石紅國，張 鵬，雷艷紅

(西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都 610031)

?

基于BP神經(jīng)網(wǎng)絡(luò)的郭白鐵路專用線安全評價

石紅國，張 鵬，雷艷紅

(西南交通大學(xué) 交通運(yùn)輸與物流學(xué)院，四川 成都 610031)

郭白鐵路專用線基礎(chǔ)設(shè)備落后，自然災(zāi)害嚴(yán)重，存在很大的安全隱患，對其進(jìn)行安全評價意義重大。由于BP神經(jīng)網(wǎng)絡(luò)對郭白鐵路專用線安全評價的非線性和復(fù)雜性具有較強(qiáng)的適應(yīng)性，故構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的郭白鐵路專用線安全評價模型。模型采用改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)算法，相較于常規(guī)算法，具有收斂快、計算精確和預(yù)測精度較高等優(yōu)點(diǎn)。針對郭白鐵路專用線自身的特殊性，建立一套便于賦值和貼合實(shí)際的安全評價指標(biāo)體系，增加了模型的可靠性?；贐P神經(jīng)網(wǎng)絡(luò)的郭白鐵路專用線安全評價模型和通過模型預(yù)測出來的結(jié)果，為郭白鐵路專用線科學(xué)的管理提供參考和依據(jù)。

交通運(yùn)輸工程；BP神經(jīng)網(wǎng)絡(luò)；安全評價；模型；可靠性

0 引 言

郭白鐵路位于內(nèi)蒙古錫林郭勒盟境內(nèi)，西起集(寧)二(連)鐵路郭爾奔敖包站，終至蘇尼特左旗境內(nèi)的白音烏拉煤田芒來煤礦，在我國的煤炭運(yùn)輸中，起著不可或缺的作用。但由于鐵路系統(tǒng)自身的復(fù)雜性以及特殊的地理環(huán)境、頻繁的自然災(zāi)害等，使得郭白鐵路的安全隱患十分突出。在鐵路高速發(fā)展的今天，人們對安全運(yùn)輸生產(chǎn)的要求越來越高，因此研究郭白鐵路的安全性勢在必行。

鐵路系統(tǒng)是一個復(fù)雜多變的系統(tǒng)，各類因素相互作用相互影響[1]，因此可以將郭白鐵路的安全評價看著是一個非線性問題。目前運(yùn)用較廣的安全評價方法主要有：安全檢查表法、事故樹安全評價法、模糊綜合評價法、作業(yè)危險性評價法等，雖然可以使用，但無法進(jìn)行安全評估預(yù)測[2]。筆者運(yùn)用BP神經(jīng)網(wǎng)絡(luò)方法可以克服傳統(tǒng)安全評價方法的許多缺點(diǎn)，從人-機(jī)-管-環(huán)4個方面對郭白鐵路專用線進(jìn)行安全評價及預(yù)測，為企業(yè)安全管理提供參考。

1 安全評價指標(biāo)體系的構(gòu)建

郭白鐵路專用線的安全涉及到人員因素、管理因素、設(shè)備因素和環(huán)境因素，安全評價指標(biāo)體系的建立必須從生產(chǎn)運(yùn)輸實(shí)踐出發(fā)，遵循科學(xué)性、系統(tǒng)性、可行性、可比性和簡潔性等原則構(gòu)建郭白鐵路專用線安全評價指標(biāo)體系[3]。

結(jié)合郭白鐵路專用線的實(shí)際情況，并從鐵路安全評價專家的意見出發(fā)，通過模糊層次分析法計算，構(gòu)建郭白鐵路專用線安全評價指標(biāo)體系及權(quán)重如表1。

表1 郭白專用線安全評價指標(biāo)權(quán)重統(tǒng)計Table 1 Safety evaluation index weight statistics of Guo-Bai special line

