4.2神經網絡結構的確定

　　為了實現對建筑安全狀況的評價，利用神經網絡系統進行數據的訓練，獲取合適的網絡結構，尋求安全指標同風險因素的非線性關系。

　　網絡輸出值為需要評價的兩個安全指標年千人負傷率、萬元工程損失，輸入值為影響建筑安全生產狀況的六個風險因素。

　　輸出節點數由安全指標數目確定，因此輸入節點數為2個；輸入節點數由風險因素確定，因此輸入節點數為6。設一個隱含層，主要通過調節隱層節點數、動量項、學習率提高網絡的訓練精度。初始化權值的設置的好壞很大程度上決定著網絡的收斂速度，權值的初始化無規律可循，可把權值設在[-1，1]之間，即把每個染色體的基因設置在-1到1之間。

　　4.3網絡的訓練和評價結果

　　本文在模型的訓練時，把所經過處理的數據輸入，在訓練時，交叉概率Pc=0.8，變異概率Pm=0.05，最大進化代數為6000，種群M=40或M=50 。根據以上參數，取種群數M=40，把網絡輸出節點全局誤差為0.02作為訓練終止條件，經過5000次迭代訓練后，網絡收斂，得到各層間的權值和閾值，即為訓練好的神經網絡。

　　計算所得的安全評價結果如表2所示。

　　通過上面建立的模型對神經網絡進行訓練，用訓練好的網絡權值及閾值進行建筑安全狀況的評價。計算所得的安全評價結果如表1所示。

表1? 計算結果

　　根據安全評價等級，其綜合安全評價結果為較好，千人傷亡率與萬元工程損失指標均可達到比較高的安全程度。

　　5 結 論

　　將遺傳神經元網絡用于系統安全評價過程中，可以比較準確地對系統的綜合安全評估作出評價，但安全信息數據庫的完善程度直接影響著神經元網絡訓練學習的準確程度，所以安全信息數據庫的建立可提高綜合安全評估的準確性。此外，在綜合安全評價過程中的某些指標具有模糊性，若與模糊隨機規劃相結合，則可提高綜合安全評價的可靠性，對此問題有待進一步研究。

　　參考文獻：
　　1.姚小剛.建筑生產系統危險性分析、評價與安全管理. 同濟大學. 2000
　　2.樊治平,張全.一種不確定性多屬性決策模型的改進.系統工程理論與實踐,1999,12:42-47
　　3.陳小前等.BP神經網絡應用中的前后處理過程研究.系統工程理論與實踐,2002, 1:66-88
　　4.王要武等．人工神經網絡在建筑管理中的應用．哈爾濱建筑大學學報，2001,34(5):103-107