反向傳播神經網絡在社會發(fā)展中的智慧應用研究

關成立 楊岳

摘? 要： 人工神經網絡技術已被廣泛應用于社會經濟發(fā)展各領域中的非線性復雜問題的處理。文章闡述了反向傳播神經網絡的工作原理，研究了BP神經網絡仿真預測模型在社會經濟發(fā)展典型領域，如公共安全與災害防治、醫(yī)療、交通、教育、環(huán)保及農業(yè)、工業(yè)、第三產業(yè)經濟等領域的應用，研究表明，BP神經網絡具有廣泛的適用性和應用價值。

關鍵詞： 反向傳播神經網絡; 社會發(fā)展; 智慧; 應用

中圖分類號：TP39? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2021）05-46-03

Research on the application of back propagation neural network in the social development

Guan Chengli， Yang Yue

（Net Center， Yangjiang Polytechnic， Yangjiang， Guangdong 529566， China）

Abstract： The artificial neural network（ANN）had been widely used to deal with the nonlinear complex problems in various fields of social and economic development. This paper describes the working principle of the back propagation （BP） network and researches the application of BP network's simulation and prediction models in the typical areas of social and economic development， such as public safety and disaster prevention， medical treatment， traffic， education， environment protection as well as agriculture， industry and the third industry's economy. The research showed that the BP network had a wide range of practicability and application value.

Key words： back propagation neural network; social development; intelligence; application

0 引言

我國社會已進入“新常態(tài)”發(fā)展時期，呈現出若干新的特征，例如在2020年以來新冠病毒疫情影響下，涉及的各行業(yè)、各領域發(fā)展愈加復雜而任務艱巨。決策者的思維不定性、認識模糊性、主觀隨意性等主觀因素，以及現實的大量不確定性因子和因子目標間的非線性關系等客觀因素，均會影響決策及評價結果的準確性[1]。由于指標加權平均法、層次分析法及模糊綜合評價法等傳統評價法[2]實施前提為多個影響要素（即各評價指標）之間須呈現線性相關特點，而社會發(fā)展中涉及的管理、經濟、交通、醫(yī)療等各個行業(yè)都存在一個動態(tài)變化的進程，影響這一進程的要素眾多，且各個要素的影響大小各異，評價結果難以單純使用某數學方程式加以描述。因此，采用以上方法對各行業(yè)發(fā)展進行客觀公正的測定，具有較大的不合理性。

隨著互聯網與計算機技術理論及實踐研究不斷深入，社會必將迎接新的變革。智慧城市建設正逐漸崛起，計算機模擬技術應運而生，廣泛應用于城市管理、生物、醫(yī)療、化工、環(huán)境、交通、軍事、航天、經濟、教育等多個研究領域，已經成為當前研究的熱點課題[3-4]。對比傳統研究及評價手段，計算機模擬技術不需進行大量實際的試驗研究，而是在計算機設備上進行虛擬設計，自由實施模擬及仿真預測，能節(jié)省大量的試驗成本及研究者時間等，具有顯著的經濟、環(huán)境及社會效益。鑒于系統理論及人工智能中的神經網絡（Artificial Neural Network， ANN）是一種非線性模擬技術，其中反向傳播神經網絡（Back Propagation，BP）具備高度自主組織、自主學習、自主適應及自主推理能力[5]，它能夠解決許多非線性、復雜的現實問題，將它應用于社會經濟及城市發(fā)展中的多個領域，可以解決非線性影響的困難。

1 反向傳播神經網絡工作原理

自上世紀40年代初建立的第一個神經網絡模型開始，模仿人腦神經元結構及功能的人工智能信息處理技術，即人工神經網絡（ANN）技術引起眾多學者青睞及關注，包括Hopfield神經網絡、自適應諧振技術及反向傳播神經網絡等[6]。而在眾多神經網絡模型中，反向傳播BP神經網絡在各領域應用最為廣泛。反向傳播神經網絡源于BP算法，該算法隸屬于δ算法，是一種監(jiān)督型的導師式學習算法，本質上是以網絡實際輸出與期望輸出的均方誤差值為目標函數，基于學習樣本集運用梯度搜索技術使目標函數趨于最小值，其學習過程包括信息的正向傳播與誤差的反向傳播[7]。一般地，BP神經網絡結構由輸入層、隱含層及輸出層構成，一個典型的3層BP神經網絡拓撲結構如圖1所示[8]。

