模糊神经网络在环境安全评价中的应用.docx

模糊神经网络在环境安全评价中的应用.docx

《模糊神经网络在环境安全评价中的应用.docx》由会员分享，可在线阅读，更多相关《模糊神经网络在环境安全评价中的应用.docx（8页珍藏版）》请在冰点文库上搜索。

模糊神经网络在环境安全评价中的应用

题目：

神经网络与模糊理论

学院：

机电工程学院

专业：

　机械工程　　　

姓名：

学号：

模糊神经网络在环境安全评价中的应用

（第十三届可持续制造全球会议-从资源使用中分离增长）

新西伯利亚国立大学经济与管理，Novosibirsk，俄罗斯联邦

摘要

本文着重讨论了作为环境安全领土实体的模糊现象水平的评估问题。

该研究提出了一种利用神经网络解决这一问题的方法。

应用神经网络可以克服输入方面现有信息的不足，并对领土实体的环境安全进行正确评估。

训练神经网络的方法用于此。

使用模糊神经网络的优点是灵活性和机会直接使用隐式参数和已知或未知数据的标准；容忍模糊和使用数据的矛盾。

这项技术允许解决以下任务：

在环境安全方面对俄罗斯的学科进行类型化，并制定设想以增加其安全性；同时考虑到环境因素，对其发展变化进行预测。

1.介绍

环境安全是社会运行的关键领域之一，它表明，如果没有适当的评估，就无法形成发展的替代方案。

目前，环境安全评价在缺乏充分、明确的信息、缺乏观察、定性和定量等因素的情况下，需要在大量投入数据分析的基础上快速决策。

环境安全是一个复杂的系统研究对象，难以根据环境安全水平建立有效的社会经济系统评价机制。

这里最强大的工具是使用模糊神经网络进行分类。

2.模糊神经网络应用研究综述

神经网络是一种新兴的、非常有前途的处理技术，为研究复杂的多维现象提供了新的途径。

它们提供了非线性过程建模、处理噪声数据和适应实际过程的可能性。

自二十世纪起，神经网络的发展就开始了。

1943，维纳发表了控制论的工作，其基本思想是用数学模型来表示复杂的生物过程。

那一年，W.McCulloch和W.Pitts的形式化的概念的一种神经网络在基本文章的逻辑演算的思想和神经活动。

D.O.Hebb，F.Rosenblatt，B.Widrow，M.M.Bongard，PaulJ.Verbos，A.I.Galushkin，福岛，T.K.Kohonen，J.J.Hopfield，D.I.Rumelhart，S.I.Bartzev，V.A.Ohonin，J.Hillton和其他人工神经网络理论作出了重大贡献。

他们开发了人工神经网络学习的第一个工作算法，创建了模式识别算法等。

模糊神经网络用于解决医学、生物学、体育、生产和经济等领域中的应用问题。

这是由于神经网络的特殊特性：

建模、识别和处理信号的能力；对模式进行分类和识别；预测系统的未来状态；识别和评估，建立关系。

应该注意的是俄罗斯专家的作品V.A.Terekhov，V.M.Lazarev，A.P.Sviridov，A.N.戈班等，以及国外的人，S.Osovsky，F.Wasserman，AnilK.Jain等，处理研究应用模糊神经网络技术。

