BP神经网络算法在公路建设项目可持续发展评价中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇BP神经网络算法在公路建设项目可持续发展评价中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要： 公路建设应从社会需求和经济发展的可持续性来考虑，进行可持续发展评价。本文采用了bp神经网络的算法，通过对公路建设中的经济、环境资源、运营、管理体制与政策等四方面的可持续发展分析，对公路建设项目的可持续发展评价进行了研究。通过评价分析，可以正确分析与准确估计其综合影响程度，达到有效评价和决策，确保项目最终目标顺利实现。

Abstract： The highway construction need to consider from the social needs and the sustainability of economic development，this paper used the BP neural network algorithm， through the analysis of sustainable development from economy，environmental resources， operation， management system and policy in highway construction，studied the evaluation of sustainable development of the highway construction project. Through the evaluation analysis，we can correctly analyze and estimate the degree of its comprehensive influence， in order to achieve the

effective evaluation and decision，ensure that ultimate goal of project can be realized.

关键词： BP神经网络算法；公路建设项目；可持续发展；评价

Key words： BP neural network algorithm；highway construction project；sustainable development；evaluation

中图分类号：[U4-9] 文献标识码：A 文章编号：1006-4311（2013）03-0069-02

0 引言

随着国民经济持续、稳定、高速的发展，公路建设蓬勃向上，正处于一个前所未有的建设高峰中。但公路建设同国民经济的发展需求之间仍存在着很大的矛盾，如何依据国民经济可持续发展的战略目标，对公路建设项目进行可持续发展评价，进而制定和规划新时代公路建设的可持续发展战略显的十分重要。

公路建设项目可持续发展影响因素繁多，各种影响因素具有随机性，影响因素间的相关性、权重确定的主观性、量化计算的难度、评价样本出现噪声数据等问题都会影响评价方法的有效性。人工神经网络方法具有良好的容错性与联想记忆功能。高度的非线性有全局作用的特点，用于解决上述问题可以起到很好的作用[1]。

1 BP神经网络模型

1.1 BP神经网络算法原理

1.2 基本算法 设有m个输入神经元，隐层个数为I， p个输出神经元。BP网络常采用S型（Sigmoid）函数作为激发函数并要求采用非线性的连续可导的激发函数，设u为网络的任意单元，则

f（u）=■ （1）

①输入层：令Xk=[Xk1，Xk2，…，Xkm]（k=1，2，…，N）为输入向量，N个训练样本。η为学习速率，n为迭代次数。Wmi（n）为第n次迭代时输入层与隐层之间的权值向量。Wip（n）为第n次迭代时隐层与输出层之间的权值向量[2]。

②隐藏层：Netkj=∑iwmiXkm+θj （2）

θj为单元uj的阈值。

③变量输出：设Yk（n）=[Yk1（n），Yk2（n），…，Ykp（n）]（k=1，2，…，N）为第n次迭代时网络的实际输出。

dk=[dk1，dk2，…，dkp]（k=1，2，…，N）为期望输出。

单元输出为：

u■=■=■ （3）

在这种激发函数下，有：

f■Net■=■=u■1-u■ （4）

故对输出层单元：

δ■=t■-u■×u■1-u■ （5）

对隐藏层单元：

δ■=u■1-u■∑mδ■w■ （6）

权值调节为：

Δw■（t+1）=ηδ■u■ （7）

在实际的学习过程中，学习速率η对学习过程的影响很大。η为按梯度搜索的步长。η越大，权值的变化越剧烈。实际应用中，通常是以不导致振荡的前提下取尽量大的η值。为了使学习速度足够快而且不易产生振荡，往往在δ规则中再加上一个“势态项”，即：

Δw■（t+1）=ηδ■u■+aΔw■（t） （8）

式（8）中：a是一个常数，它决定过去权重的变化对目前权值变化的影响程度[3]。

2 公路建设项目可持续发展评价神经网络模型

2.1 评价指标体系的建立 结合对公路建设项目可持续发展的认识及研究现状和已有研究成果，征询专家意见，提出公路建设项目可持续发展评价指标体系。高速公路建设项目可持续发展的评价，应综合考虑社会、环境资源、项目运营、管理体制和政策等方面的因素。设定项目评价目标为X。分类评价指标用Xi表示，单项评价指标用Xij来表示。

Xi={社会经济可持续发展评价指标X1，环境资源可持续发展评价指标X2，建设项目运营可持续发展评价指标X3，管理体制与政策可持续发展评价指标X4}

X1={促进社会发展程度评价指标X11，促进经济发展程度评价指标X12，促进政治稳定程度评价指标X13，提高公路部门素质程度评价指标X14}

X2={污染控制评价指标X21，自然资源的利用保护评价指标X22，对生态平衡的影响评价指标X23，环境管理评价指标X24}

X3={与交通安全设施评价指标X31，通信系统工程评价指标X32，监控系统工程评价指标X33，收费系统工程评价指标X34，其他系统工程评价指标X35，服务区及养护工区系统工程评价指标X36，与其他运输方式协调程度评价指标X37}

