基于人工智能算法下的木構(gòu)古建筑壽命預(yù)測(cè)模型應(yīng)用分析

夏郡 吳憲靜

摘要：文章以某歷史房屋建筑為研究對(duì)象，在構(gòu)造網(wǎng)絡(luò)技術(shù)能夠應(yīng)用在木構(gòu)古建筑壽命預(yù)測(cè)模型的基礎(chǔ)上，通過(guò)人工智能技術(shù)，建立了三種木構(gòu)古建筑壽命預(yù)測(cè)模型，并將其中的兩個(gè)進(jìn)行對(duì)比分析。旨在為木構(gòu)古建筑的維護(hù)使用提供更多參考支持。

關(guān)鍵詞：木構(gòu)古建筑;壽命預(yù)測(cè);Elman模型;BP神經(jīng)網(wǎng)絡(luò)模型

耐久性和強(qiáng)度是混凝土的兩個(gè)基本性能，混凝土結(jié)構(gòu)耐久性分析的目的是對(duì)混凝土結(jié)構(gòu)的使用壽命進(jìn)行綜合評(píng)估。從發(fā)展實(shí)際情況來(lái)看，建筑工程結(jié)構(gòu)說(shuō)明精準(zhǔn)預(yù)測(cè)分析對(duì)采取有效的措施來(lái)延長(zhǎng)建筑結(jié)構(gòu)使用壽命起著十分重要的作用。科學(xué)預(yù)測(cè)木構(gòu)古建筑使用說(shuō)明對(duì)重大木構(gòu)的管理有著十分重要的意義。但是從發(fā)展實(shí)際情況來(lái)看，由于木構(gòu)古建筑影響因素比較多，對(duì)其使用壽命的評(píng)估存在較大的難度，無(wú)法精準(zhǔn)的使用數(shù)學(xué)公式來(lái)表達(dá)描述，在此基礎(chǔ)上提出的預(yù)測(cè)模型也是十分困難的。在數(shù)字化技術(shù)的發(fā)展下文章運(yùn)用Elman模型和BP神經(jīng)網(wǎng)絡(luò)模型在木構(gòu)古建筑壽命預(yù)測(cè)中的應(yīng)用主張，現(xiàn)將具體預(yù)測(cè)分析結(jié)果闡述如下。

1BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)模型是工程建設(shè)中的常用模型之一，具體是一種按照誤差逆向傳播算法訓(xùn)練的單向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)，是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)。從基本結(jié)構(gòu)上來(lái)看，BP神經(jīng)網(wǎng)絡(luò)是典型的多層次網(wǎng)絡(luò)，具體劃分為輸入層、隱含層、輸出層，各個(gè)層之間采取一種全連接的連接方式，彼此之間存在密切的關(guān)聯(lián)。BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)參數(shù)一般從網(wǎng)絡(luò)層數(shù)、傳遞函數(shù)、各層神經(jīng)元的個(gè)數(shù)進(jìn)行考慮。在理論意義上，任意一個(gè)連續(xù)的函數(shù)都能夠和三層神經(jīng)網(wǎng)絡(luò)形成一種映射的關(guān)系。

木構(gòu)古建筑壽命BP神經(jīng)網(wǎng)絡(luò)模型所涉及到的參數(shù)包含荷載參數(shù)、環(huán)境參數(shù)、結(jié)構(gòu)材料參數(shù)等，將這三個(gè)因素作為網(wǎng)絡(luò)輸入層的重要節(jié)點(diǎn)中，對(duì)木構(gòu)建筑的壽命進(jìn)行綜合預(yù)測(cè)。

2Elman模型

Elman神經(jīng)網(wǎng)絡(luò)是一種典型的動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)，它是在BP網(wǎng)絡(luò)基本結(jié)構(gòu)的基礎(chǔ)上，在隱含層增加一個(gè)承接層，作為一步延時(shí)算子，達(dá)到記憶的目的，從而使系統(tǒng)具有適應(yīng)時(shí)變特性的能力，增強(qiáng)了網(wǎng)絡(luò)的全局穩(wěn)定性，它比前饋型神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的計(jì)算能力，還可以用來(lái)解決快速尋優(yōu)問(wèn)題。

在Elman模型中輸入層和輸出層分別對(duì)應(yīng)的是信號(hào)的傳入和輸出，隱含層對(duì)應(yīng)的激活函數(shù)能夠?qū)π盘?hào)實(shí)施必要的加權(quán)處理。在處理數(shù)據(jù)信息的時(shí)候可以采取加權(quán)計(jì)算方式，也可以采取線性計(jì)算方式。