2 安全評價模型的建立

2.1 BP神經(jīng)網(wǎng)絡(luò)的算法原理

BP神經(jīng)網(wǎng)絡(luò)的核心是信息前向傳遞，誤差反向傳播。在網(wǎng)絡(luò)的結(jié)構(gòu)和輸入模式確定后，信息從輸入層傳遞到隱含層，經(jīng)過在隱含層逐層傳遞處理，進(jìn)入輸出層產(chǎn)生一個輸出數(shù)據(jù)[4]。如果期望輸出數(shù)據(jù)與輸出數(shù)據(jù)有誤差，那么誤差會反向傳播，通過網(wǎng)絡(luò)將誤差信號沿原來的路徑反傳回來調(diào)整網(wǎng)絡(luò)的權(quán)值和閥值，從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出不斷逼近期望輸出[5]。單一隱含層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1。

2.2 BP神經(jīng)網(wǎng)絡(luò)模型

2.2.1 BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)

BP神經(jīng)網(wǎng)絡(luò)雖然具有計算過程縝密、很強(qiáng)的非線性逼近能力[6]，以及良好的自訓(xùn)練學(xué)習(xí)和容錯性，但是也存在收斂速度慢導(dǎo)致學(xué)習(xí)時間較長，局部極小化問題等缺點(diǎn)。故在網(wǎng)絡(luò)學(xué)習(xí)過程中將誤差函數(shù)進(jìn)行改進(jìn)，即

Φ(Cti-Yti)]

(1)

式中：Pt表示網(wǎng)絡(luò)產(chǎn)生的誤差；Cti表示網(wǎng)絡(luò)輸出層的輸出向量；Yti表示網(wǎng)絡(luò)期望輸出向量；β表示常數(shù)；t為樣本數(shù)據(jù)個數(shù)；i為期望輸出向量元素的個數(shù)；Φ(x)=ln[cos(γx)]/γ，γ為常數(shù)。

2.2.2 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)的算法流程

Atg=(At1，At2，…，Ate)為神經(jīng)網(wǎng)絡(luò)輸入層的輸入向量；Stf=(St1，St2，…，Stn)為隱含層的輸入向量；Btf=(Bt1，Bt2，…，Btn)為隱含層的輸出向量；Lti=(Lt1，Lt2，…，Ltk)為輸出層的輸入向量；Cti=(Ct1，Ct2，…，Ctk)為輸出層的輸出向量；輸入層與隱含層連接權(quán)值為Vgf；隱含層與輸出層連接權(quán)值為Vfi；隱含層的閾值為Rf；輸出層的閾值為Ri；樣本個數(shù)為t=1，2，…，m。

Step 1：對該BP神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化。給連接權(quán)值賦，并選取改進(jìn)后的誤差函數(shù)和計算的精度值ε以及最大的學(xué)習(xí)次數(shù)。

Step 2：選取隨機(jī)的一個樣本m，并輸入該樣本及其所對應(yīng)的期望輸出：

Amg=(Am1，Am2，…，Ame)

(2)

Ymi=(Ym1，Ym2，…，Ymk)

(3)

Step 3：計算神經(jīng)網(wǎng)絡(luò)中輸出層和隱含層的各神經(jīng)元輸入值和輸出值：

(4)

Bmf=f(Smf)，f=1，2，…，n

(5)

(6)

Cmi=f(Lmi)，i=1，2，…，k

(7)

Step 4：通過上述的誤差函數(shù)Pt、輸出層的輸入向量Lti以及隱含層與輸出層的連接權(quán)值Vfi，計算出誤差函數(shù)和隱含層與輸出層的連接權(quán)值的偏導(dǎo)數(shù)。

(8)

(9)

Ymi)]/?Lmi=f(x)

(10)

式中：f(x)=β(Cmi-Ymi)+(1-β)tanβ(Cmi-Ymi)。

Step 5：通過誤差函數(shù)、隱含層的輸入向量以及隱含層與輸入層的連接權(quán)，計算出誤差函數(shù)和輸入層與隱含層的連接權(quán)值的偏導(dǎo)數(shù)。

(11)

(12)

Ymi)]/?Stf=f′(x)

(13)

Step 6：通過誤差函數(shù)和隱含層與輸出層的連接權(quán)值的偏導(dǎo)數(shù)來修正連接權(quán)值Vfi。

ΔVfi=αf(x)Bmf

(14)

(15)

