基于神經(jīng)網(wǎng)絡(luò)技術(shù)的實驗器材保障應(yīng)用研究

黃啟來，汲萬峰，趙 明

(海軍航空工程學(xué)院 軍事教育訓(xùn)練系，山東 煙臺 264001)

實驗器材是實驗教學(xué)保障體系的重要組成部分，高校必須儲備一定數(shù)量的實驗器材。然而，高校的保障經(jīng)費以及保管倉庫的容積都是有限的，所以只能以有限的保障經(jīng)費、有限的庫容，采購有限的器材[1]。如果儲備量過大，一方面將增加庫存保管費和保管場所維護(hù)費用，降低經(jīng)濟(jì)效益；另一方面，會降低器材的質(zhì)量，使器材陳舊、損壞，甚至因發(fā)霉、生銹而無法使用。反之，如果器材儲備過少，也會造成維修停工，甚至無法完成正常的教學(xué)任務(wù)。如果由于缺貨而需要臨時訂貨，更增加了附加的人力和費用，造成更大的損失。因此，對實驗器材的需求進(jìn)行預(yù)測是科學(xué)籌劃實驗器材保障工作的基礎(chǔ)[2-3]。利用神經(jīng)網(wǎng)絡(luò)技術(shù)可以對實驗室器材的需求量進(jìn)行較好的預(yù)測。

1 神經(jīng)網(wǎng)絡(luò)理論

人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)是由大量簡單的、高度互聯(lián)的處理元素(神經(jīng)元)所組成的復(fù)雜網(wǎng)絡(luò)計算系統(tǒng)，它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，反映了人腦功能的若干基本特征，是模擬人工智能的一條重要途徑。人工神經(jīng)網(wǎng)絡(luò)既可以用硬件實現(xiàn)，也可以用軟件實現(xiàn)；既可以看作是一種計算模式，也可以看作是一種認(rèn)知模式[4-5]。

BP網(wǎng)絡(luò)，即誤差回傳神經(jīng)網(wǎng)絡(luò)(back-propagation neural network)，它是一種無反饋的向前網(wǎng)絡(luò)。網(wǎng)絡(luò)中的神經(jīng)元分層排列，除了有輸入層、輸出層之外，還至少有一層隱含層，每一層內(nèi)神經(jīng)元的輸出均傳送到下一層(見圖1)。這種傳送由連接權(quán)來達(dá)到增強(qiáng)、減弱或抑制這些輸出的作用。除了輸入層的神經(jīng)元外，隱含層和輸出層神經(jīng)元的凈輸入是前一層神經(jīng)元輸出的加權(quán)和；每個神經(jīng)元均由它的輸入、活化函數(shù)和閾值來決定它的活化程度[6-8]。

BP網(wǎng)絡(luò)的工作過程分為學(xué)習(xí)期和工作期2部分。

學(xué)習(xí)期由輸入信息的正向傳播和誤差的反向傳播兩個過程組成。在正向傳播過程中，輸入信息從輸入層到隱含層再到輸出層進(jìn)行逐層處理，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)。如果輸出層的輸出與給出的樣本希望輸出不一致，則計算出輸出誤差，轉(zhuǎn)入誤差反向傳播過程，將誤差沿原來的連接通路返回。通過修改各層神經(jīng)網(wǎng)絡(luò)模型的權(quán)值，使得誤差達(dá)到最小。經(jīng)過大量學(xué)習(xí)樣本訓(xùn)練之后，各層神經(jīng)元之間的連接權(quán)就固定了下來，可以開始工作期。

工作期中只有輸入信息的正向傳播。正向傳播的計算按前述神經(jīng)元模型工作過程進(jìn)行。因此，BP網(wǎng)絡(luò)的計算關(guān)鍵在于學(xué)習(xí)期中的誤差反向傳播過程。此過程是通過使一個目標(biāo)函數(shù)最小化來完成的。通常目標(biāo)函數(shù)定義為實際輸出與希望輸出之間的誤差平方和(當(dāng)然也可以定義為熵或線性誤差函數(shù))[9-10]。

圖1 BP神經(jīng)網(wǎng)絡(luò)示意圖

2 實驗器材需求影響因素分析及量化

根據(jù)對實驗室保障情況的分析研究，影響器材需求的主要因素包括：

(1) 器材使用情況：使用時間越長、次數(shù)越多，器材發(fā)生故障的概率也越大，需求量就增加；

(2) 器材使用人員的技術(shù)條件：使用人員的水平高，正規(guī)操作次數(shù)多，對器材的損耗就小，需求量也會小；使用人員水平較差，非正常操作次數(shù)多，對器材的損耗大，需求量就會增大；

(3) 器材綜合性能：器材的制造工藝、產(chǎn)品質(zhì)量等也會對器材的消耗產(chǎn)生重要的影響，器材質(zhì)量越好，平均故障間隔時間越小，器材的需求量越小；

