專利名稱：：工程科學信息處理的補償方法
技術領域：
：本發(fā)明是一種利用神經(jīng)網(wǎng)絡技術自動實現(xiàn)工程科學信息處理的補償方法，屬于"測繪科學與技術"學科中的"測量誤差數(shù)據(jù)處理"
技術領域：
。
背景技術：
：知識之海浩浩蕩蕩，現(xiàn)有知識猶如滄海一粟，而很多工程問題非常復雜，現(xiàn)有知識是遠不足以給出完備解答的，因此，對復雜工程問題的解答通常只能是近似的。本發(fā)明方法是設法對工程科學計算的近似值進行修正，即實現(xiàn)對工程科學信息處理的誤差進行補償。具體而言，在工程科學領域中，經(jīng)常需要利用多個變量(如x,、x2.....x)計算某個重要變量(如y)的值。由于我們往往不知道其函數(shù)關系真值，在工程科學信息處理中，先設定變量之間滿足一個函數(shù)關系式，如y=6。+6^+62;c2+...+6"x，式中6,為待定參數(shù)。然后，利用大量的測量(或試驗)數(shù)據(jù)，根據(jù)最小二乘法來計算這些待定參數(shù)6,，并利用統(tǒng)計理論分析方法來判斷該函數(shù)關系是否有效。事實上，如此進行工程科學計算是近似的，其計算值往往存在偏差。如果能探測出偏差值，并設法對此偏差進行補償，這就意味著可以大大改善工程科學計算的結果。例如，在大壩變形監(jiān)測中，可以根據(jù)大壩水壓荷載(A)和溫度荷載(A)來計算大壩變形(.y)，而大壩變形值是判斷大壩安全的重要指標之一。目前，在"測量誤差數(shù)據(jù)處理"
技術領域：
，工程科學信息處理的補償方法主要有附加系統(tǒng)參數(shù)法、附加系統(tǒng)權法、最小二乘配置法、半?yún)?shù)模型法等四種常規(guī)方法。但概括起來，這些常規(guī)方法存在以下不足1)這四種常規(guī)方法的中間過程比較復雜，而且，中間過程往往需要人工進行判別。2)模型中有些參數(shù)的確定需要進行大量試算工作，且參數(shù)值的取值不同，對補償效果的影響較大。如，半?yún)?shù)模型中的正則矩陣S和平滑因子a的確定比較困難，而且S和a的取值不同，對補償結果有較大影響。3)經(jīng)過大量工程實例結果分析，這四種常規(guī)方法均有一定的補償作用，但補償效果不顯著。針對常規(guī)方法存在的以上不足，本發(fā)明通過研究神經(jīng)網(wǎng)絡BP算法，提出采用一個特殊的BP網(wǎng)絡結構來實現(xiàn)工程科學信息處理的補償，充分發(fā)揮了神經(jīng)網(wǎng)絡技術的優(yōu)勢。
發(fā)明內(nèi)容技術問題本發(fā)明是一種利用神經(jīng)網(wǎng)絡技術自動實現(xiàn)工程科學信息處理的補償方法，按照本發(fā)明"技術方案"中的四個步驟，可求出工程科學計算的偏差值，并實現(xiàn)對該工程科學信息處理的補償。整個過程無需人工干預，自動化程度高。技術方案本發(fā)明的工程科學信息處理補償?shù)姆椒?)工程科學信息采集在工程科學領域，需要利用"個變量x,，^，…，x"來求取變量y的值。首先進行信息采集，即通過測量或試驗得到S個子樣，數(shù)據(jù)整理格式見表1。(注本方法對子樣個數(shù)S有要求，具體要求見公式(2)。)表1所有子樣測量結果數(shù)據(jù)表(格式)<table>tableseeoriginaldocumentpage5</column></row><table>2)工程科學信息處理根據(jù)信息采集結果(表1)，設定工程科學信息處理關系式_V=60++62x2+...+6";c"(1)式中，6。A,…,6"為待定參數(shù)。待定參數(shù)的個數(shù)為g，上式(="+1。(注也可以采用其他函數(shù)關系式，但需要計算函數(shù)式中的待定參數(shù)個數(shù)^，以下原理和方法相同。)本方法要求子樣個數(shù)S要滿足<formula>formulaseeoriginaldocumentpage6</formula>(2)利用表1中各子樣數(shù)據(jù)，根據(jù)《測量平差》的"最小二乘法"原則，可以按下式求待定參數(shù)X的值<formula>formulaseeoriginaldocumentpage6</formula>(3)式中:<formula>formulaseeoriginaldocumentpage6</formula>(4)3)神經(jīng)網(wǎng)絡模擬根據(jù)公式(5)對所有子樣進行計算，求出各個子樣的"工程計算值/"和"偏差值Ay"，整理格式見表2。<formula>formulaseeoriginaldocumentpage6</formula>(5b)表2工程科學計算結果表(格式)<table>tableseeoriginaldocumentpage6</column></row><table>將表2的數(shù)據(jù)構成學習樣本，利用神經(jīng)網(wǎng)絡BP算法進行訓練。BP網(wǎng)絡結構為(n+1)XPX1，參考圖1(注n為變量x,的個數(shù))。(1)BP網(wǎng)絡的輸入層元素個數(shù)為(n+1)，分別為(x,，^,…，x",/)，最后一個元素/是工程計算值。