2 反向傳播神經網絡的智慧應用

2.1 在公共安全及災害防治中的應用

2019年末的新冠肺炎疫情及2020年初四川涼山森林火災將公共衛(wèi)生及安全的重要性提升至新的關注高度，動力學及數學模型在傳染病疫情發(fā)展趨勢及傳播規(guī)律預測、科學防控指導與評估、災害防治中持續(xù)發(fā)揮著重要作用，為公共安全管理者的決策與宏觀調控措施的制定提供理論依據，有利于穩(wěn)定社會情勢及維護經濟正常發(fā)展。在2003年爆發(fā)的非典疫情中，張建勛等[9]已探索采用三層反饋神經網絡模型建立SARS的傳染模型，用其預報SARS的傳播規(guī)律，結果表明將城市特征作為系統特征狀態(tài)，該模型經過各個城市的典型樣本訓練后，可通用于預測各個城市的SARS傳播規(guī)律。石姍姍等[10]利用全局人工魚群算法優(yōu)化BP神經網絡，以溫度、煙霧濃度及CO濃度為輸入神經元，以火災等級為輸出神經元，獲得收斂速度快、迭代次數小的火災預測模型，有效改進傳統火災探測器的報警準確性低以及延遲等問題，對火災預測領域有一定的適用性及推廣價值。

2.2 在醫(yī)療領域中的應用

中藥成分復雜，其提取物中的某種或幾種成分含量不能全面反映中藥的整體療效，而傳統藥效評價實驗繁瑣，影響因素眾多，結果不夠穩(wěn)定，因此，亟需科學全面評價中藥提取物質量的新技術。ANN處理非線性復雜問題的優(yōu)勢近年來在醫(yī)學領域有了廣泛的應用研究，并可應用于臨床診斷、疾病預后以及臨床決策分析等方面，為醫(yī)生提供一種客觀、準確的初步診斷結果，輔助醫(yī)生的確診診斷。馬磊等[11]以黃芩提取物為例，采用BP算法分別構建顏色-抑菌率等7種預測神經網絡模型，結果表明性狀結合成分含量指標能全面快速地評價黃芩提取物的整體質量，其中采用顏色、味道與成分含量3種指標相結合與體外抑菌率所建立的模型訓練和預測能力最好，能快速準確地預測體外抑菌率。宓保宏等[12]采集165位健康和有不同程度心肌缺血患者的紅外熱圖像，通過對紅外熱圖像人體幾何定位，提取心前區(qū)左右兩側溫差集合，并使用多種卷積核對溫差集合做降維處理，最終通過BP神經網絡在留一法交叉驗證下對訓練集訓練，并確定網絡參數，建立分類模型。測試集在網絡上分類準確率達到95.56%，可以為新樣本做出準確預測。

2.3 在交通領域中的應用

在城市及現代高鐵、飛機、公路、水路交通運輸快速發(fā)展的大背景下，交通治理有關問題日益凸顯，交通流量預測及交通安全形勢嚴峻，交通控制逐漸向網絡化及智能化方向發(fā)展?？追陛x等[13]采用深度信念網絡DBN算法優(yōu)化BP神經網絡，克服傳統BP網絡易陷入局部最優(yōu)以及函數擬合度不高的缺點，有效提高交通流預測精度。宋程等[14]結合BP神經網絡遞推預測與廣義預測控制，有效消除高速動車組網絡控制系統時延，仿真結果表明預測模型具有實時性高、控制效果好、計算速度快及魯棒性強等優(yōu)點，對高速動車組非線性網絡控制系統的設計具有重要的參考價值。

