[發(fā)明專利]一種基于GA-BP神經(jīng)網(wǎng)絡算法的城市生態(tài)建設評價方法

在審

• 申請?zhí)枺?/td>: 201711328389.2
• 申請日: 2017-12-13
• 公開（公告）號: CN108009639A
• 公開（公告）日: 2018-05-08
• 發(fā)明（設計）人: 雒江濤;向中偉;蔡功;公慧;宋航成;劉建偉;邱建華;岳希峰;鄒濤;孫小明
• 申請（專利權）人: 重慶郵電大學;航天科工智慧產(chǎn)業(yè)發(fā)展有限公司;重慶兩江新區(qū)建設管理局;重慶兩江新區(qū)龍興工業(yè)園建設投資有限公司;北京清華同衡規(guī)劃設計研究院有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06F19/00;G06Q50/26
• 代理公司: 北京同恒源知識產(chǎn)權代理有限公司 11275
• 代理人: 趙榮之

1.一種基于GA-BP神經(jīng)網(wǎng)絡算法的城市生態(tài)建設評價方法，其特征在于：該方法包括以下步驟：

步驟1：構建城市生態(tài)評價評價指標體系；

步驟2：生成用于訓練和測試城市城市生態(tài)評價神經(jīng)網(wǎng)絡的數(shù)據(jù)樣本；

步驟3：確定用于城市生態(tài)評價的神經(jīng)網(wǎng)絡結構；

步驟4：利用遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡的初始權值和閾值；

步驟5：利用訓練數(shù)據(jù)集通過神經(jīng)網(wǎng)絡訓練，生成城市生態(tài)評價模型，并利用測試數(shù)據(jù)集進行優(yōu)化。

2.根據(jù)權利要求1所述的一種基于GA-BP神經(jīng)網(wǎng)絡算法的城市生態(tài)建設評價方法，其特征在于：所述步驟1具體為：篩選出影響城市城市生態(tài)性的8大影響因素作為一級指標；根據(jù)REMAP(Relevant,Environmentallysound,Measurable,Attainable,Professionalscope)原則對8大一級指標下的2級指標進行篩選，構建城市城市生態(tài)評價指標體系。

3.根據(jù)權利要求1所述的一種基于GA-BP神經(jīng)網(wǎng)絡算法的城市生態(tài)建設評價方法，其特征在于：所述步驟2具體為：根據(jù)構建的城市生態(tài)評價指標體系，采集對應的城市指標數(shù)據(jù)；針對采集的數(shù)據(jù)，通過專家打分法來對城市的生態(tài)性進行評分，構造用于訓練和測試神經(jīng)網(wǎng)絡的樣本數(shù)據(jù)；并對用于訓練和測試神經(jīng)網(wǎng)絡的樣本數(shù)據(jù)進行離差標準化處理，對樣板數(shù)據(jù)進行線性變換，使結果落到[0,1]區(qū)間。

4.根據(jù)權利要求1所述的一種基于GA-BP神經(jīng)網(wǎng)絡算法的城市生態(tài)建設評價方法，其特征在于：所述步驟3具體為：城市生態(tài)評價模型的神經(jīng)網(wǎng)絡結構采用三層的BP神經(jīng)網(wǎng)絡，包括一個輸入層，一個隱含層和一個輸出層；輸入層神經(jīng)元個數(shù)為城市生態(tài)評價指標數(shù)d，輸出層神經(jīng)元個數(shù)l定為5個，分別代表優(yōu)、良、一般、較差、差五個等級，隱含層神經(jīng)元個數(shù)q由公式(d+1)/2確定；隱含層和輸出層神經(jīng)元都采用Sigmoid函數(shù)作為激勵函數(shù)，用于神經(jīng)元由輸入計算輸出，學習率取0-1之間的數(shù)值，網(wǎng)絡訓練的終止條件包括誤差閾值和迭代次數(shù)，誤差閾值取0.001-0.0001之間的數(shù)值，迭代次數(shù)取1000次，初始權值和閾值通過GA函數(shù)確定。

5.根據(jù)權利要求1所述的一種基于GA-BP神經(jīng)網(wǎng)絡算法的城市生態(tài)建設評價方法，其特征在于：所述步驟4具體為：遺傳算法采用實數(shù)編碼，將網(wǎng)絡所有的權值和閾值，包括輸入層與隱含層之間的權值、隱含層與輸出層的權值、隱含層閾值和輸出層閾值，按順序級聯(lián)形成染色體；在連接權值和閾值范圍內，隨機產(chǎn)生p個染色體，形成初始化群體；確定適應度函數(shù)為網(wǎng)絡誤差平方和的倒數(shù)，根據(jù)適應度函數(shù)計算每個個體的適應度值，當群體中適應度最高值滿足精度要求，則返回適應度最高值所對應的染色體，否則進行遺傳進化操作；對初始群體進行選擇、交叉、變異操作，產(chǎn)生新一代群體；計算新群體成員的適應度值，選取最優(yōu)適應度值，判斷最優(yōu)適應度值是否滿足條件，若滿足，則輸出最優(yōu)適應度值所對應染色體，若不滿足，則反復迭代，直到滿足條件為止。

6.根據(jù)權利要求1所述的一種基于GA-BP神經(jīng)網(wǎng)絡算法的城市生態(tài)建設評價方法，其特征在于：所述步驟5具體為：輸入具有d維指標向量的k個樣本進入BP網(wǎng)絡輸入層，根據(jù)遺傳算法返回的初始權值和閾值，計算出當前樣本的輸出，進而計算出期望輸出與實際輸出的均方誤差，判斷均方誤差是否達到精度要求，若達到，則結束訓練，否則進入后續(xù)步驟；根據(jù)均方誤差更新連接權值和閾值，輸入樣本數(shù)據(jù)，依據(jù)更新后的連接權值和閾值，計算出均方誤差；將輸出的均方誤差與設定的誤差閾值進行比較，若均方誤差滿足誤差要求，則停止訓練，否則反復迭代，直至滿足精度要求或達到訓練次數(shù)，訓練結束。