人工神经网络在多因素综合判别膨胀土类级中的应用.pdfVIP

人工神经网络在多因素综合判别膨胀土类级中的应用 高志亮 陈石 张赛文 (清华大学，北京，100084) (长安大学，西安 710054) 摘 要 本文根据实例采用人工神经网络方法就多因素综合判别膨胀土类级问题进行 了研究，取得了满意的解估计。 关键词 人工神经网络，膨胀土，综合判别 从膨胀土的胀缩性来说，其影响因素是多方面的，如物质成分，内部结构，天然含 水量等等。过去人们习惯于用单因素对其性质进行判别，如有人习惯用自由膨胀率分类， 也有人习惯用液限分类，这两者的确是膨胀土中非常重要的两个指标。但单因子的判别分 类往往不能准确地判别其膨胀潜势类别，而且还会在同一地区或同一批样品中出现差异和 矛盾，如用自由膨胀率分类可能是强膨胀土，用液限分类可能是中膨胀土。为了避免这种 现象的出现，利用人工神经网络对其进行多因素综合判别使之即快捷、又推确，川以取得 良好的结果。 1人工神经网络结构及数学模型 1.1人工神经网络元结构及数学模型 人工神经网络休rtificialNeutralNetwork)是一种通过模拟人脑进行解决问题的办法， 人工神经网络模型包含大量的并行、交互连接的简单神经元。网络经过训练学习后，即可 用于给定问题的判别，这类似于人脑的学习过程。其简单结构模型是: 图1神经元的结构摸型 354 第四届中国青年运筹与管理学者大会论文集 其中x,,x2，一 x。为输入信号，认为神经元内部状态，弓为阐值，凡为认到马连 接的权值，S;表示外部输入信号(在某些情况下，它可以控制神经元U;，使认可以保持在 某一状态)或反馈信号，F(J(”为激发函数，Y为输出。上述模型可以描述为: S;_艺wy二十S;-0l ) l ( kr=g(s:) ) 2 ( ，一‘h(u;)一f(8;)一f(艺wyx;+S;-0j) ) 3 ( 其中 户hXg. (4) 神经元的数学模型有很多种，这里仅介绍了最为简单的一种。 1.2BP算法及模型结构 通常人们在判定分类一些问题时，总喜欢用人工神经网络的BP(BackPropagtion)算法 或BP网络的学习规则: Wk(t+l)=Wk(t)+aWk(t),K--k,k-1,1, (5) 其中州k)表示权值向量，a为学习因子，口。。这是一个适应性良好的算法，结合生 产实际问题具有非常广泛的应用，受到人们的欢迎。 BP神经网络是典型的多层网络，其结构由输入、隐层和输出组成，层与层之间采用 全互连方式，同一层神经元不存在相互连接。特别在闭区间连续的函数都可以用具有一个 中间隐含层的BP网络来逼近(RobertHeche-Nilsom1989)，因而一个具有三层结构的BP网 络可以完成任意的N维到M维的映射，三层结构的BP网络模型是: 输入层 隐层 输出层 图Z BP网络结构植型 1.3 人工神经网络算法的实现 对于一个三层人工神经网络模型的常规算法其过程为: U)网络初始化:即给各层权重Wu;.W,及问值B;赋于一个极小的随机值; (2)样本集中每一个模式对输〔入值与期望输出值)输入给网络; (3)通过网络之间的前向传播计算各层节点的愉出值: -Js，一f(叉wY(s)xls-1)-0j) (6) 式中:S-输入输出模式系列;，‘二 各对应层节点序;xJ(s)第，层上