日光光譜及大氣衰減對(duì)建筑色彩設(shè)計(jì)的影響——引入人工神經(jīng)網(wǎng)絡(luò)算法研究

楊春宇，梁樹(shù)英，馮 凱

(重慶大學(xué)建筑城規(guī)學(xué)院，重慶大學(xué)山地城鎮(zhèn)建設(shè)與新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，重慶 400045）

0 引言

建筑師們?cè)谶M(jìn)行色彩設(shè)計(jì)時(shí)大多有過(guò)這樣的經(jīng)驗(yàn)，即在建筑色彩設(shè)計(jì)中往往出現(xiàn)設(shè)計(jì)色彩與實(shí)際建成色彩偏差較大的現(xiàn)象。從顏色技術(shù)角度看，多數(shù)情況下不是建筑師色彩方案不好，而是建筑師將建筑色卡色彩和實(shí)際建成后的空間色彩等同看待，確定建筑色彩時(shí)又多靠建筑師的主觀審美經(jīng)驗(yàn)，從定性方面來(lái)決定建筑色彩，缺乏科學(xué)定量所致。人工神經(jīng)網(wǎng)絡(luò)是近年來(lái)再度興起的一個(gè)高科技研究領(lǐng)域，也是信息科學(xué)、腦科學(xué)、神經(jīng)心理學(xué)等多種學(xué)科近幾年研究的熱點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，運(yùn)用大量的處理部件，在生物神經(jīng)網(wǎng)絡(luò)研究的基礎(chǔ)上建立起來(lái)的，是目前世界上先進(jìn)的智能信息處理方法之一。人工神經(jīng)網(wǎng)絡(luò)具備良好的自學(xué)習(xí)功能、自適應(yīng)容錯(cuò)能力和聯(lián)想功能，是與傳統(tǒng)的數(shù)字計(jì)算機(jī)完全不同的網(wǎng)絡(luò)系統(tǒng)。目前將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于建筑技術(shù)領(lǐng)域已有不少成功的范例，同濟(jì)大學(xué)、天津大學(xué)、重慶大學(xué)的學(xué)者們都進(jìn)行過(guò)相關(guān)的研究和嘗試，取得了較好的效果。重慶大學(xué)的學(xué)者將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于泛光照明亮度設(shè)計(jì)中，將泛光照明的科學(xué)技術(shù)性與藝術(shù)性更好地統(tǒng)一起來(lái)，使泛光照明亮度設(shè)計(jì)更具合理性。

本文將人工神經(jīng)網(wǎng)絡(luò)引入到建筑色彩設(shè)計(jì)中，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)的特殊模糊運(yùn)算方式，解決一些難以處理的定性和定量問(wèn)題，并將人文審美等定性意向、日光光譜影響、大氣衰減和材料光反射特性等轉(zhuǎn)換為定量的數(shù)據(jù)分析，為建筑色彩設(shè)計(jì)提供科學(xué)技術(shù)基礎(chǔ)支撐。

1 人工神經(jīng)網(wǎng)絡(luò)概述

1.1 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)由簡(jiǎn)單處理元構(gòu)成的規(guī)模宏大的并行分布式處理器，它在兩個(gè)方面與人腦相似:神經(jīng)網(wǎng)絡(luò)獲取的知識(shí)是從外界環(huán)境中學(xué)習(xí)獲得的，互連神經(jīng)元的連接強(qiáng)度即突觸權(quán)值，用于儲(chǔ)存獲取的知識(shí);用于完成學(xué)習(xí)過(guò)程的程序稱為學(xué)習(xí)算法，功能是以有序的方式改變網(wǎng)絡(luò)的突觸權(quán)值以獲得想要的設(shè)計(jì)目標(biāo)。人工神經(jīng)網(wǎng)絡(luò)重點(diǎn)不是去復(fù)制生物的神經(jīng)細(xì)胞網(wǎng)絡(luò)，而是利用其自身的優(yōu)勢(shì)克服傳統(tǒng)計(jì)算機(jī)和其他系統(tǒng)不能解決的問(wèn)題，如學(xué)習(xí)、識(shí)別、控制、專家系統(tǒng)等。隨著生物和認(rèn)知科學(xué)的發(fā)展，人們對(duì)人腦的了解越來(lái)越深入，促進(jìn)了人工神經(jīng)網(wǎng)絡(luò)的進(jìn)一步發(fā)展，反過(guò)來(lái)又將其更好地應(yīng)用到工程和科學(xué)領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)有如下特點(diǎn)。

