BP神經(jīng)網(wǎng)絡(luò)的水工建筑質(zhì)量問題診斷

杜婷婷

【摘 要】闡述了水工建筑質(zhì)量問題診斷過程中，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型的重要性。以專家經(jīng)驗和文獻(xiàn)依據(jù)為途徑，建立了質(zhì)量問題和原因關(guān)系數(shù)據(jù)庫。同時，選擇了基于模糊綜合評判為計算方法，建立了神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。最后，以某水工建筑質(zhì)量問題實例為例，論證了BP神經(jīng)網(wǎng)絡(luò)法的可行性。

【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)；水工建筑；質(zhì)量問題

一、引言

水工建筑，是水利工程中對水流進(jìn)行調(diào)節(jié)的建筑，其性能的好壞，關(guān)系到水資源的合理性利用和經(jīng)濟效益。由于水工建筑的結(jié)構(gòu)非常復(fù)雜，除施工過程困難外，在其使用中，受氣候、水文條件以及其余各因素的綜合影響，出現(xiàn)質(zhì)量問題的情況也經(jīng)常發(fā)生。如液體的滲透壓力會造成水壩穩(wěn)定性變差，水流的粘性牽引力會導(dǎo)致明渠邊壁變形等。通過大量的水利工程現(xiàn)場調(diào)查可知，造成水工建筑質(zhì)量問題的原因，往往并非單一，而是各種錯綜復(fù)雜的因素導(dǎo)致，且受限于水工建筑工作條件，工程結(jié)構(gòu)尺寸龐大等因素，出現(xiàn)質(zhì)量問題后，無法準(zhǔn)確判斷原因和問題類型，造成安全隱患和處理措施不及時，間接影響建筑的使用壽命和經(jīng)濟效益。因此，采用BP神經(jīng)網(wǎng)絡(luò)模型，開發(fā)常用水工建筑質(zhì)量問題和原因的數(shù)據(jù)系統(tǒng)關(guān)系庫，有助于問題的在線診斷，對于及時發(fā)現(xiàn)問題，準(zhǔn)確處理，具有舉足輕重的意義。

二、水工建筑質(zhì)量問題和原因關(guān)系數(shù)據(jù)庫的建立

水工建筑質(zhì)量問題和原因關(guān)系數(shù)據(jù)庫，本質(zhì)上來說是一個問題和原因的矩陣求解系統(tǒng)。系統(tǒng)中覆蓋了發(fā)生質(zhì)量問題的類型、規(guī)律以及誘發(fā)原因等信息。該數(shù)據(jù)庫的建立方法，目前并無準(zhǔn)確原則，最廣泛的方法是對經(jīng)驗豐富的專家進(jìn)行調(diào)研，然后修正數(shù)據(jù)。因此，在該過程中，由于專家對問題具有一定的主觀性和偏差，故全面搜集數(shù)據(jù)，是系統(tǒng)能否完成準(zhǔn)確矩陣計算的關(guān)鍵。水工建筑質(zhì)量問題數(shù)據(jù)庫的建立，主要有兩個步驟：

1.資料的整理與統(tǒng)計[1]。查閱近20年來，有關(guān)水利工程質(zhì)量問題、原因分析以及檢修措施的相關(guān)文獻(xiàn)。對其中的質(zhì)量問題原因、表現(xiàn)癥狀進(jìn)行統(tǒng)計與整理。例如，某導(dǎo)流渠變比出現(xiàn)嚴(yán)重磨損的案例，出現(xiàn)壁面結(jié)構(gòu)脫落的質(zhì)量問題，從文獻(xiàn)的研究結(jié)論可知，造成該征兆的原因是水流中的泥沙成分較多，故引起了泥沙磨損。因此，將壁面結(jié)構(gòu)脫落和泥沙含量較多整理至征兆和原因部分。

2.專家調(diào)研。對綿陽三臺、梓潼等地的部分水利工程進(jìn)行走訪。對40余位該領(lǐng)域中，經(jīng)驗豐富的專家進(jìn)行問卷調(diào)查，并將其意見整理至系統(tǒng)數(shù)據(jù)庫，如表1所示。