2.4 在教育領域的應用

高校教育工作中，教學內容、教學層次及人才培養(yǎng)模式等要求多樣化，因材施教及個性化學生培養(yǎng)難度大，且教學進程通常涵蓋大量非定量因素，教學質量很難實施科學合理地量化評價，高校教育變革需求迫切，發(fā)展適應新時代的智能教育。劉效含等[15]利用BP神經網絡與灰色系統，建立了一個應用于智能教育的BP-GM（1，1）預測模型，避免“一鍋端”式的教學，精準預測學生的發(fā)展傾向，在有限師資及學資條件下，對學生進行分層次的個性化培養(yǎng)，構建智能教育體系。筆者針對高職教學中實踐教學質量難以客觀評價問題，構建基于BP神經網絡的評價模型，利用職校教育實踐數據對該模型進行訓練和預測[16]。網絡運行結果表明，所建立的網絡模型可以較好反映高職實踐教學質量的優(yōu)劣，具有良好的仿真預測能力，評價結果客觀有效，適用于高校教學質量評價。

2.5 在環(huán)保領域的應用

近年來，富營養(yǎng)化、重金屬、霧霾等水及大氣環(huán)境污染問題日益嚴峻，此次新冠疫情爆發(fā)帶來的醫(yī)療廢水、廢氣、廢棄物等“三廢”的排放及處理引發(fā)新一輪環(huán)保熱議，眾多研究者致力研發(fā)新型環(huán)保工藝及環(huán)境質量評價技術。楊岳等[17]利用神經網絡的非線性映射特性建立BP神經網絡，以溶解氧等7項常規(guī)地表水水質評價指標為輸入參數對漠陽江水質進行評價，評價結果表明較傳統的水質評價方法，BP網絡具有較高識別精度，可提高水質評價等級的準確性，使評價結果更具科學性。王杉等[18]利用BP神經網絡模型學習空氣質量和圖片透射率間的隱性聯系，提出一種基于光學成像的空氣質量定期性制定方法 ，通過圖片來定性地判定空氣質量。實驗結果顯示，該模型整體識別率為83.72%，優(yōu)、良類識別率達到90%以上。

2.6 在經濟領域的應用

現階段經濟形勢復雜多變，農業(yè)、工業(yè)及服務業(yè)均不同程度受到疫情影響，內外部影響因素眾多，面臨諸多發(fā)展問題，為搶占經濟制高點，智能產業(yè)及智能經濟成為研究熱點。張俊彪等[19]構建BP神經網絡預測池塘養(yǎng)魚產量與換水量，隨機選取45組實踐數據進行模型學習，兩種模型總體擬合性能良好，相關系數分別達到0.9413及0.9965，表明BP網絡可有效預測養(yǎng)魚池塘經濟效益及生態(tài)影響，從而指導生產，優(yōu)化管理決策。靳威等[20]采用基于水泥工業(yè)大數據的神經網絡人工智能技術，構造人性理解、操作、感知的應用系統環(huán)境，建立穩(wěn)控、量差斜率、積分、預動以及補償數學模型，讓企業(yè)生產線的生產控制更加符合人的習慣，調整會更加高效，設備運轉更加有效及安全。鐘滋慶等[21]以 2000-2018年贛州市社會發(fā)展數據為樣本，采用BP神經網絡模型對贛州未來金融規(guī)模進行預測，并根據預測結果，從贛州對接大灣區(qū)金融資源前期、中期、后期三方面提出政策建議。

3 結束語

反向傳播神經網絡在各個領域有著非常廣泛的應用，對各領域的非線性問題均具有較好的映射能力，尤其是在智能交通、智慧醫(yī)療、智能教育、智慧經濟等方面具有非常廣闊的發(fā)展前景，為各行各業(yè)提供了更加高效的服務，可為各決策者提供客觀依據及有效的預警信號，具有重要的理論意義及實踐價值。但是BP神經網絡在發(fā)展過程中還面臨著更多的挑戰(zhàn)，具有收斂速度慢及易陷入局部最小等問題，隨著研究的深入，各種優(yōu)化算法及組合模型將具備更好的可用性與優(yōu)越性，應用的領域空間必將得到進一步拓展。

