論文關(guān)鍵字:灰色神經(jīng)網(wǎng)絡(luò)　電力建設(shè)工程　模型

　　摘要:基于智能電力建設(shè)工程造價(jià)是一個(gè)非線性最優(yōu)融合智能算法、運(yùn)用知識(shí)自動(dòng)處理及有效的計(jì)算機(jī)應(yīng)用體系,它強(qiáng)調(diào)人的智能參與和強(qiáng)調(diào)智能算法的靈活應(yīng)用與解決復(fù)雜問題的過程中表現(xiàn)出了良好的適應(yīng)性和可操作性等.同時(shí)對(duì)某市送電線路歷史工程樣本訓(xùn)練和實(shí)例樣本計(jì)算分析,驗(yàn)證了該方法的預(yù)測準(zhǔn)確性和收斂性及將灰色系統(tǒng)理論與層次分析法進(jìn)行有機(jī)地結(jié)合,應(yīng)用灰色神經(jīng)網(wǎng)絡(luò)分析方法處理電力建設(shè)工程造價(jià)決策問題,使電力建設(shè)工程造價(jià)方案決策過程具有科學(xué)性與實(shí)踐性。 

　　0 引言

　　隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展、社會(huì)的進(jìn)步、科技和多層信息化水平的提高以及全球資源和環(huán)境問題的日益突出與電力建設(shè)發(fā)展面臨著新的挑戰(zhàn).在電力行業(yè)在各國經(jīng)濟(jì)發(fā)展中占據(jù)優(yōu)先發(fā)展的地位,電力建設(shè)工程造價(jià)與其他電力建設(shè)工程造價(jià)相比,具有電力建設(shè)工程造價(jià)規(guī)模大、周期長的特點(diǎn).基于眾多的電力建設(shè)工程造價(jià)方案中選擇較優(yōu)方案是電力建設(shè)工程造價(jià)決策的關(guān)鍵技術(shù).在電力建設(shè)工程造價(jià)方案比選過程中的評(píng)價(jià)指標(biāo)有工程造價(jià)凈現(xiàn)值、電力建設(shè)工程造價(jià)回收期、財(cái)務(wù)內(nèi)部收益率等,使決策變得復(fù)雜且很難做出.基于灰色系統(tǒng)理論、模糊理論進(jìn)行有機(jī)的結(jié)合,用灰色神經(jīng)網(wǎng)絡(luò)度分析方法來計(jì)算決策矩陣和建立模型[1],并應(yīng)用到實(shí)際電力建設(shè)工程造價(jià)決策中,可為決策者提供一種有效的決策途徑,根據(jù)灰色系統(tǒng)理論,研究和分析決策系統(tǒng)影響因素間的相互關(guān)系及對(duì)系統(tǒng)主要目標(biāo)的貢獻(xiàn),該研究方法考慮了傳統(tǒng)因素分析方法并避免了模糊理論處理方法的種種弊端。

　　1 基于灰色神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用

　　基于灰色神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)的預(yù)測,運(yùn)用灰色系統(tǒng)的數(shù)據(jù)信息預(yù)處理方式搭建電力建設(shè)工程造價(jià)即灰色生成來優(yōu)化神經(jīng)網(wǎng)絡(luò)的建模應(yīng)用于智能電力建設(shè)工程造價(jià)中的問題預(yù)測。

　　2 基于電力建設(shè)工程造價(jià)與灰色神經(jīng)網(wǎng)絡(luò)模型研究

　　基于灰色神經(jīng)網(wǎng)絡(luò)是以訓(xùn)練樣本算法即誤差反向傳播算法即灰色神經(jīng)算法的學(xué)習(xí)過程分為信息的正向傳播和誤差的反向傳播,其通過訓(xùn)練樣本前一次迭代的權(quán)值和閾值來應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)的第一層向后計(jì)算各層大規(guī)模自組織神經(jīng)元的輸出和最后層向前計(jì)算各層權(quán)值和閾值對(duì)總誤差的梯度進(jìn)而對(duì)前面各層的權(quán)值和閾值進(jìn)行修改運(yùn)算反復(fù)直到神經(jīng)網(wǎng)絡(luò)樣本收斂。