在該系統(tǒng)數(shù)據(jù)庫中，程序的實現(xiàn)方式[2]，擬選擇為產(chǎn)生式。如：If氣泡產(chǎn)生and蜂窩孔出現(xiàn)，Then混凝土含沙量較少。

三、BP神經(jīng)網(wǎng)絡(luò)模型的建立

BP神經(jīng)網(wǎng)絡(luò)模型，是一種通過模擬人的大腦神經(jīng)系統(tǒng)，能夠進(jìn)行問題思考，具有判斷功能的算法網(wǎng)絡(luò)。系統(tǒng)初步建立時，是不具備思考功能的，猶如人的大腦，掌握思考問題的能力，需要進(jìn)行體系化的訓(xùn)練，然后其系統(tǒng)對問題的分析和判斷力會逐漸增強。該系統(tǒng)的本質(zhì)是Back Propagation算法[2]。主體結(jié)構(gòu)包含：輸入端、輸出端和隱藏區(qū)域，如圖1所示。在該圖中的隱藏區(qū)域，數(shù)量須。具體到本文的操作，選擇極小值即可。因此，隱藏區(qū)域的數(shù)量為1。BP算法的實質(zhì)，主要是體現(xiàn)在系統(tǒng)的學(xué)習(xí)過程中，信號分別進(jìn)行正向傳播、誤差反向傳播。該過程的目標(biāo)是，采用輸出誤差反傳的方法，將誤差分化，即各個單元部分，都分配部分誤差，繼而每個單元的誤差信號都能夠計算出來。由此，再對各個單元的權(quán)值，進(jìn)行修正。故綜上所述，如果輸出端的結(jié)果與理想值偏差大，系統(tǒng)將開始朝反方向傳播，如此一來，神經(jīng)元的權(quán)值將被改變，繼而誤差信號持續(xù)減小。

在水工建筑質(zhì)量問題和原因的判斷系統(tǒng)建立中，基本的操作為：第一，假設(shè)系統(tǒng)在發(fā)生問題時，表現(xiàn)出的征兆為n，則輸出向量：；第二，如果引發(fā)這些征兆的原因為m，則輸出向量：。由此可知，對于該BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的輸入端、隱藏區(qū)間、輸出端的神經(jīng)元個數(shù)為：n、h、m；與此同時，輸入端和隱藏區(qū)間、輸出端和隱藏區(qū)間的連接權(quán)重分別為和。式中，h的取值與范圍由具體的問題描述決定。根據(jù)經(jīng)驗值可知，取值范圍為：。因此，BP計算方法的訓(xùn)練過程[3]為：

1.定義和的初始權(quán)值。定義的手段為隨機選取法。該步驟中，設(shè)置2個約束條件：①；②取值區(qū)間為：。

2.輸入學(xué)習(xí)樣本，計算輸出值。

3.對比計算結(jié)果。把值與理想值進(jìn)行對比，計算二者的誤差。

4.選擇誤差最小值法，修正權(quán)值的矩陣。

5.規(guī)定閾值。該環(huán)節(jié)的實施，主要是結(jié)合專家經(jīng)驗，由專家結(jié)合該系統(tǒng)的特點，定義一個確定的閾值。然后，將輸出向量結(jié)果與該值比較。若結(jié)果大于閾值，計算過程結(jié)束，得出結(jié)果。否則，結(jié)果無法確定，認(rèn)為輸入信息不全，重新調(diào)整參數(shù)，又重步驟（2）開始循環(huán)計算。

整個過程中，步驟1和2的傳播方向為向前；步驟3和4的傳播方向為向后。所有步驟中，都必須達(dá)到一定的精度要求。由嚴(yán)格數(shù)學(xué)理論可知[4]， 假設(shè)樣本為第 p個， 計算表達(dá)式為：

