建筑工程和管理研究中的神经模糊系统--中国期刊网

字体：大中小

首页> 原创作品> 正文

建筑工程和管理研究中的神经模糊系统

发表时间：2021/2/3 来源：《文化研究》2021年1月下作者：黄子轩1 邢鑫宇2 杨佳琳3

[导读] 神经模糊系统(NFS)可以显式地表示和建模复杂问题和非线性系统的输入-输出关系，就像实际建筑工程和管理(CEM)问题中固有的关系一样。本文贡献了CEM文献中以前缺乏的三件事：对CEM研究中与NFS主题相关的已发表文章的系统回顾和内容分析；确定评估不同NFS的标准；以及建议研究人员和行业从业者选择合适的NFS技术子集来解决不同类型的CEM问题。

1、河北唐山华北理工大学建筑工程学院    黄子轩1， 063200
2、河北唐山华北理工大学建筑工程学院    邢鑫宇2   063200
3、河北唐山华北理工大学建筑工程学院    杨佳琳3   063200

摘要：神经模糊系统(NFS)可以显式地表示和建模复杂问题和非线性系统的输入-输出关系，就像实际建筑工程和管理(CEM)问题中固有的关系一样本文贡献了CEM文献中以前缺乏的三件事：对CEM研究中与NFS主题相关的已发表文章的系统回顾和内容分析；确定评估不同NFS的标准；以及建议研究人员和行业从业者选择合适的NFS技术子集来解决不同类型的CEM问题。文献综述表明，NFS分类方法基于NFS体系结构、学习算法、模糊方法和应用领域。本文系统地对CEM应用领域（决策、预测/预测、评估/评估、系统建模和分析、仿真和优化）进行了分类，并根据它们的适用性将它们映射到NFS，这是使用收敛速度、计算复杂性、可解释性、准确性和局部极小捕获的性能评估准则确定的。
关键字：人工智能、建筑工程及管理、混合神经模糊系统、内容分析（法）
建筑工程活动相互影响，受到各种不确定性的影响，如天气条件、地质性质、人类判断和随机市场波动。对这些活动的适当管理对于有效地执行施工作业至关重要；因此，施工管理是通过整合施工资源（即人力、金钱、材料和机械/设备)来实现施工目标的过程）。实际建筑工程与管理(CEM)问题的特点是，由于建筑业运行的环境的不确定性和变化性质，复杂程度高，涉及动态和复杂的关系。很难用数学或统计术语明确地表示这种复杂的CEM问题人工智能的应用已经出现，并被证明是非常有效的广泛的现实生活问题，正如最近在这一领域进行的大量相关研究所描述的。专家系统、模糊系统、人工神经网络(ANN)、贝叶斯网络、进化计算和遗传规划是人工智能的流行实现。此外，以各种方式组合两种或多种人工智能方法的混合方法-如神经模糊系统(NFS)、神经遗传系统、遗传模糊系统和遗传规划神经网络-正在广泛应用于解决实际的现实世界问题。现有文献表明独立的人工智能技术在处理现实世界问题方面存在局限性，主要是由于现实世界问题的复杂性和不确定/不清楚或缺乏足够的信息。例如模糊系统在推理、推理和显式知识表示方面较强，而学习能力较弱。另一方面，神经网络具有强大的学习能力，而推理和推理能力差。因此，对人工智能技术应用的研究表明，通过集成两个或多个不同的人工智能技术，如NFS，从使用这些传统的独立人工智能方法转向使用混合系统。

期刊文章分类查询,尽在期刊图书馆

        对过去研究的回顾表明，NFS仅限于CEM应用的选择方面，如成本、风险、人力资源、质量和绩效管理。这些研究的主要挑战是在现有文献中找到综合信息，并就NFS技术是否适合于任何特定的CEM应用领域和信息在一个地方的可用性向研究人员提出有用的建议。到目前为止，在CEM应用中，还没有对NFS进行系统的文献回顾和详细的内容分析。此外，特定NFS是否适合于CEM应用领域中的问题，对各种NFS进行详细和综合的分类，以及确定能够对NFS进行分类的标准，以及为CEM应用程序推荐合适的NFS方法子集，这些都还没有完成。
        回顾过去的研究表明NFS技术的广泛应用。关于NFS的广泛的调查，主要集中在NFS的分类和应用领域。下面简要介绍过去的研究。梯度下降是根据目标函数梯度的负值来确定最优解。然而，基于梯度的学习的主要问题是捕获局部极小值和早期收敛。通常使用不同形式的梯度下降，如反向传播(BP)、增量规则和有序导数算法。基于混合学习的NFS结合了两种或两种以上的学习技术，如BP、聚类、最小二乘法(LSM)或卡尔曼滤波(KF)来寻找参数，用于实现稳定、快速的收敛。使用混合学习的NFS有助于避免在使用单一学习技术(如BP)时通常面临的困难，如果网络结构和参数变大，则训练参数。基于SVM的NFS使用监督学习来寻找指导决策边界的支持向量点，而不是其他专注于最小化平方误差的算法。通过对每个数据点与超平面之间的距离进行重复训练，SVM可以产生更有效的结果。
        结论：
        本文对CEM研究学科的NFS进行了全面的文献综述和内容分析。尽管在CEM研究中越来越多地使用NFS技术，但对现有的NFS文献的系统回顾和内容分析以前还没有对构建领域进行过。为了解决这一研究空白，本文对NFS技术在CEM研究问题中的应用进行了全面的回顾，这些问题已于2000年至2020年在著名的CEM期刊上发表。本文介绍了基于NFS体系结构、学习算法和模糊方法的NFS及其各种分类的最新进展。在CEM应用类别中，46%的文章被选择用于内容分析，广泛使用与预测/预测有关的问题。此外，14%、18%和13%的文章分别在决策、评估/评估以及系统建模和分析领域。尽管发表了大量侧重于NFS主题的文章，但致力于全面回顾文献或内容分析的最先进的研究尚未在构建领域进行。
参考文献：
1>《面向对象的结构管理进化模糊神经推理系统》Cheng、M.-Y；
2>《基于自适应神经模糊推理系统的机场路面结构分析反算方法》H. Ceylan；
3>《施工中的风险识别及常见风险：文献综述及内容分析》N.B. Siraj、Fayek。
作者简介：黄子轩（1999年12月），男，汉族，河北省唐山市乐亭县人，本科，研究方向：工程管理专业。