基于BP神經(jīng)網(wǎng)絡(luò)的輸電工程定額數(shù)據(jù)處理

呂科+謝景海+許文秀

摘要： 隨著科學技術(shù)的發(fā)展，新工藝、新設(shè)備、新技術(shù)的不斷出現(xiàn)，現(xiàn)有輸電工程定額數(shù)據(jù)處理方法已不適應(yīng)輸電工程技術(shù)與管理模式的發(fā)展。為此，本文運用BP神經(jīng)網(wǎng)絡(luò)對輸電工程定額原始數(shù)據(jù)進行處理，在此基礎(chǔ)上再進行定額測定。實例結(jié)果表明，本文所提的定額數(shù)據(jù)處理方法使得定額測定結(jié)果更加準確。

Abstract： With the development of science and technology and the emerging of new technology and equipment， the existing processing methods of transmission engineering quota data are not suitable for the development of transmission engineering technology and management mode. Therefore， this paper uses the BP neural network to deal with the raw data of the transmission project， and then carries on the quota determination on this basis. The results show that the proposed quantitative data processing method makes the quantitative determination more accurate.

關(guān)鍵詞： 輸電工程；定額數(shù)據(jù)；BP神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)處理

Key words： transmission engineering；quota data；BP neural network；data processing

中圖分類號：TP183 文獻標識碼：A 文章編號：1006-4311（2016）35-0028-02

0 引言

輸電工程定額數(shù)據(jù)在測定過程中由于受觀測者、自然環(huán)境、組織水平等因素影響，同一工序測得的數(shù)據(jù)往往存在一定的差異，這些異常數(shù)據(jù)將導致定額測定結(jié)果與現(xiàn)實存在較大偏差。常見的定額數(shù)據(jù)處理方法有平均修正法、格拉布準則法、比回歸分析法、經(jīng)驗估計法、主成分分析等[1-6]。然而，隨著新設(shè)備、新工藝、新技術(shù)在輸電工程建設(shè)中的不斷推廣應(yīng)用，定額數(shù)據(jù)處理方法已不適應(yīng)當前輸電工程技術(shù)與管理模式的發(fā)展，為此，本文構(gòu)建一種新的計算模型，力求使得處理后的定額數(shù)據(jù)能真實地反映出生產(chǎn)技術(shù)水平和管理水平，也為其它各類定額測定提供更加可靠的原始數(shù)據(jù)。

1 定額數(shù)據(jù)處理

定額數(shù)據(jù)的處理可分為兩個階段，第一階段為原始數(shù)據(jù)的預(yù)處理階段，包括觀測次數(shù)的確定和異常值的剔除；第二階段為修正后數(shù)據(jù)的分析處理。目前，學者對第一階段的數(shù)據(jù)處理進行了大量研究，并取得了一定的成果，然而對第二階段數(shù)據(jù)處理研究不夠充分，大多利用統(tǒng)計分析辦法通過平均或者二次平均處理確定最終定額測定值，導致精度較差。為此，本文重點研究第二階段的數(shù)據(jù)處理。

2 BP神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)模型具有較強的非線性能力、泛化能力和容錯能力，并行計算能力強。本文采用BP神經(jīng)網(wǎng)絡(luò)進行樣本建模，其實目前應(yīng)用最為廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一。

BP神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層和輸出層構(gòu)成，在網(wǎng)絡(luò)訓練階段用處理好的樣本依次通過輸入層、隱含層和輸出層，比較輸出結(jié)果和期望結(jié)果，若沒有達到誤差要求或者訓練次數(shù)，則經(jīng)過輸入層、隱含層和輸出層來調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值，使得網(wǎng)絡(luò)成為具有一定適應(yīng)能力的模型。

2.1 BP神經(jīng)網(wǎng)絡(luò)模型的基本原理

BP網(wǎng)絡(luò)模型包括其輸入輸出模型、作用函數(shù)模型、誤差計算模型和自學習模型。

①節(jié)點輸出模型。

隱節(jié)點輸出模型：Oj=f（∑Wij×Xi-qj）（1）

輸出節(jié)點輸出模型：Yk=f（∑Tjk×Oj-qk）（2）

其中，q為神經(jīng)單元閾值，f為非線形作用函數(shù)。

②作用函數(shù)模型。

作用函數(shù)是反映下層輸入對上層節(jié)點刺激脈沖強度的函數(shù)又稱刺激函數(shù)，通常取為（0，1）內(nèi)連續(xù)取值函數(shù)。

