張 博（長沙師范學(xué)院電子與信息工程系，長沙　410100）

?

基于GA-BP神經(jīng)網(wǎng)絡(luò)的髙校實驗室安全評價研究

張 博
（長沙師范學(xué)院電子與信息工程系，長沙410100）

摘 要：高校實驗室安全評價是實驗室安全管理中的薄弱環(huán)節(jié)。針對目前高校實驗室安全評價缺乏較全面、合理、高效評價方法的問題，以如何能科學(xué)、客觀、準(zhǔn)確地評價高校實驗室安全水平為目的，在探索BP神經(jīng)網(wǎng)絡(luò)和遺傳算法理論的基礎(chǔ)上，將二者結(jié)合，應(yīng)用于高校實驗室安全評價中，對基于GA-BP神經(jīng)網(wǎng)絡(luò)的高校實驗室安全評價展開了研究。GA-BP網(wǎng)絡(luò)評價模型能夠在更短的時間內(nèi)，達(dá)到更高的精度，收斂速度、精確性和穩(wěn)定性明顯優(yōu)于BP網(wǎng)絡(luò)評價模型，驗證了遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的合理性和高效性。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；遺傳算法；高校實驗室安全；評價模型；安全管理；效果與評價

1 引 言

高校實驗室安全日益成為高校實驗室科學(xué)管理和健康發(fā)展的重要內(nèi)容。高校實驗室對外開放程度不斷提高，實驗人員增多，流動性增大，對實驗室安全工作提出了新的挑戰(zhàn)。近年來，高校實驗室事故頻發(fā)，各種安全隱患不斷增加。

針對高校實驗室安全管理［1］無章可循，安全檢查流于形式，安全整改頭痛醫(yī)頭腳痛醫(yī)腳，安全問責(zé)人人推的現(xiàn)狀，安全評價的目的就是檢驗實驗室所處環(huán)境、運行狀態(tài)是否規(guī)范有序，同時為實驗室安全水平的判定提供較全面、合理的參照標(biāo)準(zhǔn)。

傳統(tǒng)的實驗室安全評價［2］幾乎都是人為的主觀評定。影響高校實驗室安全的因素多且復(fù)雜，并具有不確定性，若采用類似校園安全評價［3］的幾種方法，會受到隨機性，以及評價人員主觀不確定性和認(rèn)識模糊性的影響，存在非線性能力差和精度難以保證等缺陷，難以得到令人滿意的結(jié)果。

?

目前，高校實驗室安全管理缺乏較全面、合理的評價標(biāo)準(zhǔn)［4］。因此，如何通過建立科學(xué)公正的指標(biāo)體系，客觀公正的評價高校實驗室安全水平，是高校實驗室管理工作者需深入思考的一個問題。

BP神經(jīng)網(wǎng)絡(luò)［5］是近幾年來快速發(fā)展起來的人工智能技術(shù)之一，具有較好的自適應(yīng)學(xué)習(xí)能力，能以任意精度逼近非線性函數(shù)，在解決非線性問題上得到了廣泛應(yīng)用。但是BP神經(jīng)網(wǎng)絡(luò)的搜索空間有限，對于較大搜索空間，該算法會陷入局部極小值點，從而影響預(yù)測的精度和速度。

遺傳算法（Genetic Algorithm，GA）［6］是基于自然界生物進化原理的一種自適應(yīng)優(yōu)化方法，其通過適應(yīng)度函數(shù)的計算，對種群進行選擇、交叉和變異，確定搜索方向。該算法在種群規(guī)模較大時也適用，可以在全局空間的多個區(qū)域內(nèi)尋找最優(yōu)解，克服了BP神經(jīng)網(wǎng)絡(luò)局部搜索的缺點。筆者將BP神經(jīng)網(wǎng)絡(luò)算法與遺傳算法結(jié)合起來，形成GA-BP混合網(wǎng)絡(luò)［7］。BP神經(jīng)網(wǎng)絡(luò)初始化時，在全局空間優(yōu)化網(wǎng)絡(luò)權(quán)值和閾值，搜索出最優(yōu)解，利用最優(yōu)BP神經(jīng)網(wǎng)絡(luò)對髙校實驗室安全水平［8］建立全面、合理的評價標(biāo)準(zhǔn)。