(1）處理單元:單元是網(wǎng)絡(luò)的結(jié)點(diǎn)，是具有計(jì)算能力的處理部件，可以任意排列。單元分為輸入單元、輸出單元、隱含單元。輸入單元接受網(wǎng)絡(luò)外部的輸入，輸出單元向網(wǎng)絡(luò)外部發(fā)運(yùn)輸出。隱含單元與網(wǎng)絡(luò)外部不發(fā)生直接聯(lián)系。單個(gè)單元功能簡(jiǎn)單，但大量簡(jiǎn)單的處理單元共同地、并行地運(yùn)行，可以得到驚人的預(yù)期識(shí)別和計(jì)算。人工神經(jīng)網(wǎng)絡(luò)與現(xiàn)代計(jì)算機(jī)的系統(tǒng)不同，它沒(méi)有運(yùn)算器、存儲(chǔ)器、控制器，而是相同的眾多簡(jiǎn)單處理器的組合，其信息存儲(chǔ)在處理單元之間的聯(lián)系上。

(2）學(xué)習(xí)功能與自適應(yīng)能力:人工神經(jīng)網(wǎng)絡(luò)有強(qiáng)大的學(xué)習(xí)功能和自適應(yīng)能力。每個(gè)樣本由一個(gè)唯一的輸入信號(hào)和相應(yīng)期望響應(yīng)組成。從一個(gè)訓(xùn)練集中隨機(jī)選取一個(gè)樣本給網(wǎng)絡(luò)，網(wǎng)絡(luò)就會(huì)調(diào)整它的自由參數(shù)，以最小化期望響應(yīng)和由輸入信號(hào)以適當(dāng)?shù)慕y(tǒng)計(jì)準(zhǔn)則產(chǎn)生的實(shí)際響應(yīng)之間的差別。使用訓(xùn)練集中的很多例子重復(fù)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，直到網(wǎng)絡(luò)達(dá)到?jīng)]有顯著的突觸權(quán)值修正的穩(wěn)定狀態(tài)為止。另外，人工神經(jīng)網(wǎng)絡(luò)嵌入了一個(gè)調(diào)整自身突觸權(quán)值以適應(yīng)外界變化的能力。一個(gè)在特定運(yùn)行環(huán)境不接受訓(xùn)練的神經(jīng)網(wǎng)絡(luò)，對(duì)環(huán)境條件不大的變化可以容易進(jìn)行重新訓(xùn)練，當(dāng)它在一個(gè)變化環(huán)境中運(yùn)行時(shí)，網(wǎng)絡(luò)突觸權(quán)值就可以設(shè)計(jì)成隨時(shí)間變化。同時(shí)，人工神經(jīng)網(wǎng)絡(luò)還具有自適應(yīng)模式識(shí)別、自適應(yīng)信號(hào)處理和自適應(yīng)控制。

(3）存儲(chǔ)方式:人工神經(jīng)網(wǎng)絡(luò)是一種布散式的存儲(chǔ)方式，其所記憶的信息是存儲(chǔ)在神經(jīng)元之間的觸權(quán)中，從單個(gè)觸權(quán)中看不出其貯存的信息內(nèi)容。這也是其具有容錯(cuò)性的基礎(chǔ)之一。

(4）容錯(cuò)性:人工神經(jīng)網(wǎng)絡(luò)有極強(qiáng)的容錯(cuò)性，當(dāng)局部或部分神經(jīng)元損壞后，它的性能會(huì)逐漸下降，但不會(huì)影響到全局的活動(dòng)。比如一個(gè)神經(jīng)元或它的連接被損壞了，存儲(chǔ)模式的回憶在質(zhì)量上被削弱，但是，由于網(wǎng)絡(luò)信息存儲(chǔ)的分布特性，或者說(shuō)由于它具有并行運(yùn)算的特征，在網(wǎng)絡(luò)總體響應(yīng)嚴(yán)重惡化之前這種損壞是分散的，只能使其性能緩慢減弱而不是災(zāi)難性的全局癱瘓。

