劉璇 王坤

（吉林省藥品檢驗所 吉林省長春市 130033）

近年來，隨著經(jīng)濟和科技的發(fā)展，化學(xué)品作為基本生產(chǎn)資料和人民生活不可或缺的重要物資，需求量越來越大，化學(xué)品的使用也逐漸繁多，其中也有許多危險化學(xué)品對環(huán)境甚至人身造成傷害，在所發(fā)生的化學(xué)品事故中，現(xiàn)場化學(xué)品的處理成為防止二次事故首要目標(biāo)，因此對于此類的化學(xué)品無論是在運輸還是檢測、存儲的過程中必須進(jìn)行分類處理，迫切需要系統(tǒng)有效的安全管理。

對于危險化學(xué)品的分類和識別，本文采用了人工神經(jīng)網(wǎng)絡(luò)法（ANN），人工神經(jīng)網(wǎng)絡(luò)的基本模型類似人類神經(jīng)元中信息傳遞的過程，通過模擬神經(jīng)元的方式在計算機上模擬出人類邏輯推理過程，ANN 能夠有效解決線性和非線性問題[1]。神經(jīng)網(wǎng)絡(luò)算法中BP 算法是采用誤差反向傳播模型，具有很強的自學(xué)能力，可以通過學(xué)習(xí)后用于對多個危險指標(biāo)進(jìn)行系統(tǒng)的評價或者預(yù)測。李懷俊[2]針對危化品運輸企業(yè)建立了BP 神經(jīng)網(wǎng)絡(luò)評價模型，實現(xiàn)了自學(xué)習(xí)的安全評價系統(tǒng)。張光華[3]通過PCA 算法對?；反斑M(jìn)行特診提取，再使用BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行了分類識別，提出了根據(jù)已知特征數(shù)據(jù)通過神經(jīng)網(wǎng)絡(luò)的計算來對其進(jìn)行分類。張嘉亮、楊美芝[4]等創(chuàng)建了一種風(fēng)險預(yù)警模型，劃分了不同化學(xué)品風(fēng)險等級并用神經(jīng)網(wǎng)絡(luò)對風(fēng)險預(yù)測模型進(jìn)行了監(jiān)測。

1 基于化學(xué)品檢測的BP神經(jīng)網(wǎng)絡(luò)算法

1.1 BP神經(jīng)網(wǎng)絡(luò)

BP 神經(jīng)網(wǎng)絡(luò)是由輸入層，隱含層以及輸出層構(gòu)建的一個多層的復(fù)合網(wǎng)絡(luò)結(jié)構(gòu)，在每一層中都有多個神經(jīng)元即網(wǎng)絡(luò)節(jié)點與下一層的神經(jīng)元通過權(quán)重進(jìn)行相連，在神經(jīng)網(wǎng)絡(luò)的運算過程中分為正向信號傳播以及誤差的反向傳播，二者同時進(jìn)行。在計算出隱含層以及輸出層的輸出后，獲得對應(yīng)的誤差結(jié)果，然后再根據(jù)隱含層和輸出層中各個神經(jīng)節(jié)點的閾值及權(quán)重來對誤差進(jìn)行調(diào)整，在誤差的反向傳播的同時不斷更新隱含層和輸出層的閾值和權(quán)重[5]其誤差函數(shù)為：

其中，d(k)為期望輸出，y(k) 為實際輸出。

由此，神經(jīng)網(wǎng)絡(luò)的識別流程如圖1 所示。

1.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)設(shè)計

1.2.1 BP 神經(jīng)網(wǎng)絡(luò)基本框架的構(gòu)建

在明確所建立的化學(xué)品檢驗的神經(jīng)網(wǎng)絡(luò)的輸入層，隱含層以及輸出層后，其三層拓?fù)浣Y(jié)構(gòu)如圖2 所示。

上圖是一種典型的多層的神經(jīng)網(wǎng)絡(luò)。其中，xi(i=1,2…n)組成輸入層輸入向量：

yi(i=1,2…m)組成輸出層的輸出向量：

1.2.2 輸入層，隱含層以及輸出層的設(shè)計

圖1：化學(xué)品檢測神經(jīng)網(wǎng)絡(luò)識別流程

圖2：三層神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

圖3：算法下均方誤差的收斂

該模型的輸入由多個數(shù)據(jù)指標(biāo)構(gòu)成，輸出則為相關(guān)化學(xué)品的危險程度，故輸出層節(jié)點個數(shù)對應(yīng)樣本中指標(biāo)個數(shù)n，輸出層為1，而隱含層通常有經(jīng)驗公式[6]來確定：