2 BP神經(jīng)網(wǎng)絡(luò)基本原理

BP神經(jīng)網(wǎng)絡(luò)是由Werbos提出來的，之后由Bumelhart等人對BP神經(jīng)網(wǎng)絡(luò)算法進行了改進，實現(xiàn)了多層前饋網(wǎng)絡(luò)模型假設(shè)。圖1為3層BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖，包含輸入、隱含和輸出3層，其特點是信號前向傳播，誤差反向傳播。信號經(jīng)過輸入層進入隱含層，在相應(yīng)神經(jīng)元函數(shù)、網(wǎng)絡(luò)權(quán)值和閾值的作用下，將處理過的信號經(jīng)輸出層輸出。如果輸出結(jié)果與期望輸出存在較大的誤差，則誤差反向傳播，調(diào)整權(quán)值和閾值。如此反復(fù)迭代，直至輸出結(jié)果逼近期望值，使誤差控制在允許范圍內(nèi)。

圖1 BP神經(jīng)網(wǎng)絡(luò)三層拓?fù)浣Y(jié)構(gòu)

圖1中X1，X2，...，Xn表示輸入信號值，Y1，...，Ym表示信號輸出值，ω表示網(wǎng)絡(luò)權(quán)值。每一層的神經(jīng)元只作用下一層的神經(jīng)元狀態(tài)，神經(jīng)元狀態(tài)f通常選用Sigmoid函數(shù)，如：

采用三層BP網(wǎng)絡(luò)結(jié)構(gòu)來構(gòu)建實驗室安全評價模型。輸入層為高校實驗室安全評價指標(biāo)數(shù)據(jù)，輸出層為評價結(jié)果，中間為隱含層。根據(jù)用戶輸入的評價指標(biāo)，接收樣本數(shù)據(jù)，對其進行歸一化處理后，數(shù)據(jù)自動輸入實驗室安全評價的BP神經(jīng)網(wǎng)絡(luò)中。BP神經(jīng)網(wǎng)絡(luò)對輸入數(shù)據(jù)自動學(xué)習(xí)、檢測，根據(jù)輸出結(jié)果對網(wǎng)絡(luò)權(quán)值進行自動調(diào)整。通過不斷重復(fù)學(xué)習(xí)和調(diào)整實現(xiàn)對期望輸出值的正確擬合訓(xùn)練，最終達(dá)到對高校實驗室安全進行評價的目的。

3 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)原理

3.1遺傳算法原理

遺傳算法是根據(jù)自然界的進化論“優(yōu)勝劣汰，適者生存”的原理形成的。通過對種群進行選擇、交叉和變異，達(dá)到對種群的優(yōu)化。適應(yīng)度好的個體，被選中的概率大，反之適應(yīng)度差的個體被選中的概率則會小。交叉產(chǎn)生的新一代個體不僅繼承了上一代的信息，而且適應(yīng)度還優(yōu)于上一代。這樣經(jīng)過幾代循環(huán)，最終產(chǎn)生出符合條件的個體，即逼近最優(yōu)解。遺傳算法主要包含選擇、交叉和變異3個基本步驟。

（1）選擇：選擇操作是從種群中按照一定的概率選擇個體，作為父本，用于繁殖后代。選擇的概率由適應(yīng)度決定，適應(yīng)度越好，個體被選中的概率就越大，從而優(yōu)秀的個體得以保留，繁衍出更多的優(yōu)秀個體，最終逼近期望值。

（2）交叉：交叉過程是選擇兩個個體，對個體的染色體上一點或多點位置進行交叉互換，從而產(chǎn)生新的個體。交叉過程體現(xiàn)了自然界的信息交互思想。

（3）變異：按照一定概率選擇個體，對個體中的一段染色體進行變異，以增強個體的適應(yīng)度。

3.2遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)［9］步驟

遺傳算法的特點是全局式搜索，而BP神經(jīng)網(wǎng)絡(luò)則是在局部進行搜索最優(yōu)解，因此可以先利用遺傳算法確定出BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值的最優(yōu)解范圍，然后利用BP神經(jīng)網(wǎng)絡(luò)算法再進行局部最優(yōu)解搜索。

3.2.1 編碼與初始種群的生成

高校實驗室安全評價模型采用三層BP網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)輸入層、隱含層與輸出層節(jié)點的個數(shù)分別為N，S和M，則編碼長度為：R = N×S + S×M + S + M（2）隨機產(chǎn)生X個長度為R的染色體，即形成初始種群。

3.2.2 適應(yīng)度函數(shù)確定

將初始化種群中的R個連接權(quán)值賦予BP網(wǎng)絡(luò)，進行輸入信號的前向傳播，計算網(wǎng)絡(luò)的輸出值與期望值之間的誤差平方和E（i），設(shè)定適應(yīng)度函數(shù)為：

