呂科+謝景海+許文秀

摘要： 隨著科學(xué)技術(shù)的發(fā)展，新工藝、新設(shè)備、新技術(shù)的不斷出現(xiàn)，現(xiàn)有輸電工程定額數(shù)據(jù)處理方法已不適應(yīng)輸電工程技術(shù)與管理模式的發(fā)展。為此，本文運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)輸電工程定額原始數(shù)據(jù)進(jìn)行處理，在此基礎(chǔ)上再進(jìn)行定額測(cè)定。實(shí)例結(jié)果表明，本文所提的定額數(shù)據(jù)處理方法使得定額測(cè)定結(jié)果更加準(zhǔn)確。

Abstract： With the development of science and technology and the emerging of new technology and equipment， the existing processing methods of transmission engineering quota data are not suitable for the development of transmission engineering technology and management mode. Therefore， this paper uses the BP neural network to deal with the raw data of the transmission project， and then carries on the quota determination on this basis. The results show that the proposed quantitative data processing method makes the quantitative determination more accurate.

關(guān)鍵詞： 輸電工程；定額數(shù)據(jù)；BP神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)處理

Key words： transmission engineering；quota data；BP neural network；data processing

中圖分類(lèi)號(hào)：TP183 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2016）35-0028-02

0 引言

輸電工程定額數(shù)據(jù)在測(cè)定過(guò)程中由于受觀測(cè)者、自然環(huán)境、組織水平等因素影響，同一工序測(cè)得的數(shù)據(jù)往往存在一定的差異，這些異常數(shù)據(jù)將導(dǎo)致定額測(cè)定結(jié)果與現(xiàn)實(shí)存在較大偏差。常見(jiàn)的定額數(shù)據(jù)處理方法有平均修正法、格拉布準(zhǔn)則法、比回歸分析法、經(jīng)驗(yàn)估計(jì)法、主成分分析等[1-6]。然而，隨著新設(shè)備、新工藝、新技術(shù)在輸電工程建設(shè)中的不斷推廣應(yīng)用，定額數(shù)據(jù)處理方法已不適應(yīng)當(dāng)前輸電工程技術(shù)與管理模式的發(fā)展，為此，本文構(gòu)建一種新的計(jì)算模型，力求使得處理后的定額數(shù)據(jù)能真實(shí)地反映出生產(chǎn)技術(shù)水平和管理水平，也為其它各類(lèi)定額測(cè)定提供更加可靠的原始數(shù)據(jù)。

1 定額數(shù)據(jù)處理

定額數(shù)據(jù)的處理可分為兩個(gè)階段，第一階段為原始數(shù)據(jù)的預(yù)處理階段，包括觀測(cè)次數(shù)的確定和異常值的剔除；第二階段為修正后數(shù)據(jù)的分析處理。目前，學(xué)者對(duì)第一階段的數(shù)據(jù)處理進(jìn)行了大量研究，并取得了一定的成果，然而對(duì)第二階段數(shù)據(jù)處理研究不夠充分，大多利用統(tǒng)計(jì)分析辦法通過(guò)平均或者二次平均處理確定最終定額測(cè)定值，導(dǎo)致精度較差。為此，本文重點(diǎn)研究第二階段的數(shù)據(jù)處理。

2 BP神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)模型具有較強(qiáng)的非線性能力、泛化能力和容錯(cuò)能力，并行計(jì)算能力強(qiáng)。本文采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行樣本建模，其實(shí)目前應(yīng)用最為廣泛和成功的神經(jīng)網(wǎng)絡(luò)之一。

BP神經(jīng)網(wǎng)絡(luò)模型由輸入層、隱含層和輸出層構(gòu)成，在網(wǎng)絡(luò)訓(xùn)練階段用處理好的樣本依次通過(guò)輸入層、隱含層和輸出層，比較輸出結(jié)果和期望結(jié)果，若沒(méi)有達(dá)到誤差要求或者訓(xùn)練次數(shù)，則經(jīng)過(guò)輸入層、隱含層和輸出層來(lái)調(diào)節(jié)網(wǎng)絡(luò)權(quán)值和閾值，使得網(wǎng)絡(luò)成為具有一定適應(yīng)能力的模型。

2.1 BP神經(jīng)網(wǎng)絡(luò)模型的基本原理

BP網(wǎng)絡(luò)模型包括其輸入輸出模型、作用函數(shù)模型、誤差計(jì)算模型和自學(xué)習(xí)模型。

①節(jié)點(diǎn)輸出模型。

隱節(jié)點(diǎn)輸出模型：Oj=f（∑Wij×Xi-qj）（1）

輸出節(jié)點(diǎn)輸出模型：Yk=f（∑Tjk×Oj-qk）（2）

其中，q為神經(jīng)單元閾值，f為非線形作用函數(shù)。

②作用函數(shù)模型。

作用函數(shù)是反映下層輸入對(duì)上層節(jié)點(diǎn)刺激脈沖強(qiáng)度的函數(shù)又稱(chēng)刺激函數(shù)，通常取為（0，1）內(nèi)連續(xù)取值函數(shù)。