在木構(gòu)古建筑壽命模型分析的過(guò)程中，上下文層的使用作用是記憶隱含層前一個(gè)時(shí)間段的信號(hào)輸出，也就是能夠接收到隱藏層傳遞的反饋信號(hào)。和木構(gòu)古建筑壽命BP神經(jīng)網(wǎng)絡(luò)模型相比，Elman模型在訓(xùn)練結(jié)束之后，T時(shí)刻狀態(tài)層單元接收部分的隱含層反饋輸出值會(huì)保留在t+1的時(shí)刻。

如何將Elman模型網(wǎng)絡(luò)設(shè)置成線性輸出和正切S形隱含層傳遞信號(hào)，并經(jīng)過(guò)訓(xùn)練之后能夠逼近任意的連續(xù)函數(shù)，具備反饋模式的Elman模型網(wǎng)絡(luò)能夠產(chǎn)生時(shí)間和空間兩個(gè)模式狀態(tài)，通過(guò)對(duì)系數(shù)的整合分析來(lái)打造出能夠體現(xiàn)響應(yīng)量和因子間函數(shù)關(guān)系的網(wǎng)絡(luò)模型。

3人工蜂群算法

人工蜂群算法是一種仿生類(lèi)優(yōu)化算法，被人們廣泛的應(yīng)用在木構(gòu)古建筑壽命模型分析中。在人工蜂群算法中，會(huì)使用一個(gè)蜜源代表的函數(shù)源，蜜源的質(zhì)量也充分體現(xiàn)了最優(yōu)解的優(yōu)劣，蜜源質(zhì)量越高，對(duì)應(yīng)解就會(huì)越優(yōu)劣。

在人工蜂群算法中，蜂群由引領(lǐng)蜂、跟隨蜂、偵查蜂共同組成，通過(guò)這三個(gè)蜂群的信息交流、轉(zhuǎn)換能夠有效解決木構(gòu)古建筑壽命模型建設(shè)問(wèn)題。

4基于以上三種算法的木構(gòu)古建筑壽命預(yù)測(cè)模型

文章以某歷史木構(gòu)古建筑的21個(gè)構(gòu)建模型數(shù)據(jù)信息作為基本參考，對(duì)木構(gòu)古建筑的使用壽命進(jìn)行預(yù)測(cè)分析，經(jīng)過(guò)一系列的預(yù)測(cè)分析計(jì)算獲得木構(gòu)構(gòu)件的剩余使用壽命，并基于以上幾個(gè)算法開(kāi)展木構(gòu)古建筑壽命預(yù)測(cè)分析。

為了能夠提升Elman模型網(wǎng)絡(luò)收斂速度，避免網(wǎng)絡(luò)格局陷入比較小的

狀態(tài)，在模型打造的過(guò)程中引入人工蜂群算法，借助人工蜂群算法的全局尋優(yōu)能力對(duì)Elman模型的權(quán)限數(shù)值和閾值進(jìn)行優(yōu)化處理，打造人工蜂群-Elman模型，將打造好的人工蜂群—Elman模型應(yīng)用到木構(gòu)古建筑壽命預(yù)測(cè)分析工作中，旨在能夠在以往的基礎(chǔ)上進(jìn)一步提升木構(gòu)古建筑測(cè)試結(jié)果精準(zhǔn)度。

人工蜂群—Elman混合模型的打造步驟如下所示：首先，打造出一個(gè)普通的Elman模型神經(jīng)網(wǎng)絡(luò)。其次，對(duì)人工蜂群模型數(shù)據(jù)信息進(jìn)行初始化處理，初始化過(guò)程中需要設(shè)定最大迭代次數(shù)。再次，引領(lǐng)蜂會(huì)通過(guò)一系列的搜索來(lái)獲得新的蜜源，跟隨引領(lǐng)蜂分享的蜜源信號(hào)找到蜜源。在這個(gè)過(guò)程中如果蜜源被拋棄，與之對(duì)應(yīng)的引領(lǐng)蜂會(huì)轉(zhuǎn)變?yōu)閭刹榉?，?duì)迭代進(jìn)行更新處理，在k=k+1的時(shí)候判斷這個(gè)時(shí)候的模型是否滿足迭代設(shè)計(jì)要求，如果是滿足的狀態(tài)開(kāi)始進(jìn)行下一步的操作，反之則是對(duì)人工蜂群的數(shù)據(jù)信息進(jìn)行重新初始化處理，設(shè)定參數(shù)，反復(fù)進(jìn)行引領(lǐng)蜂的引領(lǐng)。最后，在經(jīng)過(guò)一系列的操作之后輸出人工蜂群算法最優(yōu)解，打造人工蜂群—Elman混合模型。

