3遺傳神經網絡的建筑安全評價模型

　　為了選取最優權值，減小極小化目標輸出和實際輸出之間的誤差，采用反向傳播算法和遺傳算法相結合，對神經元網絡進行求解。綜合安全評價步驟如下：

　　步驟1：確定安全評價對象集。

　　步驟2：建立安全評價指標體系。系統的安全狀況可用一系列評價指標表示，每個指標都從不同的側面刻畫系統的安全狀況，以此確定人工神經網絡的輸入層、隱層和輸出層的節點數，構筑人工神經網絡。

　　步驟3：應用AHP方法確定與各項安全評價指標相對應的初始權重系數。相對于某種安全評價目的來說，評價指標之間的相對重要性是不同的，安全評價指標之間的相對重要性的大小是靠權重系數的大小來體現的。

　　步驟4：令種群代數k←k+1。

　　步驟5：初始化染色體，并檢驗其可行性。

　　步驟6：通過交叉、變異、復制更新權重向量。

　　步驟7：選擇安全評價的指標的學習樣本，供GA-ANN訓練，學習。利用訓練好的神經網絡權值來計算染色體的誤差和適應度。

　　步驟8：根據誤差函數計算每個權重向量的適應度。

　　步驟9：如果k〈N，返回步驟2。

?

　　步驟12：給出人工神經網絡的最優解。

　　4 遺傳神經網絡建筑安全評價系統的工程實現

　　4.1 數據處理
　　
設建筑安全評價的影響因素有6個指標，各項評價指標的等級分為五等，劃分的分值范圍如下：“很好”（100～85）、“較好”（85～70）、“一般”（70～55）、“較差”（55～40）、“很差”（40～0）。請100位專家對每項工程的各項安全評價指標進行評判。令“很好”賦于隸屬度1,“較好”賦于隸屬度0.8，“一般”賦于隸屬度0.6，“較差”賦于隸屬度0.4，“很差”賦于隸屬度，則可由下式得到神經網絡的輸入值。

　　其中k _i為專家評價為某一個等級的專家數占專家總數的比例。