參考文獻（References）：

[1] 于群，馮玲.基于BP神經網絡的網絡安全評價方法研究[J].計算機工程與設計，2008.29（8）：1963-1966

[2] 徐敏，蔣偉梁.基于模糊綜合評價的交互式產品設計應用與研究[J].計算機時代，2015.2：40-41，44

[3] 楊岳，張敏，關成立.活性碳纖維ACF吸附重金屬Cr（Ⅵ）及神經網絡智能優(yōu)化研究[J].電鍍與精飾，2019.41（2）：28-32

[4] Chengli Guan， Yue Yang. Research of extraction behaviorof heavy metal Cd in tea based on backpropagation neural network[J].Food Science & Nutrition，2020：1-8

[5] Yue Yang， Chenglong Yu， Chengli Guan. Study of thephotocatalytic degradation of toluene over CdS-TiO2 nanoparticles supported on multi-walled carbon nanotubes by back propagation neural network[J].Fullerenes， Nanotubes and Carbon Nanostructures，2018.26（5）：246-254

[6] 杜濤.基于神經網絡的計算機網絡安全評價技術[J].長春工業(yè)大學學報，2015.36（3）：310-314

[7] 李俊青，陳鶴年，嚴麗麗等.基于BP神經網絡的計算機實驗室管理評價指標[J].實驗室研究與探索，2011.30（4）：71-73

[8] 虞和濟，陳長征，張省等.基于神經網絡的智能診斷[M].冶金工業(yè)出版社，2000.

[9] 張建勛，張紅，曾慶森.基于神經網絡的SARS傳播模型[J].計算機工程與應用，2004.23：188-191

[10] 石姍姍，高正中.全局人工魚群優(yōu)化BP神經網絡在火災探測中的應用[J].中國科技論文，2019.14（11）：1255-1259

[11] 馬磊，王佳輝，郝宣潤，蘇青.基于人工神經網絡模型的黃芩提取物性狀-成分與藥效相關性研究[J].中草藥，2020.51（8）：2151-2161

[12] 宓保宏，洪文學，宋佳霖，吳士明，孟輝.基于紅外熱成像技術與BP神經網絡的心肌缺血預診斷方法研究[J].激光與光電子學進展，2019.56（1）：160-166

[13] 孔繁輝，李健.深度信念網絡優(yōu)化BP神經網絡的交通流預測模型[J].管理評論，2020.32（3）：300-306

[14] 宋程，王元東，徐濱全.基于BP神經網絡的高速動車組網絡控制系統時延研究[J].科技創(chuàng)新與應用，2020.9：1-5

[15] 劉效含，李華.人工智能視域下BP灰色神經網絡助推智能教育[J].科技資訊，2018.16（23）：5-6

[16] 關成立，楊岳.基于系統控制理論的高職實踐教學質量評價模型應用研究[J].信息技術與信息化，2018.11：158-159，167

[17] 楊岳，關成立，陳興漢.基于MATLAB的BP神經網絡模型在漠陽江水質評價中的應用研究[J].環(huán)境科學與管理，2014.39（11）：161-165

[18] 王杉，朱亞濤，胡建輝.基于光學成像的空氣質量定性判定方法[J].現代電子技術，2020.43（8）：113-116

[19] 張俊彪，陳雯，蔡春芳，何捷.采用主成分分析和BP神經網絡算法預測池塘養(yǎng)魚產量和換水量[J].河南農業(yè)科學，2020：1-12

[20] 靳威，榮紅敏.神經網絡與人工智能在水泥企業(yè)的應用[J].四川水泥，2020.1：10

[21] 鐘滋慶，鄭明貴，鐘曉亮.贛州市2020-2030年金融規(guī)模情景分析——基于對接粵港澳大灣區(qū)金融資源[J].商業(yè)經濟，2020.3：16-19