3遺傳神經(jīng)網(wǎng)絡(luò)的建筑安全評(píng)價(jià)模型

　　為了選取最優(yōu)權(quán)值，減小極小化目標(biāo)輸出和實(shí)際輸出之間的誤差，采用反向傳播算法和遺傳算法相結(jié)合，對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行求解。綜合安全評(píng)價(jià)步驟如下：

　　步驟1：確定安全評(píng)價(jià)對(duì)象集。

　　步驟2：建立安全評(píng)價(jià)指標(biāo)體系。系統(tǒng)的安全狀況可用一系列評(píng)價(jià)指標(biāo)表示，每個(gè)指標(biāo)都從不同的側(cè)面刻畫(huà)系統(tǒng)的安全狀況，以此確定人工神經(jīng)網(wǎng)絡(luò)的輸入層、隱層和輸出層的節(jié)點(diǎn)數(shù)，構(gòu)筑人工神經(jīng)網(wǎng)絡(luò)。

　　步驟3：應(yīng)用AHP方法確定與各項(xiàng)安全評(píng)價(jià)指標(biāo)相對(duì)應(yīng)的初始權(quán)重系數(shù)。相對(duì)于某種安全評(píng)價(jià)目的來(lái)說(shuō)，評(píng)價(jià)指標(biāo)之間的相對(duì)重要性是不同的，安全評(píng)價(jià)指標(biāo)之間的相對(duì)重要性的大小是靠權(quán)重系數(shù)的大小來(lái)體現(xiàn)的。

　　步驟4：令種群代數(shù)k←k+1。

　　步驟5：初始化染色體，并檢驗(yàn)其可行性。

　　步驟6：通過(guò)交叉、變異、復(fù)制更新權(quán)重向量。

　　步驟7：選擇安全評(píng)價(jià)的指標(biāo)的學(xué)習(xí)樣本，供GA-ANN訓(xùn)練，學(xué)習(xí)。利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)權(quán)值來(lái)計(jì)算染色體的誤差和適應(yīng)度。

　　步驟8：根據(jù)誤差函數(shù)計(jì)算每個(gè)權(quán)重向量的適應(yīng)度。

　　步驟9：如果k〈N，返回步驟2。

?

　　步驟12：給出人工神經(jīng)網(wǎng)絡(luò)的最優(yōu)解。

　　4 遺傳神經(jīng)網(wǎng)絡(luò)建筑安全評(píng)價(jià)系統(tǒng)的工程實(shí)現(xiàn)

　　4.1 數(shù)據(jù)處理
　　
設(shè)建筑安全評(píng)價(jià)的影響因素有6個(gè)指標(biāo)，各項(xiàng)評(píng)價(jià)指標(biāo)的等級(jí)分為五等，劃分的分值范圍如下：“很好”（100～85）、“較好”（85～70）、“一般”（70～55）、“較差”（55～40）、“很差”（40～0）。請(qǐng)100位專(zhuān)家對(duì)每項(xiàng)工程的各項(xiàng)安全評(píng)價(jià)指標(biāo)進(jìn)行評(píng)判。令“很好”賦于隸屬度1,“較好”賦于隸屬度0.8，“一般”賦于隸屬度0.6，“較差”賦于隸屬度0.4，“很差”賦于隸屬度，則可由下式得到神經(jīng)網(wǎng)絡(luò)的輸入值。

　　其中k _i為專(zhuān)家評(píng)價(jià)為某一個(gè)等級(jí)的專(zhuān)家數(shù)占專(zhuān)家總數(shù)的比例。