將遺傳算法與BP網(wǎng)絡(luò)的評估標(biāo)準(zhǔn)結(jié)合起來，誤差平方和越小，適應(yīng)度越高，即網(wǎng)絡(luò)性能越好。

3.2.3 遺傳操作

（1）選擇

采用基于適應(yīng)度的排序分配方法進行選擇，即先計算種群中各個體的適應(yīng)度，然后對種群中所有個體按其適應(yīng)度大小進行排序，每個個體被選中的概率由排序結(jié)果分配，分配原則為大適應(yīng)值對應(yīng)高選擇概率，小適應(yīng)值對應(yīng)低選擇概率。

（2）交叉

遺傳算法中最重要的操作是交叉算子，新的個體由種群通過交叉產(chǎn)生，不斷擴大搜索空間，最終達(dá)到全局搜索的目的。交叉是將被選中的兩個個體的基因鏈按一定的概率進行交叉，生成兩個新個體。

由于采用浮點數(shù)編碼，所以交叉算子采用的是浮點數(shù)型的算術(shù)交叉法。假定種群中x1和x2為父代個體，則由父代雙親產(chǎn)生的后代x′1和x′2為：

其中a∈（0，1）。

交叉概率的值一般取0.4到0.99之間，本文取交叉概率為0.8。

（3）變異

為了維持種群的多樣性，使用變異算子產(chǎn)生新個體。變異對于選中的個體以一定的概率隨機地改變串結(jié)構(gòu)數(shù)據(jù)中某個串的值。

筆者采用非均勻變異，對原基因值做隨機擾動，變異后的新基因值采用該擾動結(jié)果。以等概率對所有基因座進行一次少量調(diào)整。變異概率的值取0.001到0.1之間。

（4）新種群的產(chǎn)生

用交叉和變異算子對原來的個體進行遺傳操作后，產(chǎn)生新的個體，將新個體插入原種群中，生成新種群。計算新個體的適應(yīng)度值，判斷是否達(dá)到循環(huán)次數(shù)或優(yōu)化標(biāo)準(zhǔn)，若是，則進入下一步，否則繼續(xù)循環(huán)進行遺傳操作。

（5）BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值的產(chǎn)生

遺傳算法達(dá)到最大遺傳代數(shù)或所設(shè)定的指標(biāo)后，優(yōu)化后的網(wǎng)絡(luò)連接權(quán)值就是最終群體中的最優(yōu)個體解碼值。

4 GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高校實驗室安全評價模型建立

基于GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高校實驗室安全評價模型接收用戶輸入的評價樣本數(shù)據(jù)，對樣本輸入數(shù)據(jù)進行歸一化處理后，先構(gòu)建BP神經(jīng)網(wǎng)絡(luò)并初始化權(quán)值和閾值，然后調(diào)用遺傳算法，通過選擇、交叉和變異的遺傳操作對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化，將遺傳算法優(yōu)化［10］后獲取的最優(yōu)解解碼，作為BP神經(jīng)網(wǎng)絡(luò)的最優(yōu)權(quán)值和閾值。

經(jīng)遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)稱為GA-BP神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)對輸入數(shù)據(jù)不斷重復(fù)學(xué)習(xí)，自動調(diào)整網(wǎng)絡(luò)的連接權(quán)值和閾值，實現(xiàn)對期望輸出值的正確擬合訓(xùn)練，以達(dá)到要求精度。GA-BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束后，將待評價的測試數(shù)據(jù)輸入訓(xùn)練好的GA-BP神經(jīng)網(wǎng)絡(luò)進行仿真測試，經(jīng)過輸出值轉(zhuǎn)換處理后，得到最終的評價結(jié)果。GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高校實驗室安全評價模型如圖2所示。

圖2 GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高校實驗室安全評價模型構(gòu)建

5 實驗結(jié)果及評價

5 1實驗評價指標(biāo)

本實驗采用收斂性、精確性、穩(wěn)定性三個指標(biāo)作為評價標(biāo)準(zhǔn)。

（1）收斂性根據(jù)網(wǎng)絡(luò)訓(xùn)練過程中的步數(shù)Eprochs來判斷收斂速度。不同網(wǎng)絡(luò)達(dá)到相同訓(xùn)練目標(biāo)時步數(shù)少的收斂速度快，反之，步數(shù)多的收斂速度慢。

