環境問題的神經元網絡評價方法
2023-11-30 16:30:26
環境問題的神經元網絡評價方法
【專利摘要】本發明提供了一種環境問題的神經元網絡評價方法，包括以下步驟：S1、採集各類環境問題評價的數據；S2、建立各類環境問題評價的資料庫；S3、獲取對各類環境問題評價有顯著性影響的主客觀因素；S4、對各類環境問題評價有顯著性影響的因素進行主成分分析，獲取對各類環境問題評價有顯著性影響的獨立因素，將有顯著性影響的獨立因素作為環境問題評價神經元網絡模型的輸入變量，建立環境問題評價神經元網絡的初步模型；S5、獲取最優神經元網絡模型來進行各類環境問題評價。本發明的有益效果是：可以為環境工程師提前給出保護方案、為城市規劃階段設立相應的保護措施提供重要的量化依據。
【專利說明】環境問題的神經元網絡評價方法
【技術領域】
[0001]本發明涉及環境問題的評價方法，尤其涉及一種環境問題的神經元網絡評價方法。
【背景技術】
[0002]隨著城市化快速發展，我國環境問題越來越突出。目前，我國針對環境問題的處理方式，主要是由環境工程師進行解決，採取一種「頭痛醫頭、腳痛醫腳」的被動式處理方法，缺乏系統化、整體化、前瞻性的應對策略。這主要是由於缺乏科學化、體系化的評價手段造成的。
[0003]目前的環境評價技術主要針對存在的環境問題開展現場調查、實測，根據對調查、實測結果的統計分析，尋找環境問題癥結，從而提出解決方案。
[0004]這種補救式的環境評價方法只能是針對某一特定區域、特定環境的評價。是一種「一事一議」的環境評價方法，對其他相類似的環境問題評價沒有直接性幫助。同時，這樣的方法是對已破壞環境的修補，而對未來的建設發展沒有直接的借鑑作用。
[0005]當前，快速城市化使解決環境問題的速度比不上城市發展的速度。這主要是傳統的環境評價方法無法對城市規劃階段隱藏的環境問題進行評價，從而導致建設後的環境問題不斷湧現。
[0006]已有環境評價技術較為簡單，不適宜解決普遍性問題。對獲得的環境評價信息沒有充分利用，浪費了實地調研的人力物力。這種方法沒有充分利用信息資源庫的優勢，導致解決環境問題的局限性。
[0007]總體而言，已有技術的最大缺陷在於不能針對環境問題提供前瞻性應對措施。環境評價的主要目的在於了解環境問題的主要癥結。很多環境問題有著極為相似的問題癥結，通過對某一類問題的調研分析，應該能夠對今後類似問題的產生起到預警作用。因此，利用環境調研的大量數據，採用計算機科學技術，改變現有「一事一議」的環境評價方法，提出一種能在規劃建設階段就能預判環境問題的方法，使可能發生的環境問題解決在城市規劃設計階段是本發明的主要目的。
【發明內容】
[0008]為了解決現有技術中的問題，本發明提供了一種科學化、體系化的環境問題的神經元網絡評價方法，可以使城市規劃師、設計師在城市規劃與設計階段了解城市建設對環境的影響程度，為環境工程師提前給出保護方案、為城市規劃階段設立相應的保護措施提供重要的量化依據。
[0009]本發明提供了一種環境問題的神經元網絡評價方法，包括以下步驟:
51、採集各類環境問題評價的數據；
52、建立各類環境問題評價的資料庫；
53、通過相關性分析了解各類環境問題評價的數據對各類環境問題評價的影響，得到對環境問題評價有顯著性影響的因素；
54、基於統計模型的相關性分析結果，將對環境問題評價有顯著性影響的因素進行主成分分析，得到對環境評價有顯著獨立性影響的因素，將該對環境評價有顯著獨立性影響的因素作為環境評價神經元網絡模型的輸入變量，建立環境評價神經元網絡模型的初步模型；