1.2 BP網(wǎng)絡(luò)的神經(jīng)元模型結(jié)構(gòu)

目前，在應(yīng)用和研究中所采用的人工神經(jīng)網(wǎng)絡(luò)模型不下30種，學(xué)習(xí)算法是多種多樣的，其中較有代表性的有十幾種。反向傳播(Back Propagatio）算法簡(jiǎn)稱BP網(wǎng)，是一種反向傳播并修正誤差的多層映射網(wǎng)，在參數(shù)適當(dāng)時(shí)，能收斂到較小的均方誤差，是目前應(yīng)用最廣的一種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，其最典型的是三層BP網(wǎng)絡(luò)結(jié)構(gòu)(圖1）。它由輸入層、隱層(中間層）、輸出層三層神經(jīng)元組成。雖然隱層與外層沒(méi)有直接聯(lián)系，但如果隱層神經(jīng)元狀態(tài)發(fā)生改變，輸入與輸出之間的關(guān)系就會(huì)受到影響，圖中i、j、k分別表示輸入層、隱層、輸出層上的神經(jīng)元，輸入層第i個(gè)神經(jīng)元與隱層第j個(gè)神經(jīng)元的結(jié)合權(quán)值為Wji，閾值為Qj，隱層第j個(gè)神經(jīng)元與輸出層第k個(gè)神經(jīng)元的結(jié)合權(quán)值為Vkj，閾值為Yk，每個(gè)神經(jīng)元的輸入、輸出關(guān)系應(yīng)滿足:

算式(1）表示神經(jīng)元i輸入信息的累加值，Qi為閾值。式(3）中，ui為細(xì)胞 i的狀態(tài)，Yi為神經(jīng)元 i輸出。f(ui）是激活函數(shù)，它是一個(gè)單調(diào)上升的函數(shù)，當(dāng)Ui大時(shí)，yi也大，但f(ui）是一個(gè)有限制函數(shù)，在BP網(wǎng)絡(luò)中f(ui）表示為下列非線性函數(shù):

圖1 三層BP網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程由正向傳遞和反向傳遞組成。正向傳遞過(guò)程中學(xué)習(xí)樣本從輸入層經(jīng)過(guò)隱層逐層處理后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如在輸出層不能得到預(yù)期的輸出，就轉(zhuǎn)入反向傳遞，并將產(chǎn)生的誤差信號(hào)沿原來(lái)的連接線路返回，經(jīng)過(guò)修正各神經(jīng)元的權(quán)值和閾值，使誤差信號(hào)最小。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程是一個(gè)求解權(quán)值和閾值的過(guò)程。對(duì)學(xué)習(xí)則并不要求絕對(duì)精確，學(xué)習(xí)過(guò)程所得到的只是一種近似解。因此，學(xué)習(xí)過(guò)程的容錯(cuò)性就很重要。這正是BP神經(jīng)網(wǎng)絡(luò)具有更大的靈活性之所在。

2 人工神經(jīng)網(wǎng)絡(luò)在建筑色彩設(shè)計(jì)中的模型及算法

2.1 BP算法的輸入及輸出層的設(shè)計(jì)

為準(zhǔn)確反映建筑色彩設(shè)計(jì)中各參數(shù)之間的關(guān)系，包括日光光譜影響、大氣衰減和材料光反射特性等，應(yīng)充分考慮建筑色彩對(duì)人生理心理的種種影響因素。我們已知道BP神經(jīng)網(wǎng)絡(luò)是由多個(gè)神經(jīng)元構(gòu)成，神經(jīng)元設(shè)置太少不能獲得學(xué)習(xí)經(jīng)驗(yàn)及完成必要的運(yùn)算;神經(jīng)元太多會(huì)增加系統(tǒng)的規(guī)模，使學(xué)習(xí)時(shí)間和系統(tǒng)復(fù)雜性增加。鑒于人視覺(jué)對(duì)色彩的復(fù)雜性，筆者歸納了一些影響因素，在BP算法中作為輸入元素加以應(yīng)用。

(1）客觀量元素:天氣情況修正系數(shù)K1、光源種類修正系數(shù)K2、受光條件修正系數(shù)K3、測(cè)試距離修正系數(shù)K4、近地大氣對(duì)光的衰減影響修正系數(shù)K5、建筑物飾面材料光澤度值Gz、建筑物立面面積M(m2）、被測(cè)物表面污染程度修正系數(shù)W、天空背景亮度LH、近距離觀測(cè)時(shí)建筑物的亮度Lo、天空背景飽和度CH、近距離觀測(cè)時(shí)建筑物的飽和度Co、天空背景色相HH、近距離觀測(cè)時(shí)建筑物的色相Ho。