实际问题的神经网络的使用受到许多问题的阻碍；例如，在分类问题中，事先不知道如何获得复杂的网络才能获得准确的结果。

可能有太多的复杂性。

换言之，网络架构，即每层的层数和元素，必须在培训开始前确定。

网络在入口空间中创建复杂的非线性分离曲面。

在一个网络具有一个隐藏层的样本矢量变换（非线性）到一个新的表示空间（隐含层空间），然后相应的输出节点平面布置在新空间的类别划分。

因此，现在网络认识到其他特性——在隐藏层中获得的“性能特征”。

神经网络用于分类的有效性可以解释为，它导致从大量生成的回归模型中选择最佳模型。

此外，在源数据不完整或不准确的情况下，它们的使用是合理的。

这是典型的市级地区统计数字。

对模糊神经网络应用研究的批判性分析表明，该技术可根据环境安全水平建立社会经济系统分类器。

3.根据环境安全水平构建社会经济系统分类器的算法

基于模糊神经网络技术和多元统计分析方法，提出了一种根据环境安全水平构建社会经济系统分类器的算法。

图1显示了构造分类器的算法。

图1基于环境安全水平的社会经济系统分类器构建算法

让我们来考虑分类器构建的具体阶段。

阶段1：

以研究对象的具体情况为基础，建立了表征环境安全的指标体系。

俄罗斯联邦地区的市镇被视为研究对象。

市政当局是最复杂的研究对象之一。

在了解城市的性质时，一个重要的问题是它与其他系统（国家，联邦的主体）的关系的性质，它们共同构成了外部环境，其中一部分是自治市本身。

尽管它相对独立于外部环境，但它保留了描述联邦主体、国家作为整体的特征，以及它自己的具体内容。

阶段2：

在标准化和规范程序的基础上，对原始日期进行简化处理。

这些程序使每个索引的值在0到1之间显示，同时保持各个值之间的比例。

阶段3：

在统计分析方法的基础上，根据环境安全水平，建立了社会经济系统的标准类代表。

这种方法将初始对象集分裂成若干年的类，从而揭示了群的稳定代表。

这些代表将是所选课程的标准（样本）。

阶段4：

分类问题可以使用以下类型的网络解决：

多层感知器、径向基函数、Kohonen网络、概率神经网络和线性网络。

在这种情况下，模糊神经网络的结构有三层神经元：

输入、隐藏和输出。

输入层由一个表征社会和经济系统环境安全的指标体系组成。

摘要提供了输入层和隐含层的神经元之间的连接，使神经元活动计算欧氏度量。

输出层由神经元表示，在此基础上计算高斯隶属函数。

使用高斯函数确保消除输入数据中的噪声（不相关信息）。

此外，该网络还具有自学习能力，提高了评估的质量。

为此，网络架构的反馈，将输出层与隐层神经元网络以正确的隐藏层的概要的重量。

阶段5-6：

在构建一个网络时，必须控制结果的质量。

为了这些目的使用CrossCheck呈分裂观察训练，控制组。

在这个过程中，形成了错误函数。

在神经网络的监督学习中需要最小化。

这个函数被设计用来评估学习过程中神经网络的质量。

神经网络解决问题的能力取决于它的学习质量。

此外，为了改进结果，使用了网络再培训。

网络再培训有这样的缺点，即无法概括调查中的现象。

为了保证最终模型的适当可靠性，他们经常（至少在训练数据的数量允许的情况下）使用以下程序：

另一件事是保留-一组测试意见。

由此产生的模型在该组的数据上进行测试，以确保在训练和控制集中取得的结果是真实的，而不是学习过程的结果。

阶段7。

结果，形成了一个可行的神经网络，使我们能够根据环境安全水平对社会和经济系统进行分类，并可用于同一管理水平的各个领域。

4、各市按环境安全水平分级

根据俄罗斯联邦地区各市的环境安全水平，建立了社会经济系统分类器的构造算法。

形成了表征城市环境安全的指标体系，包括国家和区域组成部分，以及各市的具体情况。

表1显示了在联邦国家统计局数据库基础上形成的一套初步指标。

由于原始数据集的维数不同，应用原始数据标准化的过程，使得研究生态安全的参数开始取值从0到1。

规范化数据是根据环境安全水平确定各市级参考代表的依据。

这项研究是对57市的托木斯克州的材料进行（16市），KurganskayaOblast（24市）和KhabarovskyKrai（24市）为2012和2013。

基于聚类分析方法的城市等级划分方法——k-均值法和层次分析法。

表2给出了聚类结果对俄罗斯地区的直辖市根据环境安全水平2012K均值方法的基础上。

在2012的聚类分析基础上选择各市的参考代表被用来构造神经网络。

在这种情况下，两个对照班已在聚类分析–层次结构和使用方法的基础上，区分目标。

在研究其他领土单位时，可以在参照群形成过程中确定中间阶级。

在城市2012和2013的例子中，使用模糊神经网络的方法，可以预测它们属于先前确定的参考类。

网络的建设和培训进行了计划中的“统计10”。

神经网络是利用BFGS算法训练（迭代法）。

在一系列的试验中，选择了几个神经网络。

最好的神经网络是一个网络组成的一个神经元，从而与一个单一的层（图2）。

图2网络体系结构。

最好的神经网络是由一个神经元组成的网络，因此只有一层。

这是由于我们所预测的市镇类型是借助于聚类分析而建立起来的。

该算法选择了10个最适合的网络，每一个网络都报告了一个零错误。

每个培训网络用于根据2013的环境安全水平预测各市的状况。

与2013的聚类分析相比，一半的网络报告了非零错误。

