基于遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)的核電廠安全管理評(píng)價(jià)模型

呂方可

中圖分類號(hào)：F273 文獻(xiàn)標(biāo)識(shí)：A 文章編號(hào)：1674-1145（2017）03-000-02

摘 要 遺傳算法具有很強(qiáng)的全局搜索能力，但是容易造成未成熟的收斂，而徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)在于采用全局收斂的線性優(yōu)化算法，唯一最佳逼近點(diǎn)唯一，二者結(jié)合的應(yīng)用能彌補(bǔ)各自的缺陷。兩種方法結(jié)合應(yīng)用到核電廠安全管理評(píng)價(jià)領(lǐng)域，建立基于遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)的核電廠安全管理評(píng)價(jià)模型，對(duì)核電廠安全管理存在的風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，有助于核電廠安全管理人員及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)，采取應(yīng)對(duì)措施，對(duì)于降低核電廠安全管理風(fēng)險(xiǎn)，確保人民群眾生命財(cái)產(chǎn)安全和社會(huì)環(huán)境安全都具有極其重要的現(xiàn)實(shí)意義。

關(guān)鍵詞 遺傳算法 神經(jīng)網(wǎng)絡(luò) 核電廠 安全管理評(píng)價(jià)

核電廠的安全管理評(píng)價(jià)是對(duì)核電廠的安全管理現(xiàn)狀進(jìn)行的評(píng)價(jià)分析?？茖W(xué)合理準(zhǔn)確的評(píng)價(jià)可以對(duì)核電廠的日常安全管理提供指導(dǎo)，為科學(xué)的開展安全管理提升提供參考。

利用遺傳算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，保證了并行處理規(guī)模較大信息的能力，發(fā)揮了概括、聯(lián)想、類比、推理等綜合處理數(shù)據(jù)的能力。因此常被用來(lái)處理復(fù)雜問(wèn)題，并做出科學(xué)的預(yù)測(cè)。建立基于遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)的核電廠安全管理評(píng)價(jià)模型，既確保了對(duì)大規(guī)模數(shù)據(jù)的處理能力，又提升了安全管理評(píng)價(jià)的科學(xué)化水平，對(duì)于準(zhǔn)確掌握核電廠安全管理現(xiàn)狀，提升核電廠日常管理水平，有效保障企業(yè)員工的生命安全、國(guó)家財(cái)產(chǎn)安全和生態(tài)環(huán)境安全具有重要意義。

一、遺傳算法和RBF神經(jīng)網(wǎng)路原理

遺傳算法于1975年，由美國(guó)的J.Holland教授提出。該隨機(jī)化搜索方法借鑒了自然進(jìn)化法則，即優(yōu)勝劣汰、適者生存的遺傳機(jī)制。該方法直接對(duì)結(jié)構(gòu)對(duì)象進(jìn)行操作；選用概率化的尋優(yōu)方法，自動(dòng)獲取和指導(dǎo)優(yōu)化的搜索范圍。但該方法在實(shí)際應(yīng)用中也存在部分局限性：因借鑒了優(yōu)勝劣汰、適者生存的遺傳機(jī)制，所以如果出現(xiàn)優(yōu)勢(shì)個(gè)體（局部最優(yōu)解）時(shí)，就造成了過(guò)早收斂現(xiàn)象，也就無(wú)法搜索產(chǎn)生全局最優(yōu)解；其次在經(jīng)過(guò)多次重組演化后，容易丟失上一代的的基因片段，即同樣造成無(wú)法得到全局最優(yōu)值；再次傳統(tǒng)的遺傳算法通過(guò)雜交變異的手段，確定搜索空間，導(dǎo)致相似模式的數(shù)據(jù)種群占據(jù)優(yōu)勢(shì)，同樣無(wú)法產(chǎn)生全局最優(yōu)解。

RBF神經(jīng)網(wǎng)絡(luò)是一種前饋式神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)分為三部分：輸入層、隱含層、輸出層。它依據(jù)輸入層少數(shù)的神經(jīng)元（基礎(chǔ)數(shù)據(jù)），利用隱含層（高效徑向基函數(shù)），決定神經(jīng)網(wǎng)絡(luò)的輸出層（預(yù)測(cè)數(shù)據(jù)）。隱含層（高效徑向基函數(shù)），實(shí)際是通過(guò)利用高斯函數(shù)，執(zhí)行固定的非線性操作指令，即將輸入層（基礎(chǔ)數(shù)據(jù)）映射到一個(gè)新的空間，通過(guò)輸出層節(jié)點(diǎn)線性加權(quán)組合，輸出形成結(jié)果。

輸出函數(shù)為：

為隱含層神經(jīng)元的輸出， 為權(quán)值，二者的乘積累加和即為RBF神經(jīng)網(wǎng)絡(luò)的輸出。輸入層、隱含層相互連接，其中隱含層為一系列同一類型的徑向基函數(shù)（高斯函數(shù)）[3]。RBF神經(jīng)網(wǎng)絡(luò)由高斯函數(shù)表示為：

