摘要：人工神經(jīng)網(wǎng)絡(luò)技術(shù)已被廣泛應(yīng)用于社會(huì)經(jīng)濟(jì)發(fā)展各領(lǐng)域中的非線性復(fù)雜問題的處理。文章闡述了反向傳播神經(jīng)網(wǎng)絡(luò)的工作原理，研究了BP神經(jīng)網(wǎng)絡(luò)仿真預(yù)測模型在社會(huì)經(jīng)濟(jì)發(fā)展典型領(lǐng)域，如公共安全與災(zāi)害防治、醫(yī)療、交通、教育、環(huán)保及農(nóng)業(yè)、工業(yè)、第三產(chǎn)業(yè)經(jīng)濟(jì)等領(lǐng)域的應(yīng)用，研究表明，BP神經(jīng)網(wǎng)絡(luò)具有廣泛的適用性和應(yīng)用價(jià)值。

　　關(guān)鍵詞：反向傳播神經(jīng)網(wǎng)絡(luò);社會(huì)發(fā)展;智慧;應(yīng)用

　　0引言

　　我國社會(huì)已進(jìn)入“新常態(tài)”發(fā)展時(shí)期，呈現(xiàn)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(lǐng)域發(fā)展愈加復(fù)雜而任務(wù)艱巨。決策者的思維不定性、認(rèn)識(shí)模糊性、主觀隨意性等主觀因素，以及現(xiàn)實(shí)的大量不確定性因子和因子目標(biāo)間的非線性關(guān)系等客觀因素，均會(huì)影響決策及評(píng)價(jià)結(jié)果的準(zhǔn)確性[1]。

　　由于指標(biāo)加權(quán)平均法、層次分析法及模糊綜合評(píng)價(jià)法等傳統(tǒng)評(píng)價(jià)法[2]實(shí)施前提為多個(gè)影響要素(即各評(píng)價(jià)指標(biāo))之間須呈現(xiàn)線性相關(guān)特點(diǎn)，而社會(huì)發(fā)展中涉及的管理、經(jīng)濟(jì)、交通、醫(yī)療等各個(gè)行業(yè)都存在一個(gè)動(dòng)態(tài)變化的進(jìn)程，影響這一進(jìn)程的要素眾多，且各個(gè)要素的影響大小各異，評(píng)價(jià)結(jié)果難以單純使用某數(shù)學(xué)方程式加以描述。

　　因此，采用以上方法對(duì)各行業(yè)發(fā)展進(jìn)行客觀公正的測定，具有較大的不合理性。隨著互聯(lián)網(wǎng)與計(jì)算機(jī)技術(shù)理論及實(shí)踐研究不斷深入，社會(huì)必將迎接新的變革。智慧城市建設(shè)正逐漸崛起，計(jì)算機(jī)模擬技術(shù)應(yīng)運(yùn)而生，廣泛應(yīng)用于城市管理、生物、醫(yī)療、化工、環(huán)境、交通、軍事、航天、經(jīng)濟(jì)、教育等多個(gè)研究領(lǐng)域，已經(jīng)成為當(dāng)前研究的熱點(diǎn)課題[3-4]。

　　對(duì)比傳統(tǒng)研究及評(píng)價(jià)手段，計(jì)算機(jī)模擬技術(shù)不需進(jìn)行大量實(shí)際的試驗(yàn)研究，而是在計(jì)算機(jī)設(shè)備上進(jìn)行虛擬設(shè)計(jì)，自由實(shí)施模擬及仿真預(yù)測，能節(jié)省大量的試驗(yàn)成本及研究者時(shí)間等，具有顯著的經(jīng)濟(jì)、環(huán)境及社會(huì)效益。鑒于系統(tǒng)理論及人工智能中的神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,ANN)是一種非線性模擬技術(shù)，其中反向傳播神經(jīng)網(wǎng)絡(luò)(BackPropagation,BP)具備高度自主組織、自主學(xué)習(xí)、自主適應(yīng)及自主推理能力[5]，它能夠解決許多非線性、復(fù)雜的現(xiàn)實(shí)問題，將它應(yīng)用于社會(huì)經(jīng)濟(jì)及城市發(fā)展中的多個(gè)領(lǐng)域，可以解決非線性影響的困難。