5人工蜂群—Elman混合模型的誤差測(cè)試和分析

為了能夠更好的描述木構(gòu)古建筑壽命影響因素對(duì)古建筑壽命的影響，選擇含荷載參數(shù)、環(huán)境參數(shù)、結(jié)構(gòu)材料參數(shù)作為主要影響因素來(lái)打造出復(fù)合模型，將這些信息作為人工神經(jīng)網(wǎng)絡(luò)的輸入因子，打造Elman模型、人工蜂群算法模型和神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)模型可以作為訓(xùn)練數(shù)據(jù)，包含15組;Elman模型能夠?qū)?shù)進(jìn)行驗(yàn)證，包含3組;人工蜂群—Elman混合模型用來(lái)測(cè)試數(shù)據(jù)信息，評(píng)定模型數(shù)據(jù)應(yīng)用是否精準(zhǔn)。

在模型打造完成之后對(duì)比分析三個(gè)模型的收斂速度和結(jié)果，最終發(fā)現(xiàn)人工蜂群—Elman混合模型的收斂速度最快，且打造之后的模型性能最為理想。Elman模型的收斂速度和運(yùn)行結(jié)果都要比BP網(wǎng)絡(luò)神經(jīng)模型差。為了能夠進(jìn)一步區(qū)分文章所研究所打造模型的優(yōu)劣性，將各個(gè)模型中的各個(gè)參數(shù)預(yù)測(cè)結(jié)果和實(shí)際數(shù)值進(jìn)行比較分析，并將分析數(shù)據(jù)信息打造出模擬圖。

為了能夠更好的對(duì)比分析三個(gè)模型預(yù)測(cè)精準(zhǔn)度，打造出能夠研究出各個(gè)模型差值的精準(zhǔn)性垂直方圖。人工蜂群—Elman混合模型預(yù)測(cè)的絕對(duì)誤差整體上要小于另外兩個(gè)模型數(shù)值，且絕對(duì)誤差集中分布在86.28周?chē)?。人工蜂群—Elman混合模型在木構(gòu)古建筑壽命預(yù)測(cè)問(wèn)題上顯示出良好的應(yīng)用效果，且和單一性的模型相比，預(yù)測(cè)分析所獲得的數(shù)據(jù)更加精準(zhǔn)，收斂速度也更加明顯。

6總結(jié)

綜上所述，人工蜂群—Elman混合模型和以往的木構(gòu)古建筑壽命影響評(píng)估操作相比，在木構(gòu)古建筑壽命影響評(píng)估中更具優(yōu)越性。因此證明，人工蜂群—Elman混合模型函數(shù)具備較強(qiáng)的函數(shù)逼近能力，能夠精準(zhǔn)的反映出木構(gòu)古建筑壽命研究中的各個(gè)隱函數(shù)關(guān)系。將其推廣到一系列的古建筑屬性預(yù)測(cè)分析工作中，可以更有效的解決工程實(shí)際應(yīng)用問(wèn)題。

參考文獻(xiàn)：

[1]李鵬珊.木構(gòu)古建筑的可靠度評(píng)估及剩余壽命預(yù)測(cè)[D].河南大學(xué)，

2014.

[2]瞿偉廉，王雪亮.基于DOL強(qiáng)度衰減模型的古建筑木桁架的剩余壽命預(yù)測(cè)[J].土木工程與管理學(xué)報(bào)，2008，000（003）：1-4，9.

[3]瞿偉廉，王雪亮.基于DOL強(qiáng)度衰減模型的古建筑木桁架的剩余壽命預(yù)測(cè)[C]//全國(guó)結(jié)構(gòu)計(jì)算理論與工程應(yīng)用學(xué)術(shù)會(huì)議.2008.

[4]路志宏，杜勁峰，郭春雨，等.人工智能視頻分析監(jiān)管系統(tǒng)在工程防災(zāi)中的應(yīng)用探索[C]//第十六屆空間結(jié)構(gòu)學(xué)術(shù)會(huì)議論文集.中國(guó)土木工程學(xué)會(huì)，2016.