基于人工智能算法下的木構(gòu)古建筑壽命預測模型應用分析

夏郡 吳憲靜

摘要：文章以某歷史房屋建筑為研究對象，在構(gòu)造網(wǎng)絡技術(shù)能夠應用在木構(gòu)古建筑壽命預測模型的基礎(chǔ)上，通過人工智能技術(shù)，建立了三種木構(gòu)古建筑壽命預測模型，并將其中的兩個進行對比分析。旨在為木構(gòu)古建筑的維護使用提供更多參考支持。

關(guān)鍵詞：木構(gòu)古建筑;壽命預測;Elman模型;BP神經(jīng)網(wǎng)絡模型

耐久性和強度是混凝土的兩個基本性能，混凝土結(jié)構(gòu)耐久性分析的目的是對混凝土結(jié)構(gòu)的使用壽命進行綜合評估。從發(fā)展實際情況來看，建筑工程結(jié)構(gòu)說明精準預測分析對采取有效的措施來延長建筑結(jié)構(gòu)使用壽命起著十分重要的作用。科學預測木構(gòu)古建筑使用說明對重大木構(gòu)的管理有著十分重要的意義。但是從發(fā)展實際情況來看，由于木構(gòu)古建筑影響因素比較多，對其使用壽命的評估存在較大的難度，無法精準的使用數(shù)學公式來表達描述，在此基礎(chǔ)上提出的預測模型也是十分困難的。在數(shù)字化技術(shù)的發(fā)展下文章運用Elman模型和BP神經(jīng)網(wǎng)絡模型在木構(gòu)古建筑壽命預測中的應用主張，現(xiàn)將具體預測分析結(jié)果闡述如下。

1 BP神經(jīng)網(wǎng)絡模型

BP神經(jīng)網(wǎng)絡模型是工程建設(shè)中的常用模型之一，具體是一種按照誤差逆向傳播算法訓練的單向傳播的多層前饋神經(jīng)網(wǎng)絡，是應用最廣泛的神經(jīng)網(wǎng)絡。從基本結(jié)構(gòu)上來看，BP神經(jīng)網(wǎng)絡是典型的多層次網(wǎng)絡，具體劃分為輸入層、隱含層、輸出層，各個層之間采取一種全連接的連接方式，彼此之間存在密切的關(guān)聯(lián)。BP神經(jīng)網(wǎng)絡模型的結(jié)構(gòu)參數(shù)一般從網(wǎng)絡層數(shù)、傳遞函數(shù)、各層神經(jīng)元的個數(shù)進行考慮。在理論意義上，任意一個連續(xù)的函數(shù)都能夠和三層神經(jīng)網(wǎng)絡形成一種映射的關(guān)系。

木構(gòu)古建筑壽命BP神經(jīng)網(wǎng)絡模型所涉及到的參數(shù)包含荷載參數(shù)、環(huán)境參數(shù)、結(jié)構(gòu)材料參數(shù)等，將這三個因素作為網(wǎng)絡輸入層的重要節(jié)點中，對木構(gòu)建筑的壽命進行綜合預測。

2 Elman模型

Elman神經(jīng)網(wǎng)絡是一種典型的動態(tài)遞歸神經(jīng)網(wǎng)絡，它是在BP網(wǎng)絡基本結(jié)構(gòu)的基礎(chǔ)上，在隱含層增加一個承接層，作為一步延時算子，達到記憶的目的，從而使系統(tǒng)具有適應時變特性的能力，增強了網(wǎng)絡的全局穩(wěn)定性，它比前饋型神經(jīng)網(wǎng)絡具有更強的計算能力，還可以用來解決快速尋優(yōu)問題。

在Elman模型中輸入層和輸出層分別對應的是信號的傳入和輸出，隱含層對應的激活函數(shù)能夠?qū)π盘枌嵤┍匾募訖?quán)處理。在處理數(shù)據(jù)信息的時候可以采取加權(quán)計算方式，也可以采取線性計算方式。

在木構(gòu)古建筑壽命模型分析的過程中，上下文層的使用作用是記憶隱含層前一個時間段的信號輸出，也就是能夠接收到隱藏層傳遞的反饋信號。和木構(gòu)古建筑壽命BP神經(jīng)網(wǎng)絡模型相比，Elman模型在訓練結(jié)束之后，T時刻狀態(tài)層單元接收部分的隱含層反饋輸出值會保留在t+1的時刻。

如何將Elman模型網(wǎng)絡設(shè)置成線性輸出和正切S形隱含層傳遞信號，并經(jīng)過訓練之后能夠逼近任意的連續(xù)函數(shù)，具備反饋模式的Elman模型網(wǎng)絡能夠產(chǎn)生時間和空間兩個模式狀態(tài)，通過對系數(shù)的整合分析來打造出能夠體現(xiàn)響應量和因子間函數(shù)關(guān)系的網(wǎng)絡模型。

3 人工蜂群算法

人工蜂群算法是一種仿生類優(yōu)化算法，被人們廣泛的應用在木構(gòu)古建筑壽命模型分析中。在人工蜂群算法中，會使用一個蜜源代表的函數(shù)源，蜜源的質(zhì)量也充分體現(xiàn)了最優(yōu)解的優(yōu)劣，蜜源質(zhì)量越高，對應解就會越優(yōu)劣。

在人工蜂群算法中，蜂群由引領(lǐng)蜂、跟隨蜂、偵查蜂共同組成，通過這三個蜂群的信息交流、轉(zhuǎn)換能夠有效解決木構(gòu)古建筑壽命模型建設(shè)問題。