（2）精確性按照不同網(wǎng)絡(luò)的測試仿真輸出值與期望輸出值的相對誤差，對訓(xùn)練后的網(wǎng)絡(luò)進行測試得到輸出結(jié)果的精準(zhǔn)度。其中，相對誤差=（測試仿真輸出值-期望輸出）/期望輸出×100%。

（3）穩(wěn)定性根據(jù)網(wǎng)絡(luò)測試仿真輸出值與期望輸出值的誤差，計算出不同網(wǎng)絡(luò)測試輸出的均方誤差（MSE），即可進一步從宏觀上判斷整個網(wǎng)絡(luò)的穩(wěn)定性。

5.2實驗結(jié)果比對分析

（1）收斂性

如圖3所示，BP神經(jīng)網(wǎng)絡(luò)的收斂步數(shù)為29，而GA-BP網(wǎng)絡(luò)的收斂步數(shù)為12。BP網(wǎng)絡(luò)當(dāng)訓(xùn)練次數(shù)為29次時，才達(dá)到網(wǎng)絡(luò)訓(xùn)練誤差目標(biāo)0.001，而GA-BP網(wǎng)絡(luò)只需訓(xùn)練12次就可以達(dá)到和BP評價模型一樣的訓(xùn)練目標(biāo)。

（2）精確性

通過對BP網(wǎng)絡(luò)模型和GA-BP網(wǎng)絡(luò)模型分別進行測試，得到了測試仿真輸出值如表1所示。表中的相對誤差=（測試仿真輸出值-期望輸出）/期望輸出×100%。

圖3 GA-BP網(wǎng)絡(luò)與BP網(wǎng)絡(luò)訓(xùn)練誤差曲線對比圖

表1 測試樣本數(shù)據(jù)的BP網(wǎng)絡(luò)和GA-BP網(wǎng)絡(luò)仿真結(jié)果

可見，遺傳算法與BP神經(jīng)網(wǎng)絡(luò)的結(jié)合不僅可以加快網(wǎng)絡(luò)收斂速度，也提高了網(wǎng)絡(luò)識別精度。

（3）穩(wěn)定性

由圖4可見，相比之下，2系的GA-BP網(wǎng)絡(luò)測試輸出產(chǎn)生的均方誤差顯然比1系的BP網(wǎng)絡(luò)測試輸出產(chǎn)生的均方誤差更小一些，并且維持在一個較小的區(qū)間內(nèi)，基本上保持在0.25以內(nèi)，由此說明GA-BP模型的訓(xùn)練結(jié)果要更穩(wěn)定一些，而BP網(wǎng)絡(luò)的訓(xùn)練效果不是太穩(wěn)定，個別點測試輸出的相對誤差甚至達(dá)到近1.5，可能陷入局部極小值。

圖4 GA-BP網(wǎng)絡(luò)與BP網(wǎng)絡(luò)測試輸出與期望輸出的誤差對比圖

6 結(jié)束語

采用BP神經(jīng)網(wǎng)絡(luò)對高校實驗室安全進行評價的方法，通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)評價模型，發(fā)現(xiàn)其不足。提出引入遺傳算法（GA）對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化，構(gòu)建改進的GA-BP神經(jīng)網(wǎng)絡(luò)評價模型，并將其應(yīng)用于高校實驗室的安全評價中。通過對比實驗，證明基于GA-BP神經(jīng)網(wǎng)絡(luò)的高校實驗室安全評價模型的可行性和有效性，在一定程度上改善了傳統(tǒng)評價的片面性、主觀性和模糊性，能較科學(xué)、客觀、準(zhǔn)確地評價實驗室的安全水平。

參考文獻(xiàn)：

［1］王杰，劉曉鴻.髙校實驗室安全管理工作探討與對策研究［J］.實驗技術(shù)與管理，2010，27（3）：247-252.WANG Jie，LIU Xiaohong.Discussion on Laboratory Safety Management and Study of its Countermeasures［J］.Experimental Technology and Management，2010，27（3）：247-252.

［2］李恩敬.高等學(xué)校實驗室安全管理現(xiàn)狀調(diào)查與分析［J］.實驗技術(shù)與管理，2011，28（2）：198-200.LI Enjing.Investigation and Analysis on Current Situation of Laboratory Safety Management in Colleges and Universities［J］.Experimental Technology and Management，2011，28（2）：198-200.

［3］余志紅，任國友.基于AHP的校園安全評價指標(biāo)研究［J］.中國安全生產(chǎn)科學(xué)技術(shù)，2009，5（5）：50-54.YU Zhihong，REN Guoyou.Study on Evaluation Index of Campus Security Based on Analytical Hierarchy Process ［J］.Journal of Safety Science and Technology，2009，5 （5）：50-54.

