論文關(guān)鍵字:灰色神經(jīng)網(wǎng)絡(luò)　電力建設(shè)工程　模型

　　論文摘要:基于智能電力建設(shè)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(yīng)用體系，它強調(diào)人的智能參與和強調(diào)智能算法的靈活應(yīng)用與解決復雜問題的過程中表現(xiàn)出了良好的適應(yīng)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(yù)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(jié)合，應(yīng)用灰色神經(jīng)網(wǎng)絡(luò)分析方法處理電力建設(shè)工程造價決策問題，使電力建設(shè)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(jīng)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(shè)發(fā)展面臨著新的挑戰(zhàn).在電力行業(yè)在各國經(jīng)濟發(fā)展中占據(jù)優(yōu)先發(fā)展的地位，電力建設(shè)工程造價與其他電力建設(shè)工程造價相比，具有電力建設(shè)工程造價規(guī)模大、周期長的特點.基于眾多的電力建設(shè)工程造價方案中選擇較優(yōu)方案是電力建設(shè)工程造價決策的關(guān)鍵技術(shù).在電力建設(shè)工程造價方案比選過程中的評價指標有工程造價凈現(xiàn)值、電力建設(shè)工程造價回收期、財務(wù)內(nèi)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(jié)合，用灰色神經(jīng)網(wǎng)絡(luò)度分析方法來計算決策矩陣和建立模型[1]，并應(yīng)用到實際電力建設(shè)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(jù)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(guān)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(jīng)網(wǎng)絡(luò)原理及應(yīng)用
　　基于灰色神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)的預(yù)測，運用灰色系統(tǒng)的數(shù)據(jù)信息預(yù)處理方式搭建電力建設(shè)工程造價即灰色生成來優(yōu)化神經(jīng)網(wǎng)絡(luò)的建模應(yīng)用于智能電力建設(shè)工程造價中的問題預(yù)測。

　　2 基于電力建設(shè)工程造價與灰色神經(jīng)網(wǎng)絡(luò)模型研究
　　基于灰色神經(jīng)網(wǎng)絡(luò)是以訓練樣本算法即誤差反向傳播算法即灰色神經(jīng)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(quán)值和閾值來應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)的第一層向后計算各層大規(guī)模自組織神經(jīng)元的輸出和最后層向前計算各層權(quán)值和閾值對總誤差的梯度進而對前面各層的權(quán)值和閾值進行修改運算反復直到神經(jīng)網(wǎng)絡(luò)樣本收斂。

　　2.1 基于電力建設(shè)工程造價灰色神經(jīng)網(wǎng)絡(luò)模型
　　基于灰色神經(jīng)網(wǎng)絡(luò)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(quán)值矩陣，其中列向量為隱含層第j個大規(guī)模自組織神經(jīng)元對應(yīng)的權(quán)向量;隱含層到輸入層之間的權(quán)值矩陣，其中列向量為輸出層第k個大規(guī)模自組織神經(jīng)元對應(yīng)的權(quán)向量.各層信號之間的算法結(jié)構(gòu)為:
　　⑴⑵
　　⑶⑷
　　以上式中的均為S類型函數(shù)，的導數(shù)方程為:⑸
　　以下是基于電力建設(shè)工程造價灰色神經(jīng)網(wǎng)絡(luò)輸出與期望輸出的均方誤差為:⑹
　　則電力建設(shè)工程造價訓練樣本輸出層和隱含層的權(quán)值調(diào)整量分別為:⑺⑻
　　⑼
　　式中:為比例系數(shù)，在電力建設(shè)網(wǎng)絡(luò)模型訓練中代表學習速率.如果灰色自組織神經(jīng)網(wǎng)絡(luò)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(quán)值調(diào)整灰色神經(jīng)網(wǎng)絡(luò)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(yù)測分析在灰色神經(jīng)在電力建設(shè)工程造價中學習算法運用各層權(quán)值調(diào)整公式均由學習速率、本層輸出的誤差信號和本層輸入數(shù)字離散信號處理決定在網(wǎng)絡(luò)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(shè)工程造價所學知識的代表性應(yīng)注意在收集某個問題領(lǐng)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(shù)據(jù)。

　　3 結(jié)束語
　　基于電力建設(shè)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(guān)系比較復雜.通過構(gòu)建灰色神經(jīng)網(wǎng)絡(luò)決策模型，綜合考慮到電力建設(shè)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(guān)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(shè)工程方案優(yōu)選提供了一種可靠的途徑數(shù)據(jù)。

　　參考文獻:
　　[1]汪應(yīng)洛.系統(tǒng)工程理論、方法與應(yīng)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(yīng)用[M].北京:科學出版社，2007:51-95.