数据挖掘及神经网络在土木工程中的应用

摘要

数据挖掘就是从大量不完全的、有噪声的、模糊的、随机的实际数据中发现隐含的、事先未知的潜在有用的并且最终可理解的信息和知识的过程。而神经网络是数据挖掘常用的工具。本文旨在研究如何将数据挖掘技术及神经网络应用于土木工程。 神经网络训练误差值的选取是一个具有挑战性的问题。目前多数处理这个问题的方法，是通过简单的试算法。结合土木工程应用，考虑训练样本的随机特性，本文提出了一个新的选取训练误差初始值的方法。该方法由实测值求出相应的真值置信区间，若训练误差的取值使得网络预测值落在真值置信区间内就可以认为此时的训练学习反映了网络输出变量的真值情况，学习就可以结束。此时允许训练误差大小为真值置信区间长度的二分之一。试验结果表明该方法能减少神经网络的训练时间。 过去，对神经网络预测结果的评价广泛采用相对误差方法。对于有随机因素影响的样本数据，该方法已经不再适用。于是，本文对此进行了深入研究，以数理统计理论为基础，提出了适合随机问题的评价方法。该方法定义了模型预测的正确率这一概念，进一步由正确率导出模型预测结果正确的概率，以此来评价模型预测结果的可靠性。土木工程实际应用结果表明，该方法是可行的，评价结论更贴近工程实际。 最后，针对在高性能混凝土配制方面的应用，利用可视化编程语言Delphi编制了应用软件，软件具有数据管理、网络训练、网络检验、性能预测和成本计算等功能。实际测试表明，软件达到了实用要求，具有工程实用价值。从而提高了高性能混凝土的生产效率。 总之，本文从数据挖掘基本思想出发，在考虑有随机因素影响的条件下，对挖掘模型的训练及预测结果的评价方法进行了研究，提出了相应的分析计算方法。并成功地应用于土木工程。