55、利用步驟S2建立的資料庫，對步驟S4建立的環境評價神經元網絡模型的初步模型進行訓練、檢驗、校核、優化，得到最優的神經元網絡模型。
[0010]作為本發明的進一步改進，步驟SI中的各類環境問題評價的數據包括大氣、水、噪聲、土壤、生物多樣性的客觀環境數據以及人的主觀評價數據。
[0011]作為本發明的進一步改進，步驟SI為:採集各類環境問題評價的歷史數據和現狀數據。
[0012]作為本發明的進一步改進，步驟S3通過採用統計分析模型的方法，求解輸入變量與輸出變量的相關性，得到對環境問題評價有顯著性影響的因素。
[0013]作為本發明的進一步改進，步驟S4將對環境評價有顯著獨立性影響的因素作為環境評價神經元網絡模型的輸入變量，建立環境評價神經元網絡的初步模型，該環境評價神經元網絡的初步模型根據輸入變量的個數M與輸出變量個數N之差來確定中間層數n，以及用來做運算的神經元個數m，基於輸入變量與輸出變量的個數差值，設置與差值數少I到2的層數作為神經元模型結構層，將每層神經元個數設置為上層神經元m個數的m-2個，並以這樣的設置方式建立多個環境評價神經元網絡的初步模型。
[0014]作為本發明的進一步改進，步驟S5中環境評價神經元網絡模型的初步模型進行優化包括:根據神經元網絡反向傳播算法，在資料庫的支持下，確定最優的神經元網絡模型。
[0015]作為本發明的進一步改進，步驟S5中環境評價神經元網絡模型的初步模型進行訓練的過程中，比較環境評價神經元網絡模型的初步模型結果與真實結果的差值，利用觀察反向傳播算法自動調整的參數，對環境評價神經元網絡模型的初步模型結構進行微調，得到最優的神經元網絡模型。
[0016]本發明的有益效果是:通過上述方案，充分利用大量的實際調研數據，建立海量環境信息資料庫，進而利用神經元網絡對大數據的先進學習能力，發展對城市規劃所體現的「未來環境」的預判式的評價方法。這樣的技術能將環境保護工作提前到城市建設的前期階段，杜絕當前環境問題「先破壞，後治理」的現象發生，可以使城市規劃師、設計師在城市規劃與設計階段了解城市建設對環境的影響程度，為環境工程師提前給出保護方案、為城市規劃階段設立相應的保護措施提供重要的量化依據。
【專利附圖】
【附圖說明】
[0017]圖1是本發明一種環境問題的神經元網絡評價方法的流程圖；
圖2是本發明一種環境問題的神經元網絡評價方法的神經元網絡模型的結構示意圖； 圖3是本發明一種環境問題的神經元網絡評價方法的神經元網絡模型的優化過程示意圖。
【具體實施方式】
[0018]下面結合【專利附圖】
【附圖說明】及【具體實施方式】對本發明進一步說明。
[0019]如圖1至圖3所示，本發明根據現實環境問題的大量數據，構建不同場景下環境評價的資料庫，從而建立神經元網絡學習需要的海量案例。通過統計學相關性分析模型研宄現實社會中影響環境評價的條件要素，確定環境評估神經元網絡的輸入變量，再通過模型運算來調整神經元網絡結構，並選取最優參數降低網絡模型的複雜性，獲得準確的評價結果O
[0020]在模型運算過程中，需要將掌握的海量數據分為學習數據、檢查數據和校核數據。在模型構建過程中，採用模型結構由簡到難的原則，通過調整神經元節點數與隱藏層數的方式，以海量的數據為基礎來優化模型，避免發生「過擬合」現象，選取最佳模型。
[0021]一種環境問題的神經元網絡評價方法，包括以下步驟:
(1)採集各類環境問題評價的歷史數據和現狀數據，包括大氣、水、噪聲、土壤、生物多樣性等客觀環境數據、人的主觀數據、以及主觀評價數據；