(2）主觀量元素:知覺(jué)定向性d、對(duì)象識(shí)別s、格式塔組織完形法則(相似性、連續(xù)性、圖底關(guān)系確定性）Z、心理定勢(shì)D、視錯(cuò)覺(jué)C、知覺(jué)恒常性h、立體感指數(shù)x、眩光評(píng)價(jià)指數(shù)IT。為了減少神經(jīng)網(wǎng)絡(luò)的規(guī)模，縮短計(jì)算機(jī)進(jìn)行學(xué)習(xí)時(shí)間，這里忽略了主觀量元素中人的個(gè)體差異。對(duì)于輸出層，確定出建筑物的亮度L、飽和度C、色相H。

2.2 BP算法的隱層設(shè)計(jì)

如果隱層神經(jīng)元數(shù)目太少，不能適應(yīng)以前沒(méi)有學(xué)習(xí)過(guò)的樣本，容錯(cuò)性差，算不出需要的結(jié)果;如果隱層神經(jīng)元數(shù)目太多，會(huì)使網(wǎng)絡(luò)學(xué)習(xí)過(guò)程沒(méi)有盡頭，不能收斂，還會(huì)使網(wǎng)絡(luò)回憶起每件事以致無(wú)法更好地學(xué)習(xí)新樣本。有關(guān)資料給出的確定隱層神經(jīng)元數(shù)量的算式如下:

式中，n1為隱層神經(jīng)元數(shù)目;n為輸入神經(jīng)元數(shù)目;m為輸出神經(jīng)元數(shù)目;a為1～10之間的常數(shù)。為使BP網(wǎng)絡(luò)能夠?qū)W習(xí)成功，在建筑色彩設(shè)計(jì)的3層BP網(wǎng)絡(luò)中，把式(5）的建議值作為初始隱層數(shù)目。經(jīng)過(guò)試算，認(rèn)為隱層神經(jīng)元數(shù)目定為36是合適的。

2.3 BP算法的數(shù)據(jù)前后處理

BP算法的輸入數(shù)據(jù)通常被設(shè)定于一定的范圍內(nèi)，但在實(shí)際工程應(yīng)用中輸入的數(shù)據(jù)并不一定在這個(gè)范圍，這就需要數(shù)據(jù)的轉(zhuǎn)換，稱數(shù)據(jù)的前處理。前處理將物理量空間的數(shù)據(jù)轉(zhuǎn)換為神經(jīng)網(wǎng)絡(luò)計(jì)算空間的數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)計(jì)算的輸出須再次轉(zhuǎn)換而映射到實(shí)際的物理量空間，這一過(guò)程稱為后處理。

2.3.1 BP 算法的數(shù)據(jù)前處理

一般而言，將BP算法的輸入數(shù)據(jù)限定在［0，1］區(qū)域內(nèi)，要達(dá)到實(shí)際輸入X=xi向［0，1］區(qū)域轉(zhuǎn)換，常采用的處理形式有:

同時(shí)應(yīng)將教師信號(hào)T作上述處理，則有:常數(shù)TO=max{tl}或TO=Σ t1;教師信號(hào)則為

2.3.2 BP 算法的數(shù)據(jù)后處理

對(duì)于BP算法的數(shù)據(jù)后處理，最簡(jiǎn)單的方法就是把BP算法的輸出數(shù)據(jù)乘以1個(gè)常數(shù)因子，當(dāng)給定的誤差為時(shí)則有:‖0－Y‖≤;整理后得到‖0·TO－Y·TO‖≤ε，由前處理中教師數(shù)據(jù)的處理方法可將上式變?yōu)?

因教師數(shù)據(jù)T來(lái)自實(shí)際狀態(tài)空間，因而用0·TO作為輸出在ε誤差范圍內(nèi)屬于實(shí)際狀態(tài)空間，即將BP算法的輸出乘以常數(shù)TO后，可認(rèn)為屬于實(shí)際狀態(tài)空間，TO成為BP算法的應(yīng)用關(guān)鍵，但是TO的獲取并不容易，原因是在多樣本時(shí)，不同的學(xué)習(xí)樣本將有不同的TO，同時(shí)，在BP算法學(xué)習(xí)成功后的計(jì)算過(guò)程中根本不存在教師信號(hào)，在數(shù)據(jù)前處理中CI僅描述了輸入總量，明顯地不能從它獲得TO。TO值的獲得是BP算法完結(jié)后，其輸入數(shù)據(jù)與輸出數(shù)據(jù)之間的關(guān)系全都被記憶在權(quán)值和閾值中，要想在計(jì)算階段獲取因子TO，只能從BP算法的輸入、權(quán)值、閾值及輸出中獲得。有的學(xué)者的方法是在輸出層中增加1個(gè)神經(jīng)元，通過(guò)它的輸出計(jì)算出TO，增加1個(gè)輸出層神經(jīng)元后，教師信號(hào)改為T={t1，t2…tn，tn+1}，其中，tn+1為增加的輸出層神經(jīng)元對(duì)應(yīng)的教師信號(hào)，由教師數(shù)據(jù)前處理可知:

由‖0·TO－T‖≤ε可知，輸出層第n+1個(gè)神經(jīng)元的輸出滿足:

近似地有:On+1·TO=tn+1

式(10）的意義是學(xué)習(xí)過(guò)程中所增加的神經(jīng)元教師信號(hào)量如果為非零常數(shù)(多樣本時(shí)），可由該常數(shù)與相應(yīng)神經(jīng)元輸出之比作為因子 TO，如果取tn+1=，則由式(8）、(10）可推得:

式(11）給出了第n+1個(gè)神經(jīng)元輸出與TO的關(guān)系，這種關(guān)系在BP算法學(xué)習(xí)成功時(shí)被記憶在權(quán)值和閾值中，因此，在BP算法的計(jì)算階段可用式(11）的值與輸出層神經(jīng)元相應(yīng)的輸出值的乘積作為實(shí)際狀態(tài)空間的輸出。

2.4 程序設(shè)計(jì)

“建筑色彩設(shè)計(jì)”程序的開(kāi)發(fā)環(huán)境是:(1）編程環(huán)境:Borland公司的Delphi 7.0;(2）數(shù)據(jù)庫(kù)環(huán)境:Borland公司的 Database Desktop;(3）數(shù)據(jù)庫(kù):Paradox 7.0;(4）操作系統(tǒng)環(huán)境:Windows XP。程序的運(yùn)行環(huán)境是:(1）操作系統(tǒng)環(huán)境:Windows 98、2000、XP;(2）數(shù)據(jù)庫(kù)環(huán)境:Paradox 7.0。Delphi 7.0是Borland公司2002年推出的Windows環(huán)境下的快速應(yīng)用開(kāi)發(fā)(Rapid Application Development）工具。它將面向?qū)ο蠹夹g(shù)、優(yōu)化編譯、數(shù)據(jù)庫(kù)支持等結(jié)合在一起，是目前Windows環(huán)境下的優(yōu)秀開(kāi)發(fā)工具，程序的主界面見(jiàn)圖2。

圖2 空智能建筑色彩設(shè)計(jì)程序主界

采用直流供電后LED路燈驅(qū)動(dòng)電源內(nèi)已取消了整流橋、濾波電容、PFC等回路，使驅(qū)動(dòng)電源的設(shè)計(jì)更加靈活，主電路結(jié)構(gòu)簡(jiǎn)單、可靠性高。

4 小結(jié)

城市LED路燈采用直流供電模式，由直流供電站提供LED路燈直流電源，可以提高供電系統(tǒng)功率因數(shù)、減少諧波電流，將分散的LED路燈驅(qū)動(dòng)電源中的整流、濾波、PFC元器件取消，提高照明燈具的可靠性，延長(zhǎng)LED路燈壽命，促進(jìn)LED路燈推廣應(yīng)用。同時(shí)可解決路燈變壓器不平衡輸出，降低變壓器容量，減少供電電纜截面積，提高整個(gè)路燈系統(tǒng)的安全性、可靠性、可維護(hù)性，并延長(zhǎng)壽命。

［1］開(kāi)關(guān)電源功率因數(shù)補(bǔ)償及諧波限制方法，輸配電設(shè)備網(wǎng)

［2］王晶.UPS整流濾波與電能質(zhì)量.UPS應(yīng)用

［3］陳士軍.直流輸電的優(yōu)勢(shì)與前景［J］.水電站設(shè)計(jì)

［4］吳昊，王鋼.加強(qiáng)驅(qū)動(dòng)電源可靠性設(shè)計(jì)匹配LED路燈壽命［J］.國(guó)際光電與顯示

［5］俞紅祥，林敏，紀(jì)延超.單開(kāi)關(guān)三相交直流變換器的諧波消除PWM技術(shù)［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)