神经网络预测模型基于神经网络的模糊综合评判在传输网建设中的应用

时间：2019-03-29 03:17:01　来源：雅意学习网本文已影响人

　　摘要：本文以某地市传输网建设可行性研究报告为例，使用基于模糊神经网络的模糊综合评判方法对三个可研方案进行综合评价。提出了一种对传输网建设鉴定的新方法，该方法采用了人工智能技术来减少鉴定的主观性，由于对建设可行性的认识存在一定的模糊性，采用了模糊综合评判进行可行性鉴定。并且提出了模糊综合评判和模糊神经网络的集成对通信工程建设和网络评估时的指导作用。
　　Abstract: In this paper, three feasibility study programs were conducted comprehensive evaluation using fuzzy comprehensive evaluation based on fuzzy neural network, taking feasibility study report of city transmission network construction for example. New method of identifying transmission network construction is proposed, the new method uses artificial intelligence techniques to reduce the subjectivity of the identification and understanding of the feasibility of construction has certain ambiguity, fuzzy comprehensive evaluation is used for the identification of feasibility. The guiding role of integration of fuzzy comprehensive evaluation and fuzzy neural network to communication engineering, construction and network assessment is proposed.
　　关键词：模糊综合评判；模糊神经网络；传输网建设；可行性鉴定
　　Key words: fuzzy comprehensive evaluation；fuzzy neural network；transmission network construction；the identification of feasibility
　　中图分类号：TP39 文献标识码：A 文章编号：1006-4311（2012）20-0227-02
　　0 引言
　　通信工程的建设规模伴随着通信业务的急剧发展，其规模越来越大，工程建设的各个阶段也越来越复杂。为了形成工程的可研究性报告，在工程方案的制定阶段，需要提出若干种方案进行比较、优选。由专家们通过经验对其决策进行判断。但是当需要决策的因素较多且不同的因素之间又夹杂着诸多子因素时，将很难客观的评判出各种方案的优劣，这时经验判断的难度将非常巨大。虽然现在很多传输网建设的报告中也开始运用层次分析法等模糊数学的方法来进行分析做出决策，但是在运用这些方法过程中还是依然使用经验估测法来给出各指标的权重，这在一定程度上仍然依赖于主观，而对应当考虑的客观因素考虑得不够全面，而综合评判的模糊神经网络方法，正是既针对这种难以对决策中定性评价指标进行具体而准确地量化，又避免因依赖于主观来给出各指标的权重而对应当考虑的客观因素考虑得不够全面或判断得不够准确出现的误差问题提出来的一种方法。
　　1 基于模糊神经网络的模糊综合评判方法的的数学原理和过程概述
　　1.1 模糊神经网络训练网络权重
　　①确定评价指标集（评价指标属性值进行归一化处理后作为BP网络模型的输入，原始数据的归一化工作利用S型传递函数（Yij=■）来完成），BP网络中输入节点的个数即为指标个数。②通过采用具有一个输入层、一个输出层和一个隐含层来确定BP网络的层数。③明确评价结果（作为BP网络模型的输出），输出层的节点数为1。④将指标值进行标准化处理，并提供训练模式，训练网络，训练过程体现在⑦、⑧、⑨、⑩、{11}这五个步骤中[1]。⑤用随机数（一般为0—1之间的数）初试化网络节点的权值和阈值。⑥将标准化之后的指标样本值（P）输入网络，并给出相应的期望输出dij。⑦正向传播，计算各层节点的输出Qij。⑧计算各层节点的误差，网络输出与期望输出之间的误差为E=■Ep=（■（d■-O■）■P/2。⑨反向传播，修正权重。BP网络的权重修正公式为Wji=Wji（t）+?浊?啄pjOpj+?琢（Wji（t）-Wji（t-1）），其中，?琢为一常数项，称为势态因子，?浊为学习因子，?啄pj=f′（■WpjOpj）（dpj-Opj），对于输出节点f′（■WpjOpj）■?啄pkWpj，对于输入节点。⑩计算误差。当计算值小于给定的拟合误差，结束网络训练，否则返回⑦，继续训练。{11}将训练后的网络权重用于正式评价。
　　1.2 Fuzzy综合评判的一般过程与步骤
　　①建立评估对象因素集U={u1，u2，…，un}。
　　②建立评判集V={v1，v2，…，vn}。
　　③建立单因素评判，即建立?酌：U■F（V）[2]
　　ui■?酌（ui）=■+■+…+■，0?燮rij?燮1，1?燮i?燮n，1?燮j?燮m
　　由?酌可以诱导出Fuzzy关系，得到Fuzzy距阵
　　R=■
　　称R为单因素评价距阵，并称三元有序组（U，V，R）为评判空间。
　　④建立评判模型，进行综合评判。选择合适的Fuzzy综合函数f（如f∑，f∏，fT）进行综合。用U上的一个Fuzzy集合W=（w1，w2，…，wn）∈[0，1]n表示各个因素的权重分配，取f=fT则综合评判为B=W?莓TR∈F（V）。