基于TSBP網(wǎng)絡的效率評價研究——以高速鐵路與社會經(jīng)濟相互影響為例.pdf

1、效率評價研究產(chǎn)出指標相對于投入指標的轉化程度高低，而指標之間的相互影響呈現(xiàn)出復雜的非線性關系，傳統(tǒng)的效率評價方法存在數(shù)學模型使用前提限制、缺乏自我學習能力、不能充分利用以往的經(jīng)驗知識等方面的缺陷，BP(back propagation，BP)神經(jīng)網(wǎng)絡的非線性處理能力是解決此類問題的一條有效途徑，但是其自身也存在著一定的局限性。針對BP神經(jīng)網(wǎng)絡易收斂于局優(yōu)的缺陷，引入具有全局尋優(yōu)性能的禁忌搜索(Tabu Search，TS)算法優(yōu)化BP網(wǎng)

2、絡的學習訓練過程；對BP神經(jīng)網(wǎng)絡的權值調整策略進行改進，提出自適應搜索策略，用以協(xié)調TS算法中集中性搜索與多樣性搜索之間的矛盾，并將兩種策略融合形成TSBP(Back Propagation based on Tabu Search，TSBP)算法。本文以TSBP算法作為TSBP網(wǎng)絡的學習訓練算法，提出具有普適性的TSBP網(wǎng)絡通用框架，將TSBP網(wǎng)絡用于進行效率評價，以鐵路對沿線區(qū)域社會的影響為研究對象驗證TSBP算法的有效性。

3、　　主要的研究工作可以概括為：
　　(1)針對標準BP算法中以單訓練樣本網(wǎng)絡誤差為指導逐步調整各層連接權值的耗時間題，提出以批處理訓練樣本對的網(wǎng)絡累積誤差為指導進行網(wǎng)絡權值調整過程，一方面保障全局誤差按梯度下降，另一方面縮短網(wǎng)絡的學習訓練時間，同時迭代過程中訓練樣本對的輸入順序不會對網(wǎng)絡的收斂速度產(chǎn)生影響。
　　(2)針對TS算法中集中性搜索與多樣性搜索之間的矛盾，提出自適應搜索策略，通過鄰域和候選集的相互配合以動態(tài)地調整候

4、選集中分別用于集中性搜索和多樣性搜索的元素個數(shù)，根據(jù)候選解中網(wǎng)絡誤差值與前一次迭代過程中網(wǎng)絡誤差值的比較來調整下一步的搜索策略。
　　(3)將TSBP網(wǎng)絡用于進行效率評價，以“高速鐵路與社會經(jīng)濟相互影響分析及評價”為項目背景，基于經(jīng)濟組效率評價研究的相關數(shù)據(jù)，構建TSBP網(wǎng)絡模擬鐵路線的建設運營對周邊地區(qū)四省三市社會影響程度的非線性映射關系，對比標準BP網(wǎng)絡的訓練預測結果，分析說明本文構建的TSBP網(wǎng)絡具有更高的求解質量、能夠更好