基于人工神经网络的港口泊位建设模糊评估

黎继子　方呈祥

(武汉交通科技大学,武汉430063)

摘　要　将神经网络理论应用于港口泊位建设模糊综合评价,给出了网络拓扑结构的设计以及相应的网络学习过程。通过实例表明,应用神经网络评价港口泊位建设具有有效性和可靠性。关键词　神经网络　学习算法　港口泊位建设评估

AMethodofFuzzyComprehensiveEvaluation

ofHarbourConstructionBasedonArtificialNeuralNetwork

LiJizi　FangChengxiang

(WuhanTransportationUniversity,Wuhan430063)

Abstract　Thispaper,applyingthetheoryofneuralnetworkintothefuzzycomprehensiveevaluationoftheconstructionofberth,presentsthedesignofthetopologicalneuralnetworkandcorrespondentlearningalgorithm,sonecasehistoriesshowthatthismethodiseffectiveandreliable.

Keywords　neuralnetwork　learningalgorithm　evaluationofberthconstruction

引　言

港口作为国家重要基础设施,建设投资大,投资回收期长,它的建设不仅牵涉到港口自然条件、腹地经济情况等,还涉及到全国的运输布局、货运量、流向以及运输经济性。因此科学系统地对港口泊位建设进行评估,能保证港、船、货多方利益,以及港口的社会效益。在此之前,作者应用模糊数学中的一些理论和方法,建立评价港口泊位建设的数学模型[1],并通过计算机技术[3],在评价集装箱泊位码头时取得比较满意的效果,但该模型缺乏自适应、自学习能力,摆脱不了决策过程中的随机性和确定各因素权重时存在主观性,使评价的稳定性、可靠性程度受到一定影响,从而可能导致决策失误。

　　本文把人工神经网络(ArtificialNeuralNetworks)理论应用于港口泊位建设模糊综合评估,

第一作者黎继子,男,硕士,讲师,管理信息系统专业,现从事信息

系统研究。收稿日期:1999201218

利用ANN具有较高的建模能力及对数据良好拟合特性,建立一基于前向三层BP神经元量化评价模型。通过对已知样本学习,获得评价专家的经验、知识以及对目标重要性的权重协调能力,网络便可再现评价专家的经验、知识,从而降低了评价过程中人为因素影响,较好地保证评价结果的客观性。

1　人工神经网络(ANN)

ANN是一种包括许多简单的非线性计算单元

或连接点的非线性动力系统,每层由若干结点组成,第K层的每个结点直接与第K+1层的每个结点连接,第一层为输入层,最后一层为输出层,输出层与输入层之间是隐层。如图1所示的n-n1-m的网络,n为输入层结点数,n1为隐层结点

数,m为输出层结点数,各个连接对应一个权值,通过修正这些权值来“学习”或“训练”网络,从而修正输入到输出映射的网络函数。在图1BP神经网络中,各节点之特性为Sigmoid型函数,即:　　　f(μj)=[1+exp(-μi)]-1

={1+exp[-(ΣWijXj-Qj)]}-1