　　1反向傳播神經(jīng)網(wǎng)絡(luò)工作原理

　　自上世紀(jì)40年代初建立的第一個(gè)神經(jīng)網(wǎng)絡(luò)模型開始，模仿人腦神經(jīng)元結(jié)構(gòu)及功能的人工智能信息處理技術(shù)，即人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)引起眾多學(xué)者青睞及關(guān)注，包括Hopfield神經(jīng)網(wǎng)絡(luò)、自適應(yīng)諧振技術(shù)及反向傳播神經(jīng)網(wǎng)絡(luò)等[6]。而在眾多神經(jīng)網(wǎng)絡(luò)模型中，反向傳播BP神經(jīng)網(wǎng)絡(luò)在各領(lǐng)域應(yīng)用最為廣泛。

　　反向傳播神經(jīng)網(wǎng)絡(luò)源于BP算法，該算法隸屬于δ算法，是一種監(jiān)督型的導(dǎo)師式學(xué)習(xí)算法，本質(zhì)上是以網(wǎng)絡(luò)實(shí)際輸出與期望輸出的均方誤差值為目標(biāo)函數(shù)，基于學(xué)習(xí)樣本集運(yùn)用梯度搜索技術(shù)使目標(biāo)函數(shù)趨于最小值，其學(xué)習(xí)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(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱含層及輸出層構(gòu)成，一個(gè)典型的3層BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖1所示[8]。

　　2反向傳播神經(jīng)網(wǎng)絡(luò)的智慧應(yīng)用

　　2.1在公共安全及災(zāi)害防治中的應(yīng)用

　　2019年末的新冠肺炎疫情及2020年初四川涼山森林火災(zāi)將公共衛(wèi)生及安全的重要性提升至新的關(guān)注高度，動(dòng)力學(xué)及數(shù)學(xué)模型在傳染病疫情發(fā)展趨勢(shì)及傳播規(guī)律預(yù)測、科學(xué)防控指導(dǎo)與評(píng)估、災(zāi)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(diào)控措施的制定提供理論依據(jù)，有利于穩(wěn)定社會(huì)情勢(shì)及維護(hù)經(jīng)濟(jì)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(jīng)網(wǎng)絡(luò)模型建立SARS的傳染模型，用其預(yù)報(bào)SARS的傳播規(guī)律，結(jié)果表明將城市特征作為系統(tǒng)特征狀態(tài)，該模型經(jīng)過各個(gè)城市的典型樣本訓(xùn)練后，可通用于預(yù)測各個(gè)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(jīng)網(wǎng)絡(luò)，以溫度、煙霧濃度及CO濃度為輸入神經(jīng)元，以火災(zāi)等級(jí)為輸出神經(jīng)元，獲得收斂速度快、迭代次數(shù)小的火災(zāi)預(yù)測模型，有效改進(jìn)傳統(tǒng)火災(zāi)探測器的報(bào)警準(zhǔn)確性低以及延遲等問題，對(duì)火災(zāi)預(yù)測領(lǐng)域有一定的適用性及推廣價(jià)值。

　　2.2在醫(yī)療領(lǐng)域中的應(yīng)用

　　中藥成分復(fù)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(tǒng)藥效評(píng)價(jià)實(shí)驗(yàn)繁瑣，影響因素眾多，結(jié)果不夠穩(wěn)定，因此，亟需科學(xué)全面評(píng)價(jià)中藥提取物質(zhì)量的新技術(shù)。ANN處理非線性復(fù)雜問題的優(yōu)勢(shì)近年來在醫(yī)學(xué)領(lǐng)域有了廣泛的應(yīng)用研究，并可應(yīng)用于臨床診斷、疾病預(yù)后以及臨床決策分析等方面，為醫(yī)生提供一種客觀、準(zhǔn)確的初步診斷結(jié)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(gòu)建顏色-抑菌率等7種預(yù)測神經(jīng)網(wǎng)絡(luò)模型，結(jié)果表明性狀結(jié)合成分含量指標(biāo)能全面快速地評(píng)價(jià)黃芩提取物的整體質(zhì)量，其中采用顏色、味道與成分含量3種指標(biāo)相結(jié)合與體外抑菌率所建立的模型訓(xùn)練和預(yù)測能力最好，能快速準(zhǔn)確地預(yù)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(duì)紅外熱圖像人體幾何定位，提取心前區(qū)左右兩側(cè)溫差集合，并使用多種卷積核對(duì)溫差集合做降維處理，最終通過BP神經(jīng)網(wǎng)絡(luò)在留一法交叉驗(yàn)證下對(duì)訓(xùn)練集訓(xùn)練，并確定網(wǎng)絡(luò)參數(shù)，建立分類模型。測試集在網(wǎng)絡(luò)上分類準(zhǔn)確率達(dá)到95.56%，可以為新樣本做出準(zhǔn)確預(yù)測。