(2)建立各類環境問題評價的海量「資料庫」；
(3)通過相關性分析了解環境主客觀數據對各類環境評價的影響。由於神經元網絡的「魯棒性」，一般性的神經元網絡模型不考慮輸入與輸出變量的關係，而是將所有可能影響輸出變量的因素都考慮為輸入變量。然而，針對環境問題評價這一問題，由於影響環境評價的因素十分廣泛，導致需要輸入神經元網絡的變量十分龐大，從而使神經網絡結構過於複雜，增加了運算的難度；也可能導致運算無法收斂的結果。這一困難也是導致神經元網絡較少用於研宄主觀評價問題的原因。本發明則通過採用統計分析模型的方法，求解輸入與輸出變量的相關性；以顯著性相關因素作為輸入變量，從而極大地減少了輸入變量的數量，精簡、優化了神經元網絡結構，進而能獲得較好、較準確的神經元網絡預測結果，提高了神經元網絡模型預測環境主觀評價問題的可行性和準確性。這種利用統計模型，確定環境影響輸入變量，精簡神經元網絡結構，使之更有效、更精準的實驗方法，是本發明的主要創新點之一;
(4)基於統計模型的相關性分析結果，將對環境評價有顯著性影響的主客觀因素再做主成分分析，確定對環境評價有顯著獨立性影響的因素；將這些因素作為環境評價神經元網絡模型的輸入變量，建立環境評價神經元網絡初步模型。初步模型結構根據輸入變量的個數M與輸出變量個數N之差來確定模型的中間層數n，以及用來做運算的神經元個數m。基於輸入變量與輸出變量的個數差值，設置與差值數少I到2的層數作為神經元模型結構層；將每層神經元個數設置為上層神經元m個數的m-2個(見圖2)，並以這樣的設置方式建立多個可能存在的神經元網絡初步模型；
(5)利用環境問題評價資料庫的海量數據，對神經元網絡初步模型進行訓練、檢驗並校核，根據神經元網絡反向傳播算法的優勢，在大量數據支撐下，確定最優的神經元網絡模型，淘汰用時多、精確性較低的模型；在模型訓練過程中，比較模型計算結果與真實結果的差值，利用觀察反向傳播算法自動調整的參數，對模型結構進行微調，使之達到最優、最精確的運算狀態(見圖3)。本發明利用神經元網絡具有對線性與非線性問題進行分析的優勢，實現利用「環境主客觀因素」來預測「環境主觀評價」這一複雜性問題，從而實現城市規劃設計過程中預判潛在環境問題的目的。神經元網絡模型預測的準確性在於其學習案例的深度與廣度。由於環境影響問題具有長期性、多發性特點，因此一般各個城市環保部門都有長期的環境監測數據和調查數據，對利用神經元網絡模型進行環境問題評價提供了基礎條件。同時，由於我國城市化發展過程中，不斷出現的環境問題具有重複性的特點，因此基於長期海量數據積累而發展的神經元網絡模型，能夠準確預判城市未來建設中的相似問題；從而充分利用累次環境問題調研的數據資料，發揮環境數據最大效率。
[0022]當前的環境評估技術不具有前瞻性的評價作用，只是針對實際問題的討論，提出的方法也只能解決某一具體發生的環境問題。而本發明提供的一種環境問題的神經元網絡評價方法的主要貢獻在於充分發揮環境問題實地調研的大數據信息優勢，利用計算機科學的人工神經元預判式功能，將環境數據進行深入挖掘，在針對大量現存數據的學習分析基礎上，通過神經元模型的「魯棒性」功能，對「即將發生」的類似環境問題進行預判，從而能夠在城市建設的前期階段，充分評估建設對環境可能造成的影響，從而能更好解決城市發展與環境協調問題，有利於實現我國生態文明建設的發展目標。本發明將能夠在建設初期階段進行環境問題的整體性、普適性、預判性評估，突破了現有方法「一事一議」的局限性。
