論文關鍵字:灰色神經網絡　電力建設工程　模型

　　論文摘要:基于智能電力建設工程造價是一個非線性最優(yōu)融合智能算法、運用知識自動處理及有效的計算機應用體系,它強調人的智能參與和強調智能算法的靈活應用與解決復雜問題的過程中表現出了良好的適應性和可操作性等.同時對某市送電線路歷史工程樣本訓練和實例樣本計算分析,驗證了該方法的預測準確性和收斂性及將灰色系統(tǒng)理論與層次分析法進行有機地結合,應用灰色神經網絡分析方法處理電力建設工程造價決策問題,使電力建設工程造價方案決策過程具有科學性與實踐性。 
　　
　　0 引言
　　隨著社會經濟的快速發(fā)展、社會的進步、科技和多層信息化水平的提高以及全球資源和環(huán)境問題的日益突出與電力建設發(fā)展面臨著新的挑戰(zhàn).在電力行業(yè)在各國經濟發(fā)展中占據優(yōu)先發(fā)展的地位,電力建設工程造價與其他電力建設工程造價相比,具有電力建設工程造價規(guī)模大、周期長的特點.基于眾多的電力建設工程造價方案中選擇較優(yōu)方案是電力建設工程造價決策的關鍵技術.在電力建設工程造價方案比選過程中的評價指標有工程造價凈現值、電力建設工程造價回收期、財務內部收益率等,使決策變得復雜且很難做出.基于灰色系統(tǒng)理論、模糊理論進行有機的結合,用灰色神經網絡度分析方法來計算決策矩陣和建立模型`1`,并應用到實際電力建設工程造價決策中,可為決策者提供一種有效的決策途徑,根據灰色系統(tǒng)理論,研究和分析決策系統(tǒng)影響因素間的相互關系及對系統(tǒng)主要目標的貢獻,該研究方法考慮了傳統(tǒng)因素分析方法并避免了模糊理論處理方法的種種弊端。
　　1 基于灰色神經網絡原理及應用
　　基于灰色神經網絡模型為基礎的預測,運用灰色系統(tǒng)的數據信息預處理方式搭建電力建設工程造價即灰色生成來優(yōu)化神經網絡的建模應用于智能電力建設工程造價中的問題預測。
　　2 基于電力建設工程造價與灰色神經網絡模型研究
　　基于灰色神經網絡是以訓練樣本算法即誤差反向傳播算法即灰色神經算法的學習過程分為信息的正向傳播和誤差的反向傳播`2`,其通過訓練樣本前一次迭代的權值和閾值來應用神經網絡技術的第一層向后計算各層大規(guī)模自組織神經元的輸出和最后層向前計算各層權值和閾值對總誤差的梯度進而對前面各層的權值和閾值進行修改運算反復直到神經網絡樣本收斂。
　　2.1 基于電力建設工程造價灰色神經網絡模型
　　基于灰色神經網絡輸入向量為X=()T;隱含層輸出向量為Y=()T;輸出層的輸出向量為O=)T;期望輸出向量為;輸入層到隱含層之間的權值矩陣,其中列向量為隱含層第j個大規(guī)模自組織神經元對應的權向量;隱含層到輸入層之間的權值矩陣,其中列向量為輸出層第k個大規(guī)模自組織神經元對應的權向量.各層信號之間的算法結構為:

`NextPage`　?、泞?
　　⑶⑷
　　以上式中的均為S類型函數,的導數方程為:⑸
　　以下是基于電力建設工程造價灰色神經網絡輸出與期望輸出的均方誤差為:⑹
　　則電力建設工程造價訓練樣本輸出層和隱含層的權值調整量分別為:⑺⑻
　?、?
　　式中:為比例系數,在電力建設網絡模型訓練中代表學習速率.如果灰色自組織神經網絡有個隱含層,各隱含層節(jié)點分別記為,各隱含層輸出分別記為,則各層權值調整灰色神經網絡模型運算計算公式分別如下:
　　輸出層⑽
　　第隱含層
　　 ⑾
　　第一隱含層 ⑿
　　綜合上述預測分析在灰色神經在電力建設工程造價中學習算法運用各層權值調整公式均由學習速率、本層輸出的誤差信號和本層輸入數字離散信號處理決定在網絡訓練樣本學習的過程受決策環(huán)境復雜程度和訓練樣本的收斂性即需要增大樣本量來提高電力建設工程造價所學知識的代表性應注意在收集某個問題領域的樣本時,注意樣本的全面性、代表性以及提高樣本的精確性,增大抗干擾噪聲,還可以采用其他方法收集多層訓練樣本數據。
　　3 結束語
　　基于電力建設工程造價方案的選擇問題是一個復雜的系統(tǒng)多屬性決策問題,評價因素多而且相互之間的關系比較復雜.通過構建灰色神經網絡決策模型,綜合考慮到電力建設工程方案選擇過程中的多方案、多因素、多目標特點,避免了單指標方案選擇過程中存在的決策偏離問題.通過該模型優(yōu)化全面分析多層目標指標間的相互關系,較好地解決單指標無法全面反映工程方案多目標的問題,為電力建設工程方案優(yōu)選提供了一種可靠的途徑數據。
　　參考文獻:
　　`1`汪應洛.系統(tǒng)工程理論、方法與應用`M`.北京:高等教育出版社,1992.
　　`2`劉思峰.灰色系統(tǒng)理論及其應用`M`.北京:科學出版社,2007:51-95.