1.模型訓(xùn)練

以TS高速公路2003—2007年共計(jì)5年歷史數(shù)據(jù)作為訓(xùn)練樣本，以2008年數(shù)據(jù)作為檢測(cè)樣本，輸入樣本后系統(tǒng)按照前文所述BP算法來(lái)學(xué)習(xí)，直到誤差滿足EAV預(yù)先設(shè)定的要求時(shí)，系統(tǒng)停止學(xué)習(xí)，此時(shí)的權(quán)值矩陣與閥值向量固定下來(lái)，成為系統(tǒng)內(nèi)部知識(shí)。再次設(shè)定學(xué)習(xí)速率為0.05，誤差限制在0.0001，神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本輸入數(shù)據(jù)，根據(jù)前述歷史數(shù)據(jù)采用線性比例變換法進(jìn)行歸一處理。

線性比例變換法可以對(duì)越大越好、越小越好及適中為宜三種指標(biāo)類型采取不同的無(wú)量綱方法處理，如表7-25所示。

表7-25 線性比例變換計(jì)算

經(jīng)歸一處理后BP網(wǎng)絡(luò)輸入數(shù)據(jù)如表7-26、表7-27、表7-28所示。

表7-26 TS高速公路自然風(fēng)險(xiǎn)預(yù)警指標(biāo)歸一化數(shù)值表

根據(jù)5.4.1所述模糊綜合評(píng)價(jià)方法，根據(jù)專家評(píng)審意見(jiàn)，同自然風(fēng)險(xiǎn)預(yù)警原理計(jì)算，得到TS高速公路項(xiàng)目運(yùn)營(yíng)歷年各綜合預(yù)警值。

表7-27 TS高速公路經(jīng)濟(jì)風(fēng)險(xiǎn)預(yù)警指標(biāo)歸一化數(shù)值表

表7-28 TS高速公路行為風(fēng)險(xiǎn)預(yù)警指標(biāo)歸一化數(shù)值表

續(xù)表7-28

表7-29 TS高速公路歷年專家及模糊綜合預(yù)警結(jié)論

注: 無(wú)警○(藍(lán)色) 輕警◎(綠色) 中警●(黃色) 重警▲(橙色) 極警◆(紅色)。

運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型程序軟件進(jìn)行學(xué)習(xí)，將2003—2007年風(fēng)險(xiǎn)預(yù)警指標(biāo)值(每年29個(gè))作為5個(gè)樣本輸入值，將2003—2007年專家綜合預(yù)警評(píng)分作為5個(gè)樣本的輸出值，用第5章建立的BP網(wǎng)絡(luò)模型，借助MATLAB7.0神經(jīng)網(wǎng)絡(luò)工具箱，進(jìn)行178次訓(xùn)練后，總體誤差滿足要求，此時(shí)EAV=0.00099，如圖7-3所示。

訓(xùn)練結(jié)果如表7-30所示。

圖7-3 綜合預(yù)警訓(xùn)練過(guò)程中的網(wǎng)絡(luò)誤差記錄

表7-30 神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練樣本輸入

2.模型檢測(cè)

將2008年值輸入模型，誤差EAV=0.00072，滿足要求。說(shuō)明此BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練成功，可以運(yùn)用此模型對(duì)高速公路項(xiàng)目運(yùn)營(yíng)風(fēng)險(xiǎn)進(jìn)行綜合預(yù)警。

3.2009年TS高速公路項(xiàng)目運(yùn)營(yíng)風(fēng)險(xiǎn)綜合預(yù)警

將2009年各指標(biāo)的預(yù)測(cè)值帶入模型，得輸出結(jié)果為0.274，說(shuō)明2009年TS高速公路項(xiàng)目運(yùn)營(yíng)風(fēng)險(xiǎn)綜合預(yù)警警級(jí)為輕警。此結(jié)果與專家模糊綜合評(píng)價(jià)結(jié)果一致。