基于神經(jīng)網(wǎng)絡(luò)的火災(zāi)損失建模與預(yù)測(cè).pdf

1、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，簡(jiǎn)稱(chēng)ANN)的理論和方法在過(guò)去的幾十年發(fā)展極為迅速，它的應(yīng)用范圍已涉及到了工程、計(jì)算機(jī)、物理、生物、經(jīng)濟(jì)、管理等科學(xué)領(lǐng)域。ANN是一種模擬人腦信息處理方法的非線(xiàn)性系統(tǒng)，具有較強(qiáng)的處理非線(xiàn)性問(wèn)題的能力，比較適合于一些信息復(fù)雜、知識(shí)背景不清楚和推理規(guī)則不明確問(wèn)題的建模，例如本論文中關(guān)于火災(zāi)損失預(yù)測(cè)的建模。 本文主要基于神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性逼近性質(zhì)建立預(yù)測(cè)模型，來(lái)研究我國(guó)

2、火災(zāi)損失的預(yù)測(cè)問(wèn)題。神經(jīng)網(wǎng)絡(luò)模型的實(shí)現(xiàn)需要掌握計(jì)算機(jī)編程語(yǔ)言及較高的編程能力，這在一定程度上不利于神經(jīng)網(wǎng)絡(luò)技術(shù)的推廣和使用。而MATLAB軟件提供了一個(gè)現(xiàn)成的神經(jīng)網(wǎng)絡(luò)工具箱(Neural Network Toolbox，NNT)，為解決這個(gè)難題提供了便利條件。本文首先建立人工神經(jīng)網(wǎng)絡(luò)理論模型，然后結(jié)合NNT對(duì)算法進(jìn)行了實(shí)現(xiàn)。 本文建模采用的是反向傳播(Back Propagation，BP)網(wǎng)絡(luò)與徑向基函數(shù)(Radial Ba

3、sis Function，RBF)網(wǎng)絡(luò)。在對(duì)原始數(shù)據(jù)進(jìn)行平滑處理的基礎(chǔ)上學(xué)習(xí)與訓(xùn)練，并應(yīng)用于火災(zāi)損失預(yù)測(cè)的實(shí)踐中。模擬結(jié)果表明，該方法在實(shí)際預(yù)測(cè)中效果較為理想，從而為火災(zāi)損失的預(yù)測(cè)提供了一種新的方法和理論依據(jù)。 本論文要做了以下工作： (1)介紹了人工神經(jīng)網(wǎng)絡(luò)理論，回顧了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史，論述了BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)的基本知識(shí)和特點(diǎn)，為本論文的建模提供了基礎(chǔ)。 (2)討論了應(yīng)用BP神經(jīng)網(wǎng)絡(luò)與RB

4、F神經(jīng)網(wǎng)絡(luò)進(jìn)行火災(zāi)損失預(yù)測(cè)的理論基礎(chǔ)，分析了兩種神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)與原理，并利用它們建立了火災(zāi)損失預(yù)測(cè)模型，用MATLAB語(yǔ)言編寫(xiě)了相應(yīng)的程序。 (3)利用本論文建立的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)我國(guó)的火災(zāi)損失進(jìn)行了預(yù)測(cè)，結(jié)果表明本論文建立的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型是成功的、有效的。 本論文的結(jié)構(gòu)安排如下： 第一章為前言部分，介紹了人工神經(jīng)網(wǎng)絡(luò)理論，回顧了人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史，綜述了本文研究的背景、論文研究的目的、意義以及