模糊神經網絡在環(huán)境安全評價中的應用

題目：神經網絡與模糊理論學院：機電工程學院專業(yè)：機械工程姓名：學號：模糊神經網絡在環(huán)境安全評價中的應用（第十三屆可持續(xù)制造全球會議-從資源使用中分離增長）新西伯利亞國立大學經濟與管理，Novosibirsk，俄羅斯聯(lián)邦摘要本文著重討論了作為環(huán)境安全領土實體的模糊現象水平的評估問題。該研究提出了一種利用神經網絡解決這一問題的方法。應用神經網絡可以克服輸入方面現有信息的不足，并對領土實體的環(huán)境安全進行正確評估。訓練神經網絡的方法用于此。使用模糊神經網絡的優(yōu)點是靈活性和機會直接使用隱式參數和已知或未知數據的標準；容忍模糊和使用數據的矛盾。這項技術允許解決以下任務：在環(huán)境安全方面對俄羅斯的學科進行類型化，并制定設想以增加其安全性；同時考慮到環(huán)境因素，對其發(fā)展變化進行預測。介紹環(huán)境安全是社會運行的關鍵領域之一，它表明，如果沒有適當的評估，就無法形成發(fā)展的替代方案。目前，環(huán)境安全評價在缺乏充分、明確的信息、缺乏觀察、定性和定量等因素的情況下，需要在大量投入數據分析的基礎上快速決策。環(huán)境安全是一個復雜的系統(tǒng)研究對象，難以根據環(huán)境安全水平建立有效的社會經濟系統(tǒng)評價機制。這里最強大的工具是使用模糊神經網絡進行分類。模糊神經網絡應用研究綜述神經網絡是一種新興的、非常有前途的處理技術，為研究復雜的多維現象提供了新的途徑。它們提供了非線性過程建模、處理噪聲數據和適應實際過程的可能性。自二十世紀起，神經網絡的發(fā)展就開始了。1943，維納發(fā)表了控制論的工作，其基本思想是用數學模型來表示復雜的生物過程。那一年，W.McCulloch和W.Pitts的形式化的概念的一種神經網絡在基本文章的邏輯演算的思想和神經活動。D.O.Hebb，F.Rosenblatt，B.Widrow，M.M.Bongard，PaulJ.Verbos，A.I.Galushkin，福島，T.K.Kohonen，J.J.Hopfield，D.I.Rumelhart，S.I.Bartzev，V.A.Ohonin，J.Hillton和其他人工神經網絡理論作出了重大貢獻。他們開發(fā)了人工神經網絡學習的第一個工作算法，創(chuàng)建了模式識別算法等。模糊神經網絡用于解決醫(yī)學、生物學、體育、生產和經濟等領域中的應用問題。這是由于神經網絡的特殊特性：建模、識別和處理信號的能力；對模式進行分類和識別；預測系統(tǒng)的未來狀態(tài)；識別和評估，建立關系。應該注意的是俄羅斯專家的作品V.A.Terekhov，V.M.Lazarev，A.P.Sviridov，A.N.戈班等，以及國外的人，S.Osovsky，F.Wasserman，AnilK.Jain等，處理研究應用模糊神經網絡技術。實際問題的神經網絡的使用受到許多問題的阻礙；例如，在分類問題中，事先不知道如何獲得復雜的網絡才能獲得準確的結果。可能有太多的復雜性。換言之，網絡架構，即每層的層數和元素，必須在培訓開始前確定。網絡在入口空間中創(chuàng)建復雜的非線性分離曲面。在一個網絡具有一個隱藏層的樣本矢量變換（非線性）到一個新的表示空間（隱含層空間），然后相應的輸出節(jié)點平面布置在新空間的類別劃分。因此，現在網絡認識到其他特性一一在隱藏層中獲得的“性能特征”。神經網絡用于分類的有效性可以解釋為，它導致從大量生成的回歸模型中選擇最佳模型。此外，在源數據不完整或不準確的情況下，它們的使用是合理的。這是典型的市級地區(qū)統(tǒng)計數字。對模糊神經網絡應用研究的批判性分析表明，該技術可根據環(huán)境安全水平建立社會經濟系統(tǒng)分類器。3.根據環(huán)境安全水平構建社會經濟系統(tǒng)分類器的算法基于模糊神經網絡技術和多元統(tǒng)計分析方法，提出了一種根據環(huán)境安全水平構建社會經濟系統(tǒng)分類器的算法。圖1顯示了構造分類器的算法。1、創(chuàng)建表征社會和經濟系統(tǒng)環(huán)境安全的指標2、原始數據簡化為-維的過程3、按照環(huán)境安全水平建立汁會經濟系統(tǒng)的標