式中：η為學(xué)習(xí)率。

Step 7：通過誤差函數(shù)和輸入層與隱含層的連接權(quán)值的偏導(dǎo)數(shù)來修正連接權(quán)值Vgf。

ΔVgf=αf′(x)Amg

(16)

(17)

3 郭白鐵路專用線綜合安全評價過程

3.1 樣本數(shù)據(jù)的選取

選取郭白鐵路專用線2015年8月至2016年10月期間15個月的月安全檢查表，得到了15組安全評價指標(biāo)體系指標(biāo)樣本值，其中13～15組為預(yù)測2016年8月—2016年10月的安全評估數(shù)據(jù)。為了避免BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的部分神經(jīng)元達(dá)到過飽和的狀態(tài)，樣本中的數(shù)值應(yīng)盡量在(0，1)區(qū)間內(nèi)選擇[7]。因此將安全評價指標(biāo)等級分為：優(yōu)、良、中、差4個等級，其中優(yōu)對應(yīng)的區(qū)間為(0.85，1)，良對應(yīng)的區(qū)間為(0.7，0.85)，中對應(yīng)的區(qū)間為(0.5，0.7)，差對應(yīng)的區(qū)間為(0，0.5)。

郭白鐵路專用線15組安全評估觀測數(shù)據(jù)和專家測評結(jié)構(gòu)如表2。

表2 郭白鐵路專用線安全評價樣本數(shù)據(jù)Table 2 Safety evaluation sample data for the special line of Guo-Bai Railway

3.2 模型的訓(xùn)練結(jié)果

將表2的樣本數(shù)據(jù)中的前12組數(shù)據(jù)作為訓(xùn)練樣本，專家測評的12個數(shù)據(jù)作為期望輸出數(shù)據(jù)導(dǎo)入MATLAB軟件中，設(shè)定期望誤差為0.000 1，最大訓(xùn)練次數(shù)為3 000，采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)，得到訓(xùn)練結(jié)果，如圖2。

圖2 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練曲線Fig. 2 Training curve of the improved BP neural network

當(dāng)神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)定相同，采用常規(guī)BP神經(jīng)網(wǎng)絡(luò)，得到訓(xùn)練結(jié)果，如圖3。

圖3 常規(guī)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練曲線Fig. 3 Training curve of conventional BP neural network

從圖中可以看出，相較于常規(guī)的BP神經(jīng)網(wǎng)絡(luò)，改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中誤差下降很快，收斂性較好。計算得到的仿真輸出結(jié)果與期望輸出結(jié)果對比見表3。

表3 仿真輸出結(jié)果與期望輸出結(jié)果對比Table 3 Comparison of simulation output and expected output

將樣本數(shù)據(jù)中2016年8月—2016年10月的后3列數(shù)據(jù)代入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)中，經(jīng)計算得到預(yù)測結(jié)果如表4。

表4 預(yù)測結(jié)果Table 4 Prediction results

從前面12期的預(yù)測結(jié)果看，神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果誤差很小，能夠滿足要求。根據(jù)預(yù)測的2016年8月—2016年10月3個月的安全生產(chǎn)評估數(shù)據(jù)，可以用神經(jīng)網(wǎng)絡(luò)預(yù)測到其專家評價值(表4)。根據(jù)上述的安全評價等級，郭白鐵路專用線8月安全等級為“中”，而9月和10月安全等級應(yīng)為“良”。

4 結(jié) 語

采用改進(jìn)過的BP神經(jīng)網(wǎng)絡(luò)對郭白鐵路專用線進(jìn)行安全評價以及預(yù)測未來的郭白鐵路專用線安全評價值，改進(jìn)過的BP神經(jīng)網(wǎng)絡(luò)克服了常規(guī)神經(jīng)網(wǎng)絡(luò)容易產(chǎn)生的收斂慢、陷入極小值、預(yù)測精準(zhǔn)度不高等問題的不足，預(yù)測值與實(shí)際值誤差小，擬合度較高，準(zhǔn)確預(yù)測出了郭白鐵路專用線未來3個月的安全等級。這一網(wǎng)絡(luò)安全預(yù)測工具運(yùn)用在鐵路專用線安全評價尚不多見，具有一定參考意義。

[1] 海濤，何宇強(qiáng)，張星辰.我國鐵路危險貨物運(yùn)輸安全管理及防護(hù)對策[J].中國安全科學(xué)學(xué)報，2005，5(8)：24-28.