这是因为他们使用的输入数据的一部分，更多的重量，因此，一个小偏差的数据导致了一个显着的变化结果。

然而，其余的网络给出了一个可以接受的结果——零错误。

因此，这项研究的结果使我们能够建立一个事实，即利用模糊神经网络根据环境安全水平对各市进行分类是适当的。

在分类问题上利用神经网络这样的工具，可以根据城市的环境安全水平，得到稳定的城市等级。

此外，这项研究的结果可以用来预测直辖市对某一特定类别的归属。

2013利用俄罗斯联邦地区的环境安全评价的神经网络显示如下益处：

其应用的可能性与产权界定标准和参数直接工作，先验近似的或未知的数据，宽容。

随着混合模糊神经网络等技术，利用俄罗斯联邦主体的环境定性安全评价可以解决以下问题：

根据环境安全水平和由于环境安全水平的变化在他们的发展变化，预测了俄罗斯联邦学科分类系统的建立。

此外，这项研究的结果可以用来创造俄罗斯联邦主题的发展情景。

这种技术不仅可以用来分类城市，而且可以用来划分不同管理水平的社会和经济系统。

在俄罗斯联邦，联邦国家统计局数据库的资料中，可以根据联邦地区、地区和市镇的情况，根据环境安全水平对区域进行分类。

由于这种评估环境安全的方法包括将区域单元归因于某一特定类型，这种方法可以针对其他国家的特殊性和现有的数据加以应用。

5、结论

模糊神经网络在环境安全领域的应用将促进环境安全领域决策的灵活性，即对俄罗斯联邦主体行为模型快速构建，包括及时采取质量响应，可以使用这种混合技术实现。

致谢

本文是根据科研活动中国家工作的国家任务研究成果（项目“不稳定团聚体统计研究理论与方法的发展”，第2014/142号）进行的。

参考文献

〔1〕baestaens，VandenBergVM，木D.神经网络解决方案，为金融市场的交易。

莫斯科：

许可证；1997年。

P236。

〔2〕galushkinAI。

的合成或多层为模式识别系统。

莫斯科：

能源；1974年。

〔3〕bartsev寺，ohoninVA。

自适应网络或信息处理：

预印本，59（b。

克拉斯诺亚尔斯克学院物理或科学院的苏联；1986年。

20页。

〔4〕的神经网络。

[一]电子资源。

网址：

http：

／／statlab.kubsu.ru/网站/项目_银行/nural.pdf

[5]米哈伊洛夫轴，staroverov坝。

问题和前景做了人工神经网络的使用用于识别和诊断的技术目标。

2013年。

[一]电子资源。

网址：

http：

／／vestnik.ispu.ru/网站/vestnik.ispu.ru/文件/出版/STR。

_64-68.pdf

[6]slepnyovES。

人工神经网络的使用情况的分析和preemergency或单位或涡轮发电站。

2014年。

[一]电子资源。

网址：

http：

／／naukovedenie.ru/格式/46tvn314.pdf

[7]borisova轴。

数据平滑过程影响的评估的电子政务发展或俄罗斯的地区。

2014年。

[一]电子资源。

网址：

http：

／／www.rae.ru/FS/？

在节目内容和第==_第和第_id=10002979

[8]glinskiyV、V离子。

统计分析。

新西伯利亚科学，西伯利亚的协议；2003年。

P168。

〔9〕serga我。

在解决问题的途径aggregations或模糊。

vestniknsuem；2013年；3：

83-91.

〔10〕serga我。

在方法的定义的阈值，在解决方案或分类。

vestniknsuem；2012年；1：

54—60。

〔11〕khvan女士的统计评估的环境安全和俄罗斯联邦的领土。

程序的国际科学会议中心学生53：

至2015年的经济。

新西伯利亚：

NSU；2015年。

P92～93。

〔12〕khvan女士的评估参数的影响，生态可持续发展水平或俄罗斯的领土。

统计分析方法在经济和社会：

文摘的第五国际科学学生和研究生实践的会议（莫斯科，May12～15年、2015年）。

莫斯科：

“国家研究大学高等经济学院”；2015年。

P270。

[13]神经网络。

[一]电子资源。

网址：

http：

／／www.statsoft.ru/家庭/教材/模块/stneunet.html

[14]方法的分类和预测。

神经网络。

神经网络的训练。

[一]电子资源。

网址：

http：

／／www.intuit.ru/研究/课程/讲座/6／6／178？

Page=4

[15]VasilievaAA。

A市作为一个置业或社会和经济系统。

[一]电子资源。

网址：

http：

／／vasilievaa.narod.ru/亩/统计_RAB/统计/瓦西尔/moses.htm

[16]glinskiyvv，serga我，khvan女士的环境安全的方法来评估新的地区。

procediaCIRP；第26卷；2015年。

P。

30～34。

[17]glinskyVV，serga我，khvan女士估计水平对环境安全和领土。

经济、统计和信息，vestnikumo；2014年；6）：

159-165.

[18]联邦国家统计服务。

[一]电子资源。