［4］陳立君，顧風(fēng)岐.髙等學(xué)校實驗室安全管理體系的研究與探索［J］.實驗室研究與探索，2010，29（7）：339-341.CHEN Lijun，GU Fengqi.Study and Exploration on Safety Management Systemof University Laboratory［J］.Research and Exploration in Laboratory，2010，29（7）：339-341.

［5］陸琳睿，吳伊萍，陳祺.基于BP神經(jīng)網(wǎng)絡(luò)的高校實驗室安全評價模型及應(yīng)用［J］.實驗室研究與探索，2013，32（2）：214-218.LU Linrui，WU Yiping，CHEN Qi.The Evaluation Model and its Application to University Laboratory Safety Based on BP Neural Network［J］.Research and Exploration in Laboratory，2013，32（2）：214-218.

［6］鄧鐵清，任艮全，劉英博.基于遺傳算法的工作流個人工作列表資源調(diào)度［J］.軟件學(xué)報，2012，23（7）：1702-1716.DENG Tieqing，REN Genquan，LIU Yingbo.Genetic Algorithm Based Approach to Personal Worklist Resource Scheduling［J］.Journal of Software，2012，23（7）：1702-1716.

［7］劉春艷，凌建春，寇林元，等.GA-BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)性能比較［J］.中國衛(wèi)生統(tǒng)計，2013，30（2）：173-181.Liu Chunyan，Ling Jianchun，Kou Linyuan，et al.Performance Comparison between GA-BP Neural Network and BP Neural Network［J］.Chinese Journal of Health Statistics，2013，30（2）：173-181.

［8］韋萌.BP神經(jīng)網(wǎng)絡(luò)在高校教學(xué)實驗室綜合評價中的應(yīng)用［J］.柳州職業(yè)技術(shù)學(xué)院學(xué)報，2010，10（1）：102-104.WEI Meng.Application of the BP Neural Network in the Comprehensive Evaluation of College Laboratories［J］.Journal of Liuzhou Vocational & Technical College，2010，10（1）：102-104.

［9］田旭光，宋形，劉宇新.結(jié)合遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)［J］.計算機應(yīng)用與軟件，2004，21 （6）：69-71.TIAN Xuguang，SONG Tong，LIU Yuxin.Optimizing the Structure and Parameters of BP Neural Network Based on Genetic Algorithm［J］.ComputerApplications and Software，2004，21（6）：69-71.

［10］柴毅，尹宏鵬，李大杰，等.基于改進遺傳算法的BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)優(yōu)化設(shè)計［J］.重慶大學(xué)學(xué)報（自然科學(xué)版），2007，30（4）：91-92.CHAI Yi，YIN Hongpeng，LI Dajie，et al.Self-adaptation Optimize BP Neural Network Design Based on the Genetic Algorithms［J］.Journal of Chongqing University （Natural Science Edition），2007，30（4）：

Research on Evaluation of University Laboratory Safety Based on GA-BP Neural Network

Zhang Bo
（Department of Electronic and Information Engineering，Changsha Normal University，Changsha 410100，China）

Abstract：Evaluation of university laboratory safety is the weakness in the management of laboratory safety.Aiming at the problems of evaluation method，lack of more comprehensive，reasonable and efficient methods，in order to scientifically，objectively and accurately evaluate university laboratory safety level，and the theoretical exploration on BP neural network and the genetic algorithm are combined to perform evaluation for university laboratory safety.The evaluation，based on GA-BP neural network，is researched in the paper.The results show that the model of GA-BP network achieves higher precision in a shorter time and its convergence rate，accuracy and stability are better than that of BP network model，and the genetic algorithm optimizing BP neural network is reasonable and efficient.

Key words：BP Neural Network；Genetic Algorithm；University Laboratory Safety；Evaluation Model Safety Management；Effect and Evaluation

DOI：10.3969/j.issn.1002-2279.2016.02.014

中圖分類號：TP183；G647

文獻(xiàn)標(biāo)識碼：A

文章編號：1002-2279（2016）02-0051-05

基金項目：?湖南省自然科學(xué)基金項目（2015JJ6007）；湖南省高等教育學(xué)會實驗室管理專業(yè)委員會2014年資助研究課題

作者簡介：張博（1980-），男，湖南省長沙市人，講師，碩士研究生，主研方向：模式識別、人工智能、圖像處理。

收稿日期：2015-06-25