(2)BP網(wǎng)絡的隱含層元素個數(shù)為P。這里給出P值的計算公式P=12+n+INT(S/10)式中n為變量x,的個數(shù)；S為子樣個數(shù)。如，假設n-2，S=18，則P-15。(3)BP網(wǎng)絡的輸出層元素個數(shù)1，為偏差值Av。神經(jīng)網(wǎng)絡對S個子樣的模擬訓練結束后，實質(zhì)上，就得到了該工程Av的神經(jīng)網(wǎng)絡計算模型。4)補償方法工程科學信息處理誤差的補償公式為=/+(6)式中，/為工程計算值；Av-為神經(jīng)網(wǎng)絡模擬值；.1^為補償之后的計算結果。該方法利用神經(jīng)網(wǎng)絡技術自動實現(xiàn)，該方法具體包括以下步驟a.工程科學信息采集在工程科學領域，需要利用"個變量^^，…，^來求取變量y的值，首先，通過測量或試驗得到S個子樣，并對子樣數(shù)據(jù)按照要求進行整理，整理之后的數(shù)據(jù)格式為乂.；^,;c2,.,…,x",.;!'-l，2,…,s，n為變量jc的個數(shù)，b.工程科學信息處理設定工程科學計算關系式>>=60++62x2+…+6x式中，6。A，…，、為待定參數(shù)，上式待定參數(shù)的個數(shù)^="+1,要求子樣個數(shù)s要滿足S22g+2，根據(jù)S個子樣信息，按照下式計算待定參數(shù)6,的值<formula>formulaseeoriginaldocumentpage7</formula>c.神經(jīng)網(wǎng)絡模擬先根據(jù)下式計算各個子樣的"工程計算值/"和"偏差值Ay"，<formula>formulaseeoriginaldocumentpage8</formula>將子樣的有關信息進行整理，整理之后的數(shù)據(jù)格式為;^,X2,，…，;c",.,乂；A乂.；/=1,2，'..，5然后，將上述數(shù)據(jù)構成學習樣本，利用神經(jīng)網(wǎng)絡BP算法進行訓練，BP網(wǎng)絡結構為(n+1)XPX1,Cl.BP網(wǎng)絡的輸入層元素個數(shù)為n+1，分別為；c,，&,…,^,/,C2.BP網(wǎng)絡的隱含層元素個數(shù)為P，P值的計算公式P=12+n+INT(S/10)式中n為變量;c的個數(shù)；S為子樣個數(shù)；C3.BP網(wǎng)絡的輸出層元素個數(shù)1，為偏差值Ay，神經(jīng)網(wǎng)絡對S個子樣的模擬訓練結束后，實質(zhì)上就得到了該工程偏差值Ay的神經(jīng)網(wǎng)絡計算模型，d.補償方法工程科學信息處理的補償公式為少*=_)/+Aj;*式中，/為工程計算值；A;^為神經(jīng)網(wǎng)絡模擬值；少*為經(jīng)過補償之后的結果。有益效果本發(fā)明的工程科學信息處理補償?shù)姆椒ň哂幸韵聝?yōu)點1)本發(fā)明方法的自動化程度高。按照本發(fā)明"技術方案"中的四個步驟，可求出工程科學計算的偏差值，并實現(xiàn)對該工程科學信息處理的補償。整個過程無需人工干預，自動化程度高。2)經(jīng)過大量工程實例應用結果分析，本發(fā)明方法，對工程科學信息處理的補償效果較常規(guī)方法要好很多。圖1是神經(jīng)網(wǎng)絡BP網(wǎng)絡結構圖。具體實施例方式下面結合具體實施例，對本發(fā)明方法作進一步詳細說明。實施例為大壩變形監(jiān)測。在大壩變形監(jiān)測中，通常根據(jù)大壩水壓荷載(JC,)和溫度荷載(x2)來計算大壩變形(y)，而大壩變形值是判斷大壩安全的重要指標之一。1)工程科學信息采集(野外測量)首先，對大壩進行測量，以便獲取大量數(shù)據(jù)?，F(xiàn)采集到某大壩一年的測量數(shù)據(jù)，經(jīng)過對原始觀測數(shù)據(jù)的整理，構成了36個樣本(見表3中第1列一第4列)。本例選用表3中前18個子樣數(shù)據(jù)作為"學習樣本"，對本發(fā)明方法進行試驗。為了檢驗本發(fā)明方法的效果，將表3中后18個子樣構成"檢驗樣本"，以便對本發(fā)明方法與常規(guī)方法的結果進行比較。表3具體工程實例數(shù)據(jù)表(含計算結果)<table>tableseeoriginaldocumentpage9</column></row><table><table>tableseeoriginaldocumentpage10</column></row><table>2)工程科學信息處理(測量平差)對于大壩變形監(jiān)測，設定大壩變形(_V)與大壩水壓荷載(x,)和溫度荷載(x2)的關系式為<formula>formulaseeoriginaldocumentpage10</formula>(7)式中，6。、Z),、^為待定參數(shù)。本例待定參數(shù)的個數(shù)g-3，因此，根據(jù)公式(2)計算，學習樣本數(shù)S應大于等于8。本例S^18，滿足要求。利用表3中前18個子樣數(shù)據(jù)，根據(jù)公式(3)求出3個待定參數(shù)的值，具體結果見表4。