f（x）=1/（1+e-x） （3）

③誤差計算模型。

誤差計算模型是反映神經(jīng)網(wǎng)絡(luò)期望輸出與計算輸出之間誤差大小的函數(shù)：

Ep=1/2×∑（tpi-Opi）2（4）

其中，Opi表示第i節(jié)點計算輸出值；tpi表示第i節(jié)點的期望輸出值。

④自學習模型。

神經(jīng)網(wǎng)絡(luò)的學習過程，即連接下層節(jié)點和上層節(jié)點之間的權(quán)重拒陣Wij的設(shè)定和誤差修正過程。BP網(wǎng)絡(luò)有師學習方式-需要設(shè)定期望值和無師學習方式-只需輸入模式之分。自學習模型為

？駐Wij（n+1）=h×Фi×Oj+a×？駐Wij（n） （5）

其中，a為動量因子；Oj為輸出節(jié)點j的計算輸出；Фi為輸出節(jié)點i的計算誤差；h為學習因子。

2.2 BP神經(jīng)網(wǎng)絡(luò)算法流程

①初始化網(wǎng)絡(luò)權(quán)值和閾值，通常取0-1的隨機數(shù)；

②輸入訓練樣本和目標輸出；

③計算各層輸入；

④計算網(wǎng)絡(luò)訓練誤差；

⑤修正網(wǎng)絡(luò)權(quán)值和閾值；

⑥計算誤差指標；

⑦如果誤差滿足精度要求，則訓練結(jié)束，否則轉(zhuǎn)到步驟②。

3 實例分析

以輸電工程工地運輸中，汽車運輸下面的混凝土桿運輸子目為例，進行工時定額測定。這里以整個冀北地區(qū)下面的承德、廊坊、秦皇島、唐山和張家口五個地區(qū)的混泥土桿運輸子目定額數(shù)據(jù)為代表值，測定整個冀北地區(qū)的混凝土桿運輸子目的工時定額值。

承德、廊坊、秦皇島、唐山和張家口五個地區(qū)混凝土桿運輸子目的工時定額值分別為0.154工日、0.147工日、0.142工日、0.151工日、0.162工日，以BP神經(jīng)網(wǎng)絡(luò)來訓練各地地區(qū)的權(quán)值，并結(jié)合相關(guān)專家的意見，最后得出五個地區(qū)的權(quán)值分別為0.02、0.03、0.01、0.03、0.01，因此，最終冀北地區(qū)的混凝土桿運輸子目的工時定額值為0.151工日。

4 結(jié)論

①在比較各種數(shù)據(jù)處理方法的基礎(chǔ)上，根據(jù)第二階段數(shù)據(jù)特點，提出BP神經(jīng)網(wǎng)絡(luò)模型對第二階段數(shù)據(jù)進行處理。

②實例結(jié)果表明，運用本文所提方法對定額數(shù)據(jù)進行處理，使得測定的工時定額水平更加準確。

③本文僅使用了BP神經(jīng)網(wǎng)絡(luò)模型對定額原始數(shù)據(jù)處理進行了嘗試，是否還存在更優(yōu)的方法，需要下一步的研究。

參考文獻：

[1]張巖.運用格拉布斯準則原理確定公路定額測定中不合理數(shù)據(jù)[J].科協(xié)論壇（下半月），2009（2）：99-100.

[2]侯君，姚志紅.基于BP神經(jīng)網(wǎng)絡(luò)的湖泊水體富營養(yǎng)化的短期預(yù)測[J].實驗室研究與探索，2008（06）.

[3]趙慶權(quán).高速公路補充預(yù)算定額原始數(shù)據(jù)異常值的改進格拉布斯法應(yīng)用研究[J].價值工程，2013（12）：82-83.

[4]孫藝.基于神經(jīng)網(wǎng)絡(luò)技術(shù)的公路工程補充定額的編制與研究[D].長沙理工大學，2011.

[5]張波，甘國榮，王首緒.公路工程定額原始數(shù)據(jù)測定降噪方法運用研究[J].公路與汽運，2014（163）：222-225.

[6]全宇，王忠慶，何苗.基于交叉熵的神經(jīng)網(wǎng)絡(luò)在病理圖像分析中的應(yīng)用[J].中國醫(yī)科大學學報，2009（06）.