[0023]本發明提供的一種環境問題的神經元網絡評價方法的關鍵工作是利用神經元網絡模型的智能技術發展對建設環境的預評估。主要創新點是計算機技術在環境工程和城市規劃設計交叉領域中的應用。因此，發明需要保護的要點是發展該類神經元模型的構建方法，神經元模型的結構選擇方法，以及神經元模型計算中參數選擇方法等一系列技術要點。
[0024]以上內容是結合具體的優選實施方式對本發明所作的進一步詳細說明，不能認定本發明的具體實施只局限於這些說明。對於本發明所屬【技術領域】的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干簡單推演或替換，都應當視為屬於本發明的保護範圍。
【權利要求】
1.一種環境問題的神經元網絡評價方法，其特徵在於，包括以下步驟: 51、採集各類環境問題評價的數據； 52、建立各類環境問題評價的資料庫； 53、通過相關性分析了解各類環境問題評價的數據對各類環境問題評價的影響，得到對環境問題評價有顯著性影響的因素； 54、基於統計模型的相關性分析結果，將對環境問題評價有顯著性影響的因素進行主成分分析，得到對環境評價有顯著獨立性影響的因素，將該對環境評價有顯著獨立性影響的因素作為環境評價神經元網絡模型的輸入變量，建立環境評價神經元網絡模型的初步模型； 55、利用步驟S2建立的資料庫，對步驟S4建立的環境評價神經元網絡模型的初步模型進行訓練、檢驗、校核、優化，得到最優的神經元網絡模型。
2.根據權利要求1所述的環境問題的神經元網絡評價方法，其特徵在於:步驟SI中的各類環境問題評價的數據包括大氣、水、噪聲、土壤、生物多樣性的客觀環境數據以及人的主觀評價數據。
3.根據權利要求1所述的環境問題的神經元網絡評價方法，其特徵在於:步驟SI為:採集各類環境問題評價的歷史數據和現狀數據。
4.根據權利要求1所述的環境問題的神經元網絡評價方法，其特徵在於:步驟S3通過採用統計分析模型的方法，求解輸入變量與輸出變量的相關性，得到對環境問題評價有顯著性影響的因素。
5.根據權利要求1所述的環境問題的神經元網絡評價方法，其特徵在於:步驟S4將對環境評價有顯著獨立性影響的因素作為環境評價神經元網絡模型的輸入變量，建立環境評價神經元網絡的初步模型，該環境評價神經元網絡的初步模型根據輸入變量的個數M與輸出變量個數N之差來確定中間層數n，以及用來做運算的神經元個數m，基於輸入變量與輸出變量的個數差值，設置與差值數少I到2的層數作為神經元模型結構層，將每層神經元個數設置為上層神經元m個數的m-2個，並以這樣的設置方式建立多個環境評價神經元網絡的初步模型。
6.根據權利要求1所述的環境問題的神經元網絡評價方法，其特徵在於:步驟S5中環境評價神經元網絡模型的初步模型進行優化包括:根據神經元網絡反向傳播算法，在資料庫的支持下，確定最優的神經元網絡模型。
7.根據權利要求1所述的環境問題的神經元網絡評價方法，其特徵在於:步驟S5中環境評價神經元網絡模型的初步模型進行訓練的過程中，比較環境評價神經元網絡模型的初步模型結果與真實結果的差值，利用觀察反向傳播算法自動調整的參數，對環境評價神經元網絡模型的初步模型結構進行微調，得到最優的神經元網絡模型。
【文檔編號】G06N3/02GK104484701SQ201410700572
【公開日】2015年4月1日 申請日期:2014年11月28日 優先權日:2014年11月28日
【發明者】餘磊 申請人:哈爾濱工業大學深圳研究生院