式中， s為樣本數(shù)目。

四、質(zhì)量問題癥狀向量的選擇

假設(shè)某水工建筑數(shù)據(jù)庫中，質(zhì)量問題征兆向量為：；而原因向量為：；顯然，二者之間并不是一一對應(yīng)的，表現(xiàn)出了一定的模糊性。所以，準(zhǔn)確的計算模型是不可能建立起來的。在這種狀態(tài)下，擬選擇模糊數(shù)學(xué)中的語義征兆法[4]，來界定二者的對應(yīng)關(guān)系。具體操作是，按照系統(tǒng)故障的嚴(yán)重程度，把語義征兆劃分為：很嚴(yán)重、比較嚴(yán)重、嚴(yán)重、一般 、輕微 、比較輕微、很輕微、不存在。然后，由專家規(guī)定隸屬度。相應(yīng)的隸屬度取值范圍為：[1，0.9]，[0.9，0.7]，[0.7，0.6]，[0.6，0.4]，[0.4，0.3]，[0.3，0.1]，[0.1，0]，0。例如，某明渠發(fā)生了問題，癥狀為：邊壁脫落嚴(yán)重、輕微蜂窩孔、中度裂縫。由此可得征兆的向量：（0.92，0.23，0.57）。

五、計算案例分析

以某具體的水工建筑為例，假設(shè)在施工完成后中，建筑出現(xiàn)了質(zhì)量問題，癥狀表現(xiàn)為：（建筑表面出現(xiàn)氣泡）， （混凝土表面有裂縫）， （建筑外觀有蜂窩孔）， （建筑結(jié)構(gòu)變形）， （壁面脫落）。由系統(tǒng)數(shù)據(jù)庫可知，造成質(zhì)量問題的可能原因為：（油性隔離劑多）， （混凝土含沙量少）， （環(huán)境濕度改變）， （表層風(fēng)化）， （水流沖擊力大）， （建筑材料不合理）。假設(shè)該水工建筑在某次質(zhì)量問題中，表現(xiàn)出了3個癥狀：，，；根據(jù)嚴(yán)重程度確定的征兆向量為 0.7，0.3，0.6。由此可知，輸出向量X=（0.70 0.30 0 0 0.60）。

由上述質(zhì)量問題表現(xiàn)可知，BP神經(jīng)網(wǎng)絡(luò)模型中，輸入端、輸出端和隱藏區(qū)間的數(shù)量為：5、6、8；根據(jù)公式（1）與（2）的計算結(jié)果可知，系統(tǒng)偏差為 0.8。此時，把樣表數(shù)據(jù)錄入，如表2所示（X為1時，表示該質(zhì)量問題的癥狀發(fā)生；Y為1時，則表示質(zhì)量問題的原因明確；若不是該原因引起，則Y為0）。將質(zhì)量問題向量輸入，計算出誘發(fā)原因向量結(jié)果，如表3所示。從計算數(shù)據(jù)來看，引發(fā)水工建筑質(zhì)量問題的原因為，即環(huán)境濕度改變，該結(jié)論與現(xiàn)場診斷的結(jié)果相符合。

六、結(jié)論

通過構(gòu)建水工建筑質(zhì)量問題和原因關(guān)系的BP神經(jīng)網(wǎng)絡(luò)模型，定義了系統(tǒng)質(zhì)量問題的表現(xiàn)癥狀和引發(fā)原因之間的模糊關(guān)系。再選擇模糊綜合評判的方法進(jìn)行計算，快速地確定了引發(fā)故障的原因。但是，閾值和隸屬度的確定，主要依賴專家的經(jīng)驗，具有一定的主觀性和局限性。所以，隸屬度和閾值的精度，需要在今后系統(tǒng)的進(jìn)一步開發(fā)過程中，不斷修正和完善，以達(dá)到提高系統(tǒng)整體診斷精度的要求。

參考文獻(xiàn)：

[1] 劉建忠.電力系統(tǒng)光纖通信故障的檢測與排除[J].科技信息，2010，（17）：359-360.

[2] 王旭，潘嶠.基于BP模糊神經(jīng)網(wǎng)絡(luò)的水輪機進(jìn)水蝶閥故障診斷方法的研究[J].水利電力科技，2011，37（1）：20-23.

[3] 王浩全.基于BP神經(jīng)網(wǎng)絡(luò)提高偽裝目標(biāo)識別概率的研究[J].光學(xué)與光譜分析，2010，30（12）：3316-3319.

[4] 李士勇.工程模糊數(shù)學(xué)及應(yīng)用[M].哈爾濱：哈爾濱工業(yè)出版社，2004.