　　2.3在交通領(lǐng)域中的應(yīng)用

　　在城市及現(xiàn)代高鐵、飛機(jī)、公路、水路交通運(yùn)輸快速發(fā)展的大背景下，交通治理有關(guān)問題日益凸顯，交通流量預(yù)測及交通安全形勢(shì)嚴(yán)峻，交通控制逐漸向網(wǎng)絡(luò)化及智能化方向發(fā)展。

　　孔繁輝等[13]采用深度信念網(wǎng)絡(luò)DBN算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，克服傳統(tǒng)BP網(wǎng)絡(luò)易陷入局部最優(yōu)以及函數(shù)擬合度不高的缺點(diǎn)，有效提高交通流預(yù)測精度。宋程等[14]結(jié)合BP神經(jīng)網(wǎng)絡(luò)遞推預(yù)測與廣義預(yù)測控制，有效消除高速動(dòng)車組網(wǎng)絡(luò)控制系統(tǒng)時(shí)延，仿真結(jié)果表明預(yù)測模型具有實(shí)時(shí)性高、控制效果好、計(jì)算速度快及魯棒性強(qiáng)等優(yōu)點(diǎn)，對(duì)高速動(dòng)車組非線性網(wǎng)絡(luò)控制系統(tǒng)的設(shè)計(jì)具有重要的參考價(jià)值。

　　2.4在教育領(lǐng)域的應(yīng)用

　　高校教育工作中，教學(xué)內(nèi)容、教學(xué)層次及人才培養(yǎng)模式等要求多樣化，因材施教及個(gè)性化學(xué)生培養(yǎng)難度大，且教學(xué)進(jìn)程通常涵蓋大量非定量因素，教學(xué)質(zhì)量很難實(shí)施科學(xué)合理地量化評(píng)價(jià)，高校教育變革需求迫切，發(fā)展適應(yīng)新時(shí)代的智能教育。劉效含等[15]利用BP神經(jīng)網(wǎng)絡(luò)與灰色系統(tǒng)，建立了一個(gè)應(yīng)用于智能教育的BP-GM(1,1)預(yù)測模型，避免“一鍋端”式的教學(xué)，精準(zhǔn)預(yù)測學(xué)生的發(fā)展傾向，在有限師資及學(xué)資條件下，對(duì)學(xué)生進(jìn)行分層次的個(gè)性化培養(yǎng)，構(gòu)建智能教育體系。

　　筆者針對(duì)高職教學(xué)中實(shí)踐教學(xué)質(zhì)量難以客觀評(píng)價(jià)問題，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)模型，利用職校教育實(shí)踐數(shù)據(jù)對(duì)該模型進(jìn)行訓(xùn)練和預(yù)測[16]。網(wǎng)絡(luò)運(yùn)行結(jié)果表明，所建立的網(wǎng)絡(luò)模型可以較好反映高職實(shí)踐教學(xué)質(zhì)量的優(yōu)劣，具有良好的仿真預(yù)測能力，評(píng)價(jià)結(jié)果客觀有效，適用于高校教學(xué)質(zhì)量評(píng)價(jià)。

　　2.5在環(huán)保領(lǐng)域的應(yīng)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(yán)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(zhì)量評(píng)價(jià)技術(shù)。楊岳等[17]利用神經(jīng)網(wǎng)絡(luò)的非線性映射特性建立BP神經(jīng)網(wǎng)絡(luò)，以溶解氧等7項(xiàng)常規(guī)地表水水質(zhì)評(píng)價(jià)指標(biāo)為輸入?yún)��?shù)對(duì)漠陽江水質(zhì)進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果表明較傳統(tǒng)的水質(zhì)評(píng)價(jià)方法，BP網(wǎng)絡(luò)具有較高識(shí)別精度，可提高水質(zhì)評(píng)價(jià)等級(jí)的準(zhǔn)確性，使評(píng)價(jià)結(jié)果更具科學(xué)性。王杉等[18]利用BP神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)空氣質(zhì)量和圖片透射率間的隱性聯(lián)系，提出一種基于光學(xué) 成像的空氣質(zhì)量定期性制定方法，通過圖片來定性地判定空氣質(zhì)量。實(shí)驗(yàn)結(jié)果顯示，該模型整體識(shí)別率為83.72%，優(yōu)、良類識(shí)別率達(dá)到90%以上。

