摘要:人工智能技术是研究人类智能和通过计算机技术使某些设备或仪器具有人的智能行为的科学通过利用计算机模拟人的思维、语言、记忆、推理、感知、学习等智能能力,以及延申人的感觉和大脑功能。本文对人工智能及其在土木工程钟的融合发展趋势进行了阐述。
关键词:人工智能、土木工程、融合發展
随着计算机科学的发展,人工智能也得到了飞速发展人工智能就是用计算机模拟人脑思维官能的科学,它分在功能上模拟人脑的专家系统技术和在物理机制上模拟人脑的神经网络系统两部分。将人工智能应用于土木工程中是最近几十年的事,因为土木工程中的大量问题并非仅仅依靠优化和计算裁能解决的,常常需要专家们从多目标进行综合分析决策,这样就特别需要专家的经验、知识和感应。专隶系统专家系统是一个基于知识的程序设计软件系统,它由四部分构成,主要部分是知识库和推理机;知识库中存贮了专家(集体)在某一领域的知识;推理机具有推理韵能力,它能把知识和问题对立起来进行推理,最后作出智能决策。专家系统计算快速准确,具有许多专家的经验和知识,对所得结论能给予解释。但对规则不明确、非逻辑性思维等问题却遇到了麻烦。
人工神经网络(简称神经网络)是由大量模拟人脑神经元的简单处理单元相互连结而成的复杂网络,通过调整神经之间的连接强50度,使神经网络具有类似人脑的学习、归纳、记忆等特征。抻经网络模型很多,目前最常用的有反向传播网络(BP网络)和对偶传播网络(CP网络)。
BP网络由一个输入层、一个输出层和一个或几个隐含层构成,神经元的特性函数是非线性S型,其学习算法经过向前、向后两遍传递计算,具体步骤如下:(1)从训练样本中取一训练对,把输入矢量用作网络输入;(2)向输出层方向传递计算网络输出矢量;(3)计算输出矢量与训练对中目标矢量的差错;(4)从输出层反向计算到第一中间层,向减少差错方向调整网络的权值;(5)对训练样本集中每一样本重复(1)~(4),直到系统的差错最小,满足要求为止。此时学习结束,权值不再调整,而后用该网络预测未经训练的样本。由于BP网络结构衙单,工作状态稳定,易于硬件实现,固而应用最广泛;但它学习速度慢,偶尔会陷入局部龊小。
CP网络是R.Hecht—Nieln于l987年提出的,它的拓朴结构主要由输入层、比较层和隐含层组成。
基于神经网络的专家系统最面几年,专家系统已被结构设计人员广泛采用嘲。但它缺乏自学习能力,对规则不明确及非逻辑性问题推理困难;神经网络正好可以解决这些问题。
专家系统与神经网络的差异:(1)知识表示神经同络对知识的表示是隐式的,它通过神经元间的连接强度表示,而且连接强度可通过同络的自学习不断修整}但一旦学习完成,连接强度就不再更改,形成相对稳定的长期记忆。专家系统对知识的表示是基于形式化的符号,因而是显式的。(2)知识获取专家系统获取知识的主要途径是机械学习、讲授学习及类比学习;而神经网络是通过调整连接强度和权值,达到人们的目的,因而本身具有较强的自学习能力。(3)推理专家系统主要采用逻辑推理,当然也常用到统计推理;神经网络的推理是基于网络对事实学习的结果.因而自然融入了统计推理的不确定性幽分。(4)结论解释专家系统在推理过程中保留了推理的轨迹,因而能够对所得结论给予解释;而神经网络的推理是数值演算过程,知识隐式地存贮在网络中,所以很难对结论给出明确的解释。
基于神经网络的专家系统将神经网络与专家系统很好地结合起来,使之发挥各自优点,主要有以下几种方法:(1)将它们各自看作一个黑盒子。已有专家系统的局部工作由神经网络来实现,用很窄的通道通讯,彼此谁都不知道对方内部工作情况。如将符号串表示的事实送到专家系统的入口,将数值表示的事实送到神经网络的入口,彼此独立地运行,在神经网络的出口将运行结果反编译为符号串,然后由专家系统统一处理。(2)专家系统首先将供学习的知识组织好(字符串转换成数值)供神经网络学习,并对学习结果作出评价,通过重新组织知识或修改网络,直到学习满意为止。(3)对专家幕统的构造,人们根据领域知识,很容易建立精确推理网络;对不确定性证据、结论等可信度因子难于获取。而神经同络本身就是数据计算,通过样本学习很容易获得可信度因子,供专家系统推理时使用。Bohogal等人于1991年已将CAPS用OPS5写成的产生式系统转换为神经网络来实现了。不过,这方面的工作刚刚开始.还有待相当多的工程实例来加以完善。
人工智能在土木工程中的应用人工智能应用于土木工程中是最近几十年的事。MartinF、Rooney于1983年第一次提出人工智能并用于土木工程中,1987年RH.Alien研究了专家系统在结构工程中的应用进展。J.Ghaboussi第一次用BP网络对砼在单轴、双轴及周期荷载作用下的关系学习后进行预测,其结果与数学模型、试验所得数值吻合良好。X.Wu利用神经网络的自学习能力对开裂与未开裂结构进行学习,然后对结构的破坏情况进行了识别与评价。RHlan于1990年用神经网络中的有监督学习方法对铜桁架在静力作用下的应力一位移关系进行了结构分析。Jams.hido’habous—slcl开发了一种基于神经网络的控制算法,对3层框架结构的地面活动进行计算机模拟与控制;BP算法和CP算法分析对比了它们在结构设计中的优劣性。笔者对外包钢砼短柱的截面设计用BP阿络进行了学习和预测:网络结构为输入层7个单元,输出层3个单元,一个隐含层5个单元。输入层为砼标号,箍筋直径、间距,箍筋及受压筋屈服强度、柱长及荷载;输出层为纵向古钢率和截面尺寸。可见用神经网络进行结构设计是可行的。但仍有待于进一步积累这方引力的推销手段,因而往往易于占领市场。为避免使用性能低于实际需要的材料而影响防水工程质量,使用性能高于实际需要的材料而造成浪费。建筑防水界,特别是建筑主管部仃和建筑质监部门,需以艰巨的努力来消除应用高聚414改性沥青防永卷材中存在的上述盲目性,彻止高聚物改性沥青防水卷材生产和经营中存在的上述假冒行为为在保证防水工程质量的前提下,因地制宜地旋展和应用高聚物改性沥青防水卷材和节省防水费用创造良好条件。
参考文献
[1]吕治安. ZigBee无线网络技术入门与实战[M].北京:北京航空航天大学出版社,2007.
[2]唐益群. 土木工程测试技术手册[M]. 上海:同济大学出版社,1999.
[3]胡守仁. 神经网络应用技术[M].长沙:国防科技大学出版社,1993.