4 基于以上三種算法的木構(gòu)古建筑壽命預測模型

文章以某歷史木構(gòu)古建筑的21個構(gòu)建模型數(shù)據(jù)信息作為基本參考，對木構(gòu)古建筑的使用壽命進行預測分析，經(jīng)過一系列的預測分析計算獲得木構(gòu)構(gòu)件的剩余使用壽命，并基于以上幾個算法開展木構(gòu)古建筑壽命預測分析。

為了能夠提升Elman模型網(wǎng)絡收斂速度，避免網(wǎng)絡格局陷入比較小的狀態(tài)，在模型打造的過程中引入人工蜂群算法，借助人工蜂群算法的全局尋優(yōu)能力對Elman模型的權(quán)限數(shù)值和閾值進行優(yōu)化處理，打造人工蜂群-Elman模型，將打造好的人工蜂群—Elman模型應用到木構(gòu)古建筑壽命預測分析工作中，旨在能夠在以往的基礎(chǔ)上進一步提升木構(gòu)古建筑測試結(jié)果精準度。

人工蜂群—Elman混合模型的打造步驟如下所示：首先，打造出一個普通的Elman模型神經(jīng)網(wǎng)絡。其次，對人工蜂群模型 數(shù)據(jù)信息進行初始化處理，初始化過程中需要設(shè)定最大迭代次數(shù)。再次，引領(lǐng)蜂會通過一系列的搜索來獲得新的蜜源，跟隨引領(lǐng)蜂分享的蜜源信號找到蜜源。在這個過程中如果蜜源被拋棄，與之對應的引領(lǐng)蜂會轉(zhuǎn)變?yōu)閭刹榉洌瑢ΦM行更新處理，在k=k+1的時候判斷這個時候的模型是否滿足迭代設(shè)計要求，如果是滿足的狀態(tài)開始進行下一步的操作，反之則是對人工蜂群的數(shù)據(jù)信息進行重新初始化處理，設(shè)定參數(shù)，反復進行引領(lǐng)蜂的引領(lǐng)。最后，在經(jīng)過一系列的操作之后輸出人工蜂群算法最優(yōu)解，打造人工蜂群—Elman混合模型。

5 人工蜂群—Elman混合模型的誤差測試和分析

為了能夠更好的描述木構(gòu)古建筑壽命影響因素對古建筑壽命的影響，選擇含荷載參數(shù)、環(huán)境參數(shù)、結(jié)構(gòu)材料參數(shù)作為主要影響因素來打造出復合模型，將這些信息作為人工神經(jīng)網(wǎng)絡的輸入因子，打造Elman模型、人工蜂群算法模型和神經(jīng)網(wǎng)絡模型。BP神經(jīng)網(wǎng)絡模型可以作為訓練數(shù)據(jù)，包含15組;Elman模型能夠?qū)?shù)進行驗證，包含3組;人工蜂群—Elman混合模型用來測試數(shù)據(jù)信息，評定模型數(shù)據(jù)應用是否精準。

在模型打造完成之后對比分析三個模型的收斂速度和結(jié)果，最終發(fā)現(xiàn)人工蜂群—Elman混合模型的收斂速度最快，且打造之后的模型性能最為理想。Elman模型的收斂速度和運行結(jié)果都要比BP網(wǎng)絡神經(jīng)模型差。為了能夠進一步區(qū)分文章所研究所打造模型的優(yōu)劣性，將各個模型中的各個參數(shù)預測結(jié)果和實際數(shù)值進行比較分析，并將分析數(shù)據(jù)信息打造出模擬圖。

為了能夠更好的對比分析三個模型預測精準度，打造出能夠研究出各個模型差值的精準性垂直方圖。人工蜂群—Elman混合模型預測的絕對誤差整體上要小于另外兩個模型數(shù)值，且絕對誤差集中分布在86.28周圍。人工蜂群—Elman混合模型在木構(gòu)古建筑壽命預測問題上顯示出良好的應用效果，且和單一性的模型相比，預測分析所獲得的數(shù)據(jù)更加精準，收斂速度也更加明顯。

6 總結(jié)

綜上所述，人工蜂群—Elman混合模型和以往的木構(gòu)古建筑壽命影響評估操作相比，在木構(gòu)古建筑壽命影響評估中更具優(yōu)越性。因此證明，人工蜂群—Elman混合模型函數(shù)具備較強的函數(shù)逼近能力，能夠精準的反映出木構(gòu)古建筑壽命研究中的各個隱函數(shù)關(guān)系。將其推廣到一系列的古建筑屬性預測分析工作中，可以更有效的解決工程實際應用問題。

參考文獻：

[1]李鵬珊. 木構(gòu)古建筑的可靠度評估及剩余壽命預測[D]. 河南大學，2014.

[2]瞿偉廉，王雪亮. 基于DOL強度衰減模型的古建筑木桁架的剩余壽命預測[J]. 土木工程與管理學報，2008，000（003）：1-4，9.

[3]瞿偉廉，王雪亮. 基于DOL強度衰減模型的古建筑木桁架的剩余壽命預測[C]// 全國結(jié)構(gòu)計算理論與工程應用學術(shù)會議. 2008.

[4]路志宏，杜勁峰，郭春雨，等. 人工智能視頻分析監(jiān)管系統(tǒng)在工程防災中的應用探索[C]// 第十六屆空間結(jié)構(gòu)學術(shù)會議論文集. 中國土木工程學會，2016.