　　2.6在經(jīng)濟(jì)領(lǐng)域的應(yīng)用

　　現(xiàn)階段經(jīng)濟(jì)形勢(shì)復(fù)雜多變，農(nóng)業(yè)、工業(yè)及服務(wù)業(yè)均不同程度受到疫情影響，內(nèi)外部影響因素眾多，面臨諸多發(fā)展問題，為搶占經(jīng)濟(jì)制高點(diǎn)，智能產(chǎn)業(yè)及智能經(jīng)濟(jì)成為研究熱點(diǎn)。張俊彪等[19]構(gòu)建BP神經(jīng)網(wǎng)絡(luò)預(yù)測池塘養(yǎng)魚產(chǎn)量與換水量，隨機(jī)選取45組實(shí)踐數(shù)據(jù)進(jìn)行模型學(xué)習(xí)，兩種模型總體擬合性能良好，相關(guān)系數(shù)分別達(dá)到0.9413及0.9965，表明BP網(wǎng)絡(luò)可有效預(yù)測養(yǎng)魚池塘經(jīng)濟(jì)效益及生態(tài)影響，從而指導(dǎo)生產(chǎn)，優(yōu)化管理決策。

　　靳威等[20]采用基于水泥工業(yè)大數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)，構(gòu)造人性理解、操作、感知的應(yīng)用系統(tǒng)環(huán)境，建立穩(wěn)控、量差斜率、積分、預(yù)動(dòng)以及補(bǔ)償數(shù)學(xué)模型，讓企業(yè)生產(chǎn)線的生產(chǎn)控制更加符合人的習(xí)慣，調(diào)整會(huì)更加高效，設(shè)備運(yùn)轉(zhuǎn)更加有效及安全。鐘滋慶等[21]以2000-2018年贛州市社會(huì)發(fā)展數(shù)據(jù)為樣本，采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)贛州未來金融規(guī)模進(jìn)行預(yù)測，并根據(jù)預(yù)測結(jié)果，從贛州對(duì)接大灣區(qū)金融資源前期、中期、后期三方面提出政策建議。

　　計(jì)算機(jī)論文投稿刊物：計(jì)算機(jī)工程與設(shè)計(jì)以傳播新技術(shù)、促進(jìn)學(xué)術(shù)交流為宗旨，堅(jiān)持深度與廣度、理論與應(yīng)用相結(jié)合的方針，著力報(bào)道計(jì)算機(jī)前沿技術(shù)和熱點(diǎn)技術(shù)，歡迎有創(chuàng)新和獨(dú)立學(xué)術(shù)見解的學(xué)術(shù)論文，包括基金項(xiàng)目論文、獲獎(jiǎng)?wù)n題論文、學(xué)術(shù)會(huì)議優(yōu)秀論文、博士和碩士論文等。

　　3結(jié)束語

　　反向傳播神經(jīng)網(wǎng)絡(luò)在各個(gè)領(lǐng)域有著非常廣泛的應(yīng)用，對(duì)各領(lǐng)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(jīng)濟(jì)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(wù)，可為各決策者提供客觀依據(jù)及有效的預(yù)警信號(hào)，具有重要的理論意義及實(shí)踐價(jià)值。但是BP神經(jīng)網(wǎng)絡(luò)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(yīng)用的領(lǐng)域空間必將得到進(jìn)一步拓展。

　　參考文獻(xiàn)(References):

　　[1]于群,馮玲.基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全評(píng)價(jià)方法研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2008.29(8):1963-1966

　　[2]徐敏,蔣偉梁.基于模糊綜合評(píng)價(jià)的交互式產(chǎn)品設(shè)計(jì)應(yīng)用與研究[J].計(jì)算機(jī)時(shí)代,2015.2:40-41,44

　　[3]楊岳,張敏,關(guān)成立.活性碳纖維ACF吸附重金屬Cr(Ⅵ)及神經(jīng)網(wǎng)絡(luò)智能優(yōu)化研究[J].電鍍與精飾,2019.41(2):28-32

　　[4]ChengliGuan,YueYang.ResearchofextractionbehaviorofheavymetalCdinteabasedonbackpropagationneuralnetwork[J].FoodScience&Nutrition,2020:1-8

　　[5]YueYang,ChenglongYu,ChengliGuan.StudyofthephotocatalyticdegradationoftolueneoverCdS-TiO2nanoparticlessupportedonmulti-walledcarbonnanotubesbybackpropagationneuralnetwork[J].Fullerenes,NanotubesandCarbonNanostructures,2018.26(5):246-254

　　作者：關(guān)成立，楊岳