準級代表4、模糊神經網絡結構的構造5、實際構建模糊神經網絡的學習社會經濟系統(tǒng)人匚分類器（模糊神經網絡）的質量評價，按環(huán)境安全水平分類社會經濟系統(tǒng)圖1基于環(huán)境安全水平的社會經濟系統(tǒng)分類器構建算法讓我們來考慮分類器構建的具體階段。階段1:以研究對象的具體情況為基礎，建立了表征環(huán)境安全的指標體系。俄羅斯聯(lián)邦地區(qū)的市鎮(zhèn)被視為研究對象。市政當局是最復雜的研究對象之一。在了解城市的性質時，一個重要的問題是它與其他系統(tǒng)（國家，聯(lián)邦的主體）的關系的性質，它們共同構成了外部環(huán)境，其中一部分是自治市本身。盡管它相對獨立于外部環(huán)境，但它保留了描述聯(lián)邦主體、國家作為整體的特征，以及它自己的具體內容。階段2：在標準化和規(guī)范程序的基礎上，對原始日期進行簡化處理。這些程序使每個索引的值在0到1之間顯示，同時保持各個值之間的比例。階段3：在統(tǒng)計分析方法的基礎上，根據環(huán)境安全水平，建立了社會經濟系統(tǒng)的標準類代表。這種方法將初始對象集分裂成若干年的類，從而揭示了群的穩(wěn)定代表。這些代表將是所選課程的標準（樣本）。階段4：分類問題可以使用以下類型的網絡解決：多層感知器、徑向基函數、Kohonen網絡、概率神經網絡和線性網絡。在這種情況下，模糊神經網絡的結構有三層神經元：輸入、隱藏和輸出。輸入層由一個表征社會和經濟系統(tǒng)環(huán)境安全的指標體系組成。摘要提供了輸入層和隱含層的神經元之間的連接，使神經元活動計算歐氏度量。輸出層由神經元表示，在此基礎上計算高斯隸屬函數。使用高斯函數確保消除輸入數據中的噪聲（不相關信息）。此外，該網絡還具有自學習能力，提高了評估的質量。為此，網絡架構的反饋，將輸出層與隱層神經元網絡以正確的隱藏層的概要的重量。階段5-6：在構建一個網絡時，必須控制結果的質量。為了這些目的使用CrossCheck呈分裂觀察訓練，控制組。在這個過程中，形成了錯誤函數。在神經網絡的監(jiān)督學習中需要最小化。這個函數被設計用來評估學習過程中神經網絡的質量。神經網絡解決問題的能力取決于它的學習質量。此外，為了改進結果，使用了網絡再培訓。網絡再培訓有這樣的缺點，即無法概括調查中的現象。為了保證最終模型的適當可靠性，他們經常（至少在訓練數據的數量允許的情況下）使用以下程序：另一件事是保留-一組測試意見。由此產生的模型在該組的數據上進行測試，以確保在訓練和控制集中取得的結果是真實的，而不是學習過程的結果。階段7。結果，形成了一個可行的神經網絡，使我們能夠根據環(huán)境安全水平對社會和經濟系統(tǒng)進行分類，并可用于同一管理水平的各個領域。4、各市按環(huán)境安全水平分級根據俄羅斯聯(lián)邦地區(qū)各市的環(huán)境安全水平，建立了社會經濟系統(tǒng)分類器的構造算法。形成了表征城市環(huán)境安全的指標體系，包括國家和區(qū)域組成部分，以及各市的具體情況。表1顯示了在聯(lián)邦國家統(tǒng)計局數據庫基礎上形成的一套初步指標。由于原始數據集的維數不同，應用原始數據標準化的過程，使得研究生態(tài)安全的參數開始取值從0到1。規(guī)范化數據是根據環(huán)境安全水平確定各市級參考代表的依據。這項研究是對57市的托木斯克州的材料進行（16市），KurganskayaOblast（24市）和KhabarovskyKrai（24市）為2012和2013?；诰垲惙治龇椒ǖ某鞘械燃墑澐址椒ㄒ灰籯-均值法和層次分析法。表2給出了聚類結果對俄羅斯地區(qū)的直轄市根據環(huán)境安全水平2012K均值方法的基礎上。在2012的聚類分析基礎上選擇各市的參考代表被用來構造神經網絡。在這種情況下，兩個對照班已在聚類分析-層次結構和使用方法的基礎上，區(qū)分目標。在研究其他領土單位時，可以在參照群形成過程中確定中間階級。在城市2012和2013的例子中，使用模糊神經網絡的方法，可以預測它們屬于先前確定的參考類。網絡的建設和培訓進行了計劃中的“統(tǒng)計10”。神經網絡是利用BFGS算法訓練（迭代法）。在一系列的試驗中，選擇了幾個神經網絡。最好的神經網絡是一個網絡組成的一個神經元，從而與一個單一的層（圖2）。圖2網絡體系結構。最好的神經網絡是由一個神經元組成的網絡，因此只有一層。這是由于我們所預測的市鎮(zhèn)類型是借助于聚類分析而建立起來的。該算法選擇了10個最適合的網絡，每一個網絡都報告了一個零錯誤。每個培訓網絡用于根據2013的環(huán)境安全水平預測各市的狀況。與2013的聚類分析相比，一半的網絡報告了非零錯誤。這是因為他們使用的輸入數據的一部分，更多的重量，因此，一個小偏差的數據導致了一個顯著的變化結果。然而，其余的網絡給出了一個可以接受的結果一—零錯誤。