HAI Tao，HE Yuqiang，ZHANG Xingchen.Safety management of railway dangerous goods transportation in China and protection measures[J].ChineseJournalofSafetyScience，2005，5(8)：24-28.

[2] 張青.基于神經(jīng)網(wǎng)絡(luò)的煤礦企業(yè)經(jīng)營績效評價研究[J].煤炭學(xué)報，2002，3(2)：10-13.

ZHANG Qing.Research on coal mine enterprise management performance evaluation based on neural network[J].CoalJournal，2002，3(2)：10-13.

[3] 王東.基于BP人工神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測研究[D].武漢：武漢理工大學(xué)，2009：11-12.

WANG Dong.ShipTrafficFlowPredictionBasedonBPArtificialNeuralNetwork[D].Wuhan：Wuhan University of Technology，2009：11-12.

[4] 蔡運(yùn)磊.化工物流園區(qū)運(yùn)營模式及運(yùn)營安全評價研究[D].北京：北京交通大學(xué)，2012：21-22.

CAI Yunlei.StudyontheOperationModeandSafetyEvaluationofChemicalLogisticsPark[D].Beijing：Beijing Jiaotong University，2012：21-22.

[5] 張士昌，孫健全.基于神經(jīng)網(wǎng)絡(luò)理論的礦井安全管理評價[J].煤礦安全，2003，34(14)：53-55.

ZHANG Shichang，SUN Jianquan.Mine safety management evaluation based on neural network theory[J].CoalMineSafety，2003，34(14)：53-55.

[6] 楊天軍，張曉春，楊曉光.基于BP神經(jīng)網(wǎng)絡(luò)的城市道路交通安全評價研究[J].中國礦業(yè)大學(xué)學(xué)報，2005，34(1)：15-17.

YANG Tianjue，ZHANG Xiaochun，YANG Xiaoguang.Research on urban road traffic safety evaluation based on BP neural network[J].JournalofChinaUniversityofMiningandTechnology，2005，34(1)：15-17.

[7] 羅成漢.基于MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的BP網(wǎng)絡(luò)實(shí)現(xiàn)[J].計算機(jī)仿真，2001，2(5)：109-111.

LUO Chenghan.Implementation of BP network based on MATLAB neural network toolbox[J].ComputerSimulation，2001，2(5)：109-111.

(責(zé)任編輯：朱漢容)

Safety Evaluation of Special Line for Guo-Bai Railway Based on BP Neural Network

SHI Hongguo，ZHANG Peng，LEI Yanhong

(School of Transportation and Logistics，Southwest Jiaotong University，Chengdu 610031，Sichuan，P.R.China)

There is a great potential safety hazard in the special line of Guo-Bai Railway，due to its backward basic equipments and natural serious disaster.Therefore，it is very significant to carry out the safety evaluation on it.Because BP neural network had strong adaptability to the nonlinear and complexity of the safety evaluation of the special line of Guo-Bai Railway，the safety evaluation model of the special line of Guo-Bai Railway was established based on BP neural network.The improved BP neural network algorithm was adopted in the proposed model.Compared with the conventional algorithm，the improved BP neural network algorithm had the advantages of fast convergence，high calculation accuracy and high prediction accuracy.According to the special characteristics of the special line of Guo-Bai Railway，a set of safety evaluation index system easy to assign value and fit the actuality was set up，which increased the reliability of the model.The safety evaluation model of the special line of Guo-Bai Railway based on BP neural network and its prediction results provide reference and basis for the scientific management of the special line of Guo-Bai Railway.

traffic and transportation engineering; BP neural network; security evaluation; model; reliability

2016-04-18；

2016-07-14

國家自然科學(xué)基金項目(U1334201)

石紅國(1974—)，男，河南偃師人，副教授，博士，主要從事列車牽引計算，交通運(yùn)輸安全方面的工作。E-mail：28220814 @qq.com。

10.3969/j.issn.1674-0696.2017.06.16

U298.1

A

1674-0696(2017)06-099-04