　　2.1 基于電力建設(shè)工程造價(jià)灰色神經(jīng)網(wǎng)絡(luò)模型
　　基于灰色神經(jīng)網(wǎng)絡(luò)輸入向量為X=()T;隱含層輸出向量為Y=()T;輸出層的輸出向量為O=)T;期望輸出向量為;輸入層到隱含層之間的權(quán)值矩陣,其中列向量為隱含層第j個(gè)大規(guī)模自組織神經(jīng)元對(duì)應(yīng)的權(quán)向量;隱含層到輸入層之間的權(quán)值矩陣,其中列向量為輸出層第k個(gè)大規(guī)模自組織神經(jīng)元對(duì)應(yīng)的權(quán)向量.各層信號(hào)之間的算法結(jié)構(gòu)為:

       以上式中的均為S類型函數(shù),的導(dǎo)數(shù)方程為:⑸
　　以下是基于電力建設(shè)工程造價(jià)灰色神經(jīng)網(wǎng)絡(luò)輸出與期望輸出的均方誤差為:⑹
　　則電力建設(shè)工程造價(jià)訓(xùn)練樣本輸出層和隱含層的權(quán)值調(diào)整量分別為:⑺⑻

　　⑼
　　式中:為比例系數(shù),在電力建設(shè)網(wǎng)絡(luò)模型訓(xùn)練中代表學(xué)習(xí)速率.如果灰色自組織神經(jīng)網(wǎng)絡(luò)有個(gè)隱含層,各隱含層節(jié)點(diǎn)分別記為,各隱含層輸出分別記為,則各層權(quán)值調(diào)整灰色神經(jīng)網(wǎng)絡(luò)模型運(yùn)算計(jì)算公式分別如下:

　　輸出層⑽
　　第隱含層
　　 ⑾
　　第一隱含層 ⑿
　　綜合上述預(yù)測分析在灰色神經(jīng)在電力建設(shè)工程造價(jià)中學(xué)習(xí)算法運(yùn)用各層權(quán)值調(diào)整公式均由學(xué)習(xí)速率、本層輸出的誤差信號(hào)和本層輸入數(shù)字離散信號(hào)處理決定在網(wǎng)絡(luò)訓(xùn)練樣本學(xué)習(xí)的過程受決策環(huán)境復(fù)雜程度和訓(xùn)練樣本的收斂性即需要增大樣本量來提高電力建設(shè)工程造價(jià)所學(xué)知識(shí)的代表性應(yīng)注意在收集某個(gè)問題領(lǐng)域的樣本時(shí),注意樣本的全面性、代表性以及提高樣本的精確性,增大抗干擾噪聲,還可以采用其他方法收集多層訓(xùn)練樣本數(shù)據(jù)。

　　3 結(jié)束語

　　基于電力建設(shè)工程造價(jià)方案的選擇問題是一個(gè)復(fù)雜的系統(tǒng)多屬性決策問題,評(píng)價(jià)因素多而且相互之間的關(guān)系比較復(fù)雜.通過構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)決策模型,綜合考慮到電力建設(shè)工程方案選擇過程中的多方案、多因素、多目標(biāo)特點(diǎn),避免了單指標(biāo)方案選擇過程中存在的決策偏離問題.通過該模型優(yōu)化全面分析多層目標(biāo)指標(biāo)間的相互關(guān)系,較好地解決單指標(biāo)無法全面反映工程方案多目標(biāo)的問題,為電力建設(shè)工程方案優(yōu)選提供了一種可靠的途徑數(shù)據(jù)。

　　參考文獻(xiàn):

　　[1]汪應(yīng)洛.系統(tǒng)工程理論、方法與應(yīng)用[M].北京:高等教育出版社,1992.
　　劉思峰.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社,2007:51-95.