f（x）=1/（1+e-x） （3）

③誤差計(jì)算模型。

誤差計(jì)算模型是反映神經(jīng)網(wǎng)絡(luò)期望輸出與計(jì)算輸出之間誤差大小的函數(shù)：

Ep=1/2×∑（tpi-Opi）2（4）

其中，Opi表示第i節(jié)點(diǎn)計(jì)算輸出值；tpi表示第i節(jié)點(diǎn)的期望輸出值。

④自學(xué)習(xí)模型。

神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程，即連接下層節(jié)點(diǎn)和上層節(jié)點(diǎn)之間的權(quán)重拒陣Wij的設(shè)定和誤差修正過(guò)程。BP網(wǎng)絡(luò)有師學(xué)習(xí)方式-需要設(shè)定期望值和無(wú)師學(xué)習(xí)方式-只需輸入模式之分。自學(xué)習(xí)模型為

？駐Wij（n+1）=h×Фi×Oj+a×？駐Wij（n） （5）

其中，a為動(dòng)量因子；Oj為輸出節(jié)點(diǎn)j的計(jì)算輸出；Фi為輸出節(jié)點(diǎn)i的計(jì)算誤差；h為學(xué)習(xí)因子。

2.2 BP神經(jīng)網(wǎng)絡(luò)算法流程

①初始化網(wǎng)絡(luò)權(quán)值和閾值，通常取0-1的隨機(jī)數(shù)；

②輸入訓(xùn)練樣本和目標(biāo)輸出；

③計(jì)算各層輸入；

④計(jì)算網(wǎng)絡(luò)訓(xùn)練誤差；

⑤修正網(wǎng)絡(luò)權(quán)值和閾值；

⑥計(jì)算誤差指標(biāo)；

⑦如果誤差滿(mǎn)足精度要求，則訓(xùn)練結(jié)束，否則轉(zhuǎn)到步驟②。

3 實(shí)例分析

以輸電工程工地運(yùn)輸中，汽車(chē)運(yùn)輸下面的混凝土桿運(yùn)輸子目為例，進(jìn)行工時(shí)定額測(cè)定。這里以整個(gè)冀北地區(qū)下面的承德、廊坊、秦皇島、唐山和張家口五個(gè)地區(qū)的混泥土桿運(yùn)輸子目定額數(shù)據(jù)為代表值，測(cè)定整個(gè)冀北地區(qū)的混凝土桿運(yùn)輸子目的工時(shí)定額值。

承德、廊坊、秦皇島、唐山和張家口五個(gè)地區(qū)混凝土桿運(yùn)輸子目的工時(shí)定額值分別為0.154工日、0.147工日、0.142工日、0.151工日、0.162工日，以BP神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練各地地區(qū)的權(quán)值，并結(jié)合相關(guān)專(zhuān)家的意見(jiàn)，最后得出五個(gè)地區(qū)的權(quán)值分別為0.02、0.03、0.01、0.03、0.01，因此，最終冀北地區(qū)的混凝土桿運(yùn)輸子目的工時(shí)定額值為0.151工日。

4 結(jié)論

①在比較各種數(shù)據(jù)處理方法的基礎(chǔ)上，根據(jù)第二階段數(shù)據(jù)特點(diǎn)，提出BP神經(jīng)網(wǎng)絡(luò)模型對(duì)第二階段數(shù)據(jù)進(jìn)行處理。

②實(shí)例結(jié)果表明，運(yùn)用本文所提方法對(duì)定額數(shù)據(jù)進(jìn)行處理，使得測(cè)定的工時(shí)定額水平更加準(zhǔn)確。

③本文僅使用了BP神經(jīng)網(wǎng)絡(luò)模型對(duì)定額原始數(shù)據(jù)處理進(jìn)行了嘗試，是否還存在更優(yōu)的方法，需要下一步的研究。

參考文獻(xiàn)：

[1]張巖.運(yùn)用格拉布斯準(zhǔn)則原理確定公路定額測(cè)定中不合理數(shù)據(jù)[J].科協(xié)論壇（下半月），2009（2）：99-100.

[2]侯君，姚志紅.基于BP神經(jīng)網(wǎng)絡(luò)的湖泊水體富營(yíng)養(yǎng)化的短期預(yù)測(cè)[J].實(shí)驗(yàn)室研究與探索，2008（06）.

[3]趙慶權(quán).高速公路補(bǔ)充預(yù)算定額原始數(shù)據(jù)異常值的改進(jìn)格拉布斯法應(yīng)用研究[J].價(jià)值工程，2013（12）：82-83.

[4]孫藝.基于神經(jīng)網(wǎng)絡(luò)技術(shù)的公路工程補(bǔ)充定額的編制與研究[D].長(zhǎng)沙理工大學(xué)，2011.

[5]張波，甘國(guó)榮，王首緒.公路工程定額原始數(shù)據(jù)測(cè)定降噪方法運(yùn)用研究[J].公路與汽運(yùn)，2014（163）：222-225.

[6]全宇，王忠慶，何苗.基于交叉熵的神經(jīng)網(wǎng)絡(luò)在病理圖像分析中的應(yīng)用[J].中國(guó)醫(yī)科大學(xué)學(xué)報(bào)，2009（06）.