2.1 基于电力建设工程造价灰色神经网络模型

基于灰色神经网络输入向量为X=()T;隐含层输出向量为Y=()T;输出层的输出向量为O=)T;期望输出向量为;输入层到隐含层之间的权值矩阵,其中列向量为隐含层第j个大规模自组织神经元对应的权向量;隐含层到输入层之间的权值矩阵,其中列向量为输出层第k个大规模自组织神经元对应的权向量.各层信号之间的算法结构为:⑴⑵

⑶⑷

以上式中的均为S类型函数,的导数方程为:⑸

以下是基于电力建设工程造价灰色神经网络输出与期望输出的均方误差为:⑹

则电力建设工程造价训练样本输出层和隐含层的权值调整量分别为:⑺⑻

⑼

式中:为比例系数,在电力建设网络模型训练中代表学习速率.如果灰色自组织神经网络有个隐含层,各隐含层节点分别记为,各隐含层输出分别记为,则各层权值调整灰色神经网络模型运算计算公式分别如下:

输出层⑽

第隐含层

⑾

第一隐含层 ⑿

综合上述预测分析在灰色神经在电力建设工程造价中学习算法运用各层权值调整公式均由学习速率、本层输出的误差信号和本层输入数字离散信号处理决定在网络训练样本学习的过程受决策环境复杂程度和训练样本的收敛性即需要增大样本量来提高电力建设工程造价所学知识的代表性应注意在收集某个问题领域的样本时,注意样本的全面性、代表性以及提高样本的精确性,增大抗干扰噪声,还可以采用其他方法收集多层训练样本数据。

3 结束语

基于电力建设工程造价方案的选择问题是一个复杂的系统多属性决策问题,评价因素多而且相互之间的关系比较复杂.通过构建灰色神经网络决策模型,综合考虑到电力建设工程方案选择过程中的多方案、多因素、多目标特点,避免了单指标方案选择过程中存在的决策偏离问题.通过该模型优化全面分析多层目标指标间的相互关系,较好地解决单指标无法全面反映工程方案多目标的问题,为电力建设工程方案优选提供了一种可靠的途径数据。

编辑老师为大家整理了工业工程毕业论文发表，希望对大家有所帮助。更多详情请点击工学论文。