] 宓保宏，洪文學(xué)，宋佳霖，吳士明，孟輝.基于紅外熱成像技術(shù)與BP神經(jīng)網(wǎng)絡(luò)的心肌缺血預(yù)診斷方法研究[J].激光與光電子學(xué)進(jìn)展，2019.56（1）：160-166

[13] 孔繁輝，李健.深度信念網(wǎng)絡(luò)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的交通流預(yù)測(cè)模型[J].管理評(píng)論，2020.32（3）：300-306

[14] 宋程，王元東，徐濱全.基于BP神經(jīng)網(wǎng)絡(luò)的高速動(dòng)車組網(wǎng)絡(luò)控制系統(tǒng)時(shí)延研究[J].科技創(chuàng)新與應(yīng)用，2020.9：1-5

[15] 劉效含，李華.人工智能視域下BP灰色神經(jīng)網(wǎng)絡(luò)助推智能教育[J].科技資訊，2018.16（23）：5-6

[16] 關(guān)成立，楊岳.基于系統(tǒng)控制理論的高職實(shí)踐教學(xué)質(zhì)量評(píng)價(jià)模型應(yīng)用研究[J].信息技術(shù)與信息化，2018.11：158-159，167

[17] 楊岳，關(guān)成立，陳興漢.基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)模型在漠陽(yáng)江水質(zhì)評(píng)價(jià)中的應(yīng)用研究[J].環(huán)境科學(xué)與管理，2014.39（11）：161-165

[18] 王杉，朱亞濤，胡建輝.基于光學(xué)成像的空氣質(zhì)量定性判定方法[J].現(xiàn)代電子技術(shù)，2020.43（8）：113-116

[19] 張俊彪，陳雯，蔡春芳，何捷.采用主成分分析和BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)池塘養(yǎng)魚(yú)產(chǎn)量和換水量[J].河南農(nóng)業(yè)科學(xué)，2020：1-12

[20] 靳威，榮紅敏.神經(jīng)網(wǎng)絡(luò)與人工智能在水泥企業(yè)的應(yīng)用[J].四川水泥，2020.1：10

[21] 鐘滋慶，鄭明貴，鐘曉亮.贛州市2020-2030年金融規(guī)模情景分析——基于對(duì)接粵港澳大灣區(qū)金融資源[J].商業(yè)經(jīng)濟(jì)，2020.3：16-19