表4待定參數(shù)6,計算結果表<table>tableseeoriginaldocumentpage10</column></row><table>3)神經(jīng)網(wǎng)絡模擬先根據(jù)公式(7)計算出各個子樣的"工程計算值/"和"偏差值Ay"(計算結果列于表3中第5列、第6列)。然后，利用神經(jīng)網(wǎng)絡BP算法對18個"學習樣本"進行訓練。BP網(wǎng)絡結構為(n+1)XPX1。本例為3X15X1。(1)BP網(wǎng)絡的輸入層元素個數(shù)為3，分別為(a,a,;/)。(2)BP網(wǎng)絡的隱含層元素個數(shù)為P，本例P-12+n+INT(S/10)=15。(3)BP網(wǎng)絡的輸出層元素個數(shù)1，為偏差值Ay。經(jīng)過以上步驟，便可得到工程偏差值Ay的神經(jīng)網(wǎng)絡計算模型。4)補償方法按照公式(6)進行補償計算。經(jīng)過補償之后，工程科學計算結果得到改善(見表3中第7列)。5)比較分析用表3中后18個子樣作為檢驗樣本，來檢驗不同方法的補償效果。利用下式評價其精度(中誤差M)-M=、i>:"')2/"(8)式中，,為第/點不同方法的計算結果，y,為第/點的已知值(表3中第2歹U)，n為檢驗樣本的個數(shù)?，F(xiàn)用五種方法(見表5)進行工程科學信息處理誤差補償，經(jīng)過補償之后，對18個檢驗樣本進行檢驗，并用(8)式進行精度評定(計算中誤差M)，以便分析不同補償方法的補償效果。(注檢驗樣本的中誤差M越小，精度越高，表明補償效果越好。)表5五種補償方法"檢驗樣本"精度結果<table>tableseeoriginaldocumentpage11</column></row><table>由表5可知，針對18個檢驗樣本，四種常規(guī)補償方法都有一定效果，經(jīng)補償之后，檢驗樣本精度都有不同程度的提高。而本發(fā)明方法補償效果比常規(guī)方法好很多，其精度M僅為士0.26mm。本發(fā)明方法補償之后的結果乂見表3中第7列，補償效果良好。權利要求1、一種工程科學信息處理的補償方法，其特征在于，該方法利用神經(jīng)網(wǎng)絡技術自動實現(xiàn)，該方法具體包括以下步驟a.工程科學信息采集在工程科學領域，需要利用n個變量x1，x2，…，xn來求取變量y的值，首先，通過測量或試驗得到S個子樣，并對子樣數(shù)據(jù)按照要求進行整理，整理之后的數(shù)據(jù)格式為yi；x1i，x2i，…，xni；i＝1，2，…，s，n為變量x的個數(shù)，b.工程科學信息處理設定工程科學計算關系式y(tǒng)＝b0+b1x1+b2x2+...+bnxn式中，b0，b1，…，bn為待定參數(shù)，上式待定參數(shù)的個數(shù)Q＝n+1，要求子樣個數(shù)S要滿足S≥2Q+2，根據(jù)S個子樣信息，按照下式計算待定參數(shù)bi的值<mathsid="math0001"num="0001"><math><![CDATA[<mrow><munder><mi>X</mi><mrow><mi>Q</mi><mo>&times;</mo><mn>1</mn></mrow></munder><mo>=</mo><mfencedopen='('close=')'><mtable><mtr><mtd><msub><mi>b</mi><mn>0</mn></msub></mtd></mtr><mtr><mtd><msub><mi>b</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>b</mi><mi>n</mi></msub></mtd></mtr></mtable></mfenced><mo>=</mo><msup><mrow><mo>(</mo><msup><mi>A</mi><mi>T</mi></msup><mi>A</mi><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><mo>&CenterDot;</mo><msup><mi>A</mi><mi>T</mi></msup><mi>L</mi><mo>,</mo></mrow>]]></math>id="icf0001"file="A2008100226500002C1.tif"wi="47"he="24"top="145"left="33"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>其中，<mathsid="math0002"num="0002"><math><![CDATA[<mrow><munder><mi>A</mi><mrow><mi>S</mi><mo>&times;</mo><mi>Q</mi></mrow></munder><mo>=</mo><mfencedopen='('close=')'><mtable><mtr><mtd><mn>1</mn></mtd><mtd><msub><mi>x</mi><mn>11</mn></msub></mtd><mtd><msub><mi>x</mi><mn>21</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>x</mi><mrow><mi>n</mi><mn>1</mn></mrow></msub></mtd></mtr><mtr><mtd><mn>1</mn></mtd><mtd><msub><mi>x</mi><mn>12</mn></msub></mtd><mtd><msub><mi>x</mi><mn>22</mn></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>x</mi><mrow><mi>n</mi><mn>2</mn></mrow></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd><mo>.