X4={“软件”管理与政策评价指标X41，“硬件”管理与政策评价指标X42，工程造价与财务管理评价指标X43}

2.2 评价模型的构建 公路建设项目可持续发展评价的神经网络结构确定为（n，m，1），即输入层节点个数对应子要素层中的影响因素个数；输出层节点对应评价值；隐含层为1个，隐层节点个数为m，可根据训练样本数来确定一个适当的隐节点数I。常用经验公式有：

I=■+a（1？燮a？燮10）

I=log2m

I=（2m+1）

本文隐节点数I初始值采用：

I=max（■+a，log2m，2m+1）

2.3 神经网络模型的应用 模型应用过程就是将需要进行评价项目的各影响因素进行数值化，并输入已学习训练好的网络模型，可得到理想的公路建设项目可持续发展综合评价值。

然后根据该评价值所属等级区间进行分析和决策，并提出建议。设公路建设项目可持续发展综合评价等级空间为D，本文取5个等级，即D={很大，较大，一般，较小，很小}，设可持续发展综合评价值区间[0，0.2]表示为很小，类推（0.2，0.4]为较小，（0.4，0.6]为一般；（0.6，0.8]为较大，（0.8，1]为很大。根据以上神经网络模型得到的综合评估值所属区间，确定综合评价的等级。若综合评价等级在较小以下，应向投资者和决策者预报可持续发展评价等级和相应的建议[3]。

3 应用实例

本文以常安高速公路的可持续发展的综合评价为例进行分析。常安高速公路（二广高速常德至安化段）起于常德市鼎城区石门桥，连接拟建的澧常高速公路和已建的长常高速公路，止于安化县梅城，全长95公里。2008年11月开工，计划于2012年底建成通车。届时，将使长沙、常德、岳阳、益阳等市实现“高速”对接，促进“环洞庭湖经济圈”区域经济的发展，同时满足洞庭湖区防洪抗灾的需要。

结合本项目的具体情况，通过专家调查咨询问卷，根据模糊综合评判法，得到本项目各影响因素指标值。同时，收集了15条公路项目的相关数据，选定多位专家，根据模糊综合评判法，得到这些公路建设项目可持续发展的社会影响评价指标值和综合评价值。选12个项目的数据作为训练样本，另选取3个项目的数据作为检验样本。

X1j={0.7432，0.7429，0.7514，0.8421}

X2j={0.7960，0.8043，0.8099，0.8027}

X3j={0.7275，0.7422，0.7377，0.8849，0.8245，0.824，10.8335}

X4j={0.8473，0.8861，0.8891}

根据前述BP神经网络模型的设计，选取18个社会影响评价值作为输入，输出层的一个节点为综合评价值，隐含层节点初始值按2M+1取37个，则该公路项目可持续发展评价BP模型结构初始确定为（18，37，1）。本文训练函数算法为Matlab神经网络工具箱中的函数trainbr（贝叶斯规范化BP训练函数），采用了动量法和学习率自调整的策略。在模型样本训练过程中不断调整来确定隐层节点个数。网络结果和运行参数见表1，网络最大训练次数为1500次，得到实际误差为0.01362。整个过程在Matlab7上实现。

本文应用已训练好的BP神经网络，分别将18个影响因子的模糊评价值作为输入，得到该公路的可持续发展评价综合值。BP神经网络输出的综合值为0.71912，在区间（0.6，0.8]内，评价综合值等级属于较大。说明该公路能较好地实现其社会目标。

4 结论

统计分析方法和实践研究结果都表明了基于BP神经网络模型对公路建设项目可持续发展评价的可行性和适用性。将基于BP神经网络的评价方法用于公路建设项目可持续发展评价是有意义的，此方法为我国公路建设项目的可持续发展战略提供了更可靠的参考依据和评价方法。

参考文献：

[1]张生瑞，邵春福，严海.公路交通可持续发展评价指标及评价方法研究[J].中国公路学报，2005，4.

[2]郇红艳，郇洪江.改进BP神经网络在经济预测中的应用[J].统计与信息论坛，2008.1.

[3]王建军，严宝杰，陈宽民.高速公路建设项目后评价若干问题探讨[J].长安大学学报，2005.6.

[4]王俊清.BP神经网络及其改进[J].重庆工学院学报，2007，3.

[5]赵淑芝，田振中，张树山，金俊武.基于BP神经网络的组合预测模型及其在公路运输量预测中的应用.

[6]高隽．人工神经网络原理及仿真实例[M]．北京：机械工业出版社，2003．

[7]黄文杰.基于BP神经网络的城市道路交通安全评价研究. 科学技术与工程，2009，18.

[8]张红红.高速公路社会影响评价指标可靠度估算方法西安公路交通大学学报，2000，10.

[9]王大淼，杨忠海，滕春贤.公路客运系统动态模拟哈尔滨商业大学学报，2005，4.

[10]Nagy，H. M.，Watanabe，K. Prediction of Sediment LoadConcentration in Rivers usingArtificial Neural NetworkMode[J].Journal of HydraulicEngineering 2002 128（6）：588-596.