(4) 器材的采購的難易程度：器材易于采購，采購時間短，則器材的儲備量就不用太多；反之，器材采購困難，采購時間長，則儲備量就要相對多一些，需求量也就更高一些。

根據(jù)此原則，將實驗器材需求量L的主要影響因素歸納為6個指標(biāo)，即：使用時間T、使用次數(shù)Y、綜合業(yè)務(wù)素質(zhì)差的使用人員在全體使用人員中所占的比例U、故障率Q、平均故障間隔時間M和不易采購的程度S。將影響使用實驗器材的6個指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，將實驗器材需求量L作為輸出。故基于神經(jīng)網(wǎng)絡(luò)的實驗器材需求量為

L=f(T,Y,U,Q,M,S)

在上述6個影響因素中，前5個指標(biāo)均為數(shù)值指標(biāo)，很容易量化；而指標(biāo)S可以通過查詢器材的訂貨紀(jì)錄和管理工作人員的經(jīng)驗，將這一指標(biāo)轉(zhuǎn)化為0～1數(shù)值指標(biāo)，將極容易采購的賦值為1，否則為0[11-12]。

3 實驗器材需求預(yù)測實例分析

對編號為001的實驗器材2002年到2011年需求影響因素的相關(guān)數(shù)據(jù)進(jìn)行整理，結(jié)果見表1。以前9年的數(shù)據(jù)作為訓(xùn)練樣本，以第10年(2011年)的數(shù)據(jù)作為測試樣本，應(yīng)用神經(jīng)網(wǎng)絡(luò)對實驗器材進(jìn)行需求量預(yù)測。

表1 編號001實驗器材需求影響因素的數(shù)據(jù)統(tǒng)計

預(yù)測曲線與實際數(shù)據(jù)的擬合程度如圖2所示：

圖2 神經(jīng)網(wǎng)絡(luò)需求量預(yù)測結(jié)果圖

預(yù)測結(jié)果表明：編號為001的實驗器材2011年預(yù)測值為12.457個，2011年實際值為13個，平均絕對誤差(MAE)為0.533，均方誤差(MSE)為0.518 4。

根據(jù)以上預(yù)測數(shù)據(jù)的實例，可以得出以下結(jié)論：采用神經(jīng)網(wǎng)絡(luò)法進(jìn)行預(yù)測所得到的結(jié)果誤差很小，與實際值非常接近。

4 結(jié)束語

利用神經(jīng)網(wǎng)絡(luò)方法能夠高效、準(zhǔn)確地進(jìn)行實驗器材的需求預(yù)測，并且方法簡單，對數(shù)據(jù)的樣本量要求較少，預(yù)測過程比較客觀，不存在主觀因素干擾，為實驗器材的保障工作打下良好的基礎(chǔ)。

[1] 李陽倩.淺談高校實驗器材的儲備管理[J].成都中醫(yī)藥大學(xué)學(xué)報：教育科學(xué)版，2006(8):78-79.

[2] 徐曉燕.一種基于需求特性分類的備件庫存管理方法及其實證研究[J].系統(tǒng)工程理論與實踐，2006，7(2)：62-67.

[3] 楊宇航，趙建民，李志忠.備件管理系統(tǒng)仿真研究[J].系統(tǒng)仿真學(xué)報，2004，16(5)：981-986.

[4] 朱凱.精通MATLAB神經(jīng)網(wǎng)絡(luò)[M].北京：電子工業(yè)出版社，2010：236-241.

[5] 劉興唐，吳曉燕.現(xiàn)代系統(tǒng)建模與仿真技術(shù)[M].西安：西北工業(yè)大學(xué)出版社，2001：40-43.

[6] 郭淳，李祚泳，黨嬡.基于免疫進(jìn)化算法的BP網(wǎng)絡(luò)模型在徑流預(yù)測中的應(yīng)用[J].水資源保護(hù)，2009，25(5)：1-4.

[7] 谷曉平，王長耀，王汶，等.應(yīng)用于水文預(yù)報的優(yōu)化BP神經(jīng)網(wǎng)絡(luò)研究[J].生態(tài)環(huán)境，2004，13(4)：524-527.

[8] 龐博，郭生練，熊立華，等.改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)水文預(yù)報模型及應(yīng)用[J].武漢大學(xué)學(xué)報：工學(xué)版，2007，40(1)：33-36.

[9] 艾時鐘，杜榮.基于神經(jīng)網(wǎng)絡(luò)的備件庫存風(fēng)險級別預(yù)測[J].中國管理科學(xué)，2008，16(2)：430-433.

[10] 周英，尹邦德，任鈴，等.基于BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)短期負(fù)荷預(yù)測模型研究[J].電測與儀表，2011(2)：68-71.

[11] 張冬，明新國，趙成雷，等.基于BP神經(jīng)網(wǎng)絡(luò)和設(shè)備特性的工業(yè)設(shè)備備件需求預(yù)測[J].機(jī)械設(shè)計與研究，2010，26(1)：72-76.

[12] 胡繼鈞.學(xué)校實驗設(shè)備和耗材管理智能化研究[J].計算機(jī)光盤軟件與應(yīng)用，2012(23):87-88.