</mo></mtd><mtd></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mn>1</mn></mtd><mtd><msub><mi>x</mi><mrow><mn>1</mn><mi>S</mi></mrow></msub></mtd><mtd><msub><mi>x</mi><mrow><mn>2</mn><mi>S</mi></mrow></msub></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msub><mi>x</mi><mi>nS</mi></msub></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math>id="icf0002"file="A2008100226500002C2.tif"wi="52"he="24"top="146"left="97"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths><mathsid="math0003"num="0003"><math><![CDATA[<mrow><munder><mi>L</mi><mrow><mi>S</mi><mo>&times;</mo><mn>1</mn></mrow></munder><mtext>=</mtext><mfencedopen='('close=')'><mtable><mtr><mtd><msub><mi>y</mi><mn>1</mn></msub></mtd></mtr><mtr><mtd><msub><mi>y</mi><mn>2</mn></msub></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msub><mi>y</mi><mi>S</mi></msub></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math>id="icf0003"file="A2008100226500002C3.tif"wi="18"he="24"top="146"left="153"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>c.神經(jīng)網(wǎng)絡模擬先根據(jù)下式計算各個子樣的“工程計算值y′”和“偏差值Δy”，y′i＝b0+b1x1i+b2x2i+...+bnxniΔyi＝y(tǒng)i-y′i＝1，2，…，s將子樣的有關信息進行整理，整理之后的數(shù)據(jù)格式為x1i，x2i，…，xni，y′i；Δyi；i＝1，2，…，s然后，將上述數(shù)據(jù)構成學習樣本，利用神經(jīng)網(wǎng)絡BP算法進行訓練，BP網(wǎng)絡結構為(n+1)×P×1，C1.BP網(wǎng)絡的輸入層元素個數(shù)為n+1，分別為x1，x2，…，xn，y′，C2.BP網(wǎng)絡的隱含層元素個數(shù)為P，P值的計算公式P＝12+n+INT(S/10)式中n為變量x的個數(shù)；S為子樣個數(shù)；C3.BP網(wǎng)絡的輸出層元素個數(shù)1，為偏差值Δy，神經(jīng)網(wǎng)絡對S個子樣的模擬訓練結束后，實質(zhì)上就得到了該工程偏差值Δy的神經(jīng)網(wǎng)絡計算模型，d.補償方法工程科學信息處理的補償公式為y*＝y(tǒng)′+Δy*式中，y′為工程計算值；Δy*為神經(jīng)網(wǎng)絡模擬值；y*為經(jīng)過補償之后的結果。全文摘要工程科學信息處理的補償方法是利用神經(jīng)網(wǎng)絡技術自動實現(xiàn)的補償方法，具體步驟為1)工程科學信息采集、2)工程科學信息處理、3)神經(jīng)網(wǎng)絡模擬、4)補償方法；采用本發(fā)明方法，可求出工程科學計算的偏差值，并實現(xiàn)對該工程科學信息處理誤差的補償。整個過程無需人工干預，自動化程度高。經(jīng)過大量工程實例應用結果分析，本發(fā)明方法，對工程科學信息處理的補償效果較常規(guī)方法要好很多。文檔編號G06N3/06GK101319890SQ200810022650公開日2008年12月10日申請日期2008年7月18日優(yōu)先權日2008年7月18日發(fā)明者胡伍生申請人:東南大學