其中，Ci代表了基函數(shù)的中心， 代表了函數(shù)的寬度參數(shù)。從上述公式中可以看出：高斯函數(shù)的徑向范圍與 函數(shù)的寬度參數(shù)成反比。在實(shí)際計(jì)算中，函數(shù)寬度參數(shù) 的確定一般采用自適應(yīng)梯度下降法確定，而確定Ci 、 、w的取值也就確定了為隱含層神經(jīng)元的輸出 。

二、對(duì)RBF神經(jīng)網(wǎng)路原理的優(yōu)化

依據(jù)生物神經(jīng)網(wǎng)絡(luò)的機(jī)理建立基于RBF神經(jīng)網(wǎng)絡(luò)安全管理評(píng)價(jià)模型，通過(guò)在不同網(wǎng)絡(luò)傳遞環(huán)節(jié)選取恰當(dāng)?shù)乃惴▽?duì)模型進(jìn)行優(yōu)化改進(jìn)，以此得到安全管理評(píng)價(jià)的優(yōu)化模型。但是在應(yīng)用過(guò)程中RBF神經(jīng)網(wǎng)絡(luò)關(guān)鍵函數(shù)基函數(shù)中心值、網(wǎng)絡(luò)權(quán)值等難以得到最優(yōu)解，因此選擇遺傳算法，利用其優(yōu)勢(shì)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化完善。

（一）最優(yōu)基函數(shù)中心值的確定

應(yīng)用遺傳算法進(jìn)行數(shù)據(jù)編碼。將學(xué)習(xí)樣本進(jìn)行編號(hào)：1，2，3，……，N，進(jìn)而從樣本中隨機(jī)選擇M個(gè)數(shù)據(jù)為一組中心矢量作為種群中的一個(gè)個(gè)體進(jìn)行編碼。如下所示，以第i個(gè)染色體為例，神經(jīng)網(wǎng)絡(luò)的適應(yīng)度函數(shù) 為期望輸出 和實(shí)際輸出 之差的絕對(duì)值累加和的倒數(shù)：

從上一代中任意選取兩個(gè)母體進(jìn)行交叉以此獲得兩個(gè)子個(gè)體，再將兩個(gè)子個(gè)體以一定的概率進(jìn)行變異，染色體其他位的編號(hào)值用1，2，3，……，N，中任意值以一定的變異概率替換。將母體與子體進(jìn)行比較從中選擇優(yōu)勢(shì)個(gè)體即完成一次進(jìn)化。以此方式循環(huán)迭代，直到個(gè)體達(dá)到給定最大代數(shù)或滿足給定的精度，此時(shí)個(gè)體則為最優(yōu)基函數(shù)中心值。

（二）最優(yōu)權(quán)值w的確定

權(quán)值的優(yōu)化是一個(gè)長(zhǎng)期復(fù)雜的過(guò)程，實(shí)數(shù)編碼值能夠較好地反應(yīng)現(xiàn)實(shí)情況，用一個(gè)數(shù)碼代表一個(gè)染色體，一個(gè)染色體則代表一個(gè)X值；群體初始化，根據(jù)遺傳算法的搜索范圍將權(quán)值以 分布隨機(jī)確定（-0.8，0.4，0.65，0.5）；選取適應(yīng)度函數(shù)，將輸出樣本的平方作為適應(yīng)度函數(shù)：

根據(jù)遺傳操作原理，采用染色體交叉變異，選擇交叉的概率Pn、變異的概率Pm。

U11=（-0.8，0.4，0.65，0.5），U21=（0.3，0.7，0.6，-0.8），交叉：U21=（-0.8，0.4，0.6，0.5）變異：U22=（-0.8，0.4，0.5，0.5）

三、安全管理評(píng)價(jià)模型的建立

依據(jù)核電廠安全管理評(píng)價(jià)指標(biāo)，建立基于遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)的核電廠安全管理評(píng)價(jià)模型。其實(shí)現(xiàn)流程如圖所示：

四、結(jié)語(yǔ)

本文建立基于遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)的核電廠安全管理評(píng)價(jià)模型，對(duì)核電廠安全管理存在的風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，有助于核電廠安全管理人員及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)，采取應(yīng)對(duì)措施，切實(shí)降低了核電廠安全管理風(fēng)險(xiǎn)，并為核電廠科學(xué)管理，安全管理提升提供參考和技術(shù)支持。

參考文獻(xiàn)：

[1] 郭贊.基于遺傳算法和RBF神經(jīng)網(wǎng)絡(luò)的鈾尾礦庫(kù)安全預(yù)警模型[J].綠色科技，2015.3：243-245.

[2] 魏艷強(qiáng).基于RBF神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測(cè)方法研究[J].天津理工大學(xué)學(xué)報(bào)，2008.2（1）：17-20.

[3] 徐杰.基于遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用[J].信息技術(shù)，2011（5）：165-168.

[4] 李紅利.基于遺傳算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)[J].計(jì)算機(jī)仿真，2003.11（11）：67-70.

[5] 蚩志峰.基于遺傳算法與BP算法的水質(zhì)評(píng)價(jià)模型[J].重慶科技學(xué)院學(xué)報(bào)，2009.2（1）：122-124.