因此，這項研究的結果使我們能夠建立一個事實，即利用模糊神經網絡根據環(huán)境安全水平對各市進行分類是適當的。在分類問題上利用神經網絡這樣的工具，可以根據城市的環(huán)境安全水平，得到穩(wěn)定的城市等級。此外，這項研究的結果可以用來預測直轄市對某一特定類別的歸屬。2013利用俄羅斯聯(lián)邦地區(qū)的環(huán)境安全評價的神經網絡顯示如下益處：其應用的可能性與產權界定標準和參數直接工作，先驗近似的或未知的數據，寬容。隨著混合模糊神經網絡等技術，利用俄羅斯聯(lián)邦主體的環(huán)境定性安全評價可以解決以下問題：根據環(huán)境安全水平和由于環(huán)境安全水平的變化在他們的發(fā)展變化，預測了俄羅斯聯(lián)邦學科分類系統(tǒng)的建立。此外，這項研究的結果可以用來創(chuàng)造俄羅斯聯(lián)邦主題的發(fā)展情景。這種技術不僅可以用來分類城市，而且可以用來劃分不同管理水平的社會和經濟系統(tǒng)。在俄羅斯聯(lián)邦，聯(lián)邦國家統(tǒng)計局數據庫的資料中，可以根據聯(lián)邦地區(qū)、地區(qū)和市鎮(zhèn)的情況，根據環(huán)境安全水平對區(qū)域進行分類。由于這種評估環(huán)境安全的方法包括將區(qū)域單元歸因于某一特定類型，這種方法可以針對其他國家的特殊性和現有的數據加以應用。5、結論模糊神經網絡在環(huán)境安全領域的應用將促進環(huán)境安全領域決策的靈活性，即對俄羅斯聯(lián)邦主體行為模型快速構建，包括及時采取質量響應，可以使用這種混合技術實現。致謝本文是根據科研活動中國家工作的國家任務研究成果（項目“不穩(wěn)定團聚體統(tǒng)計研究理論與方法的發(fā)展”，第2014/142號）進行的。參考文獻〔1〕baestaens，VandenBergVM,木D.神經網絡解決方案，為金融市場的交易。莫斯科：許可證；1997年。P236。〔2〕galushkinAI。的合成或多層為模式識別系統(tǒng)。莫斯科：能源；1974年。〔3〕bartsev寺，ohonin▼入。自適應網絡或信息處理：預印本，59（b?？死怪Z亞爾斯克學院物理或科學院的蘇聯(lián)；1986年。20頁?！?〕的神經網絡。［一］電子資源。網址：http://statlab.kubsu.ru/網站/項目_銀行/nural.pdf［5］米哈伊洛夫軸，staroverov壩。問題和前景做了人工神經網絡的使用用于識別和診斷的技術目標。2013年。［一］電子資源。網址：http：//vestnik.ispu.ru/網站/vestnik.ispu.ru/文件/出版/STR。_64-68.pdf［6］slepnyovES人工神經網絡的使用情況的分析和preemergency或單位或渦輪發(fā)電站。2014年。［一］電子資源。網址：http：//naukovedenie.ru/格式/46tvn314.pdf:7］borisova軸。數據平滑過程影響的評估的電子政務發(fā)展或俄羅斯的地區(qū)。2014年。［一］電子資源。網址：http：//www.rae.ru/FS/?在節(jié)目內容和第二二—第和第—id=10002979［8］glinskiyV、V離子。統(tǒng)計分析。新西伯利亞科學，西伯利亞的協(xié)議；2003年。P168?！?〕serga我。在解決問題的途徑aggregations或模糊。vestniknsuem；2013年；3：83-91.〔10〕serga我。在方法的定義的閾值，在解決方案或分類。vestniknsuem；2012年；1：54—60?！?1〕khvan女士的統(tǒng)計評估的環(huán)境安全和俄羅斯聯(lián)邦的領土。程序的國際科學會議中心學生53：至2015年的經濟。新西伯利亞：NSU；2015年。P92?93?！?2〕khvan女士的評估參數的影響，生態(tài)可持續(xù)發(fā)展水平或俄羅斯的領土。統(tǒng)計分析方法在經濟和社會：文摘的第五國際科學學生和研究生實踐的會議（莫斯科，May12?15年、2015年）。莫斯科：“國家研究大學高等經濟學院”；2015年。P270。［13］神經網絡。［一］電子資源。網址：http://www.statsoft.ru/家庭/教材/模塊/stneunet.html［14］方法的分類和預測。神經網絡。神經網絡的訓練。［一］電子資源。網址：http：//uit.ru/研究/課程/講座/6/6/178?Page=4:15］Vasili