其中，p 為隱含層的節(jié)點數(shù)量；m 和n 分別為輸出和輸入層的節(jié)點個數(shù)；a 為區(qū)間[1,10]內(nèi)任意常數(shù)。

1.2.3 選取激勵函數(shù)

激勵函數(shù)是神經(jīng)網(wǎng)絡(luò)中各個層次節(jié)點之間信息傳遞的一個重要手段，通常隱含層的神經(jīng)元有兩種S 型傳遞函數(shù)（logsig，tansig），而輸出層的神經(jīng)元多采用的傳遞函數(shù)是一種線性函數(shù)（purelin）。

本文隱含層選用S 型傳遞函數(shù)中的tansig 函數(shù)，輸出層選用則為線性傳遞函數(shù)purelin。神經(jīng)網(wǎng)絡(luò)模型確定后通過調(diào)用神經(jīng)網(wǎng)絡(luò)工具箱中的"newff" 函數(shù)來構(gòu)建自定義的神經(jīng)網(wǎng)絡(luò)，并使用基本的MATLAB 語言和矩陣運算來實現(xiàn)網(wǎng)絡(luò)構(gòu)建和訓(xùn)練的過程。

2 基于BP神經(jīng)網(wǎng)絡(luò)的化學(xué)品安全檢驗系統(tǒng)模型建立

2.1 影響化學(xué)品安全因素選取

化學(xué)品的安全性除本身所帶有的危險性之外還與諸多因素有關(guān)，賦予化學(xué)品所處在危險的等級區(qū)分，能夠更好的實現(xiàn)對不同危險等級采取不同的安全保護措施。對于化學(xué)品的危險性主要有化學(xué)品的物理以及化學(xué)特性，存儲環(huán)境因素等[7]。本文選取化學(xué)品易燃性，刺激性，環(huán)境危害性，毒性，人體損傷性等量化指標(biāo)進(jìn)行分析。形成300 組數(shù)據(jù)樣本，并將數(shù)據(jù)輸入至建立好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行網(wǎng)絡(luò)訓(xùn)練。在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)完成后，通過60 組測試樣本進(jìn)行測試，來確定所建立模型的有效性。其中，本文擬出化學(xué)品安全等級劃分如表1 所示。

表1：化學(xué)品安全等級表

2.2 危險品檢測神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

因為上文列出的五種參量單位和量級都不同，為了便于神經(jīng)網(wǎng)絡(luò)收斂，使誤差達(dá)到最小，在使用上述幾種變量組成的向量作為神經(jīng)網(wǎng)絡(luò)的輸入向量輸入至神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練前，需要對其進(jìn)行歸一化處理，本文使用MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱中Premnmx 函數(shù)對上述參量進(jìn)行歸一化處理[8]。其調(diào)用格式為：

其中P,T 分別為原始的輸入和輸出數(shù)據(jù)。

在確定神經(jīng)網(wǎng)絡(luò)整體結(jié)構(gòu)后，運算過程中神經(jīng)網(wǎng)絡(luò)工具箱的具體參數(shù)設(shè)置如表2 所示。

按照以上設(shè)置我們對神經(jīng)網(wǎng)絡(luò)進(jìn)行了300 組訓(xùn)練以及對60 組測試集樣本進(jìn)行了測試，危險品檢測系統(tǒng)的訓(xùn)練結(jié)果如圖3 所示。

表2：神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

3 結(jié)果及分析

實驗結(jié)果表明，在300 組訓(xùn)練集輸入至神經(jīng)網(wǎng)絡(luò)訓(xùn)練后，60組測試樣本的測試結(jié)果顯示只有2 組數(shù)據(jù)與期望輸出不符，該神經(jīng)網(wǎng)絡(luò)對化學(xué)品類別的識別率達(dá)97%，由于訓(xùn)練樣本集有限，理論上來說一定數(shù)量的訓(xùn)練樣本集能夠使得神經(jīng)網(wǎng)絡(luò)中權(quán)系數(shù)及閾值的組合能夠使得測試樣本的實際輸出能夠更逼近期望輸出。