绿色铁路客站室内环境质量评价方法的研究

2018-03-17于尧鲍学英王起才

价值工程 2018年8期

于尧++鲍学英+王起才

摘要：运用混合遗传算法与BP神经网络相结合的方式，可有效地弱化打分法中人为因素的影响，与GA-BP相比还具有增大最优值搜索范围，收敛速度快，效率高等优点。最后通过验证评价武汉站室内环境质量，得出该模型切实可行。

Abstract： The combination of hybrid genetic algorithm and BP neural network can effectively weaken the influence of human factors in scoring method. Compared with GA-BP， it also has the advantages of increasing the searching range of optimal value， quick convergence and high efficiency. Finally， through the verification and evaluation of Wuhan station indoor environmental quality， it come to the feasibility of the model.

关键词：绿色铁路客站室内环境；混合遗传算法；BP神经网络

Key words： indoor environment quality of green railway station；hybrid genetic algorithm；Back Propagation Neural Network

中图分类号：TU248.1；TU201.5 文献标识码：A 文章编号：1006-4311（2018）08-0062-02

0 引言

近年来，我国铁路事业飞速发展，铁路线路网不断完善，运输速度和运输能力不断提升，为达到我国铁路绿色GDP发展目标，提升铁路建设过程中的绿色水平，“绿色铁路”应运而生。铁路客站作为铁路运行机制中必不可少的部分，现代化的铁路客站要求达到节能环保标准，贯彻国家技术经济政策。已有一部分学者对绿色铁路客站的评价工作进行研究探讨。任涛等选择“节水”和“节地”指标进行评价[2]；刘燕等则选择了绿色铁路客站评价指标体系中的“室内环境”与“节能”进行设计调研，在实测与调研的基础上，总结归纳其特点与现状[3]。

目前，国内外尚未明确提出关于绿色铁路客站室内环境质量评价模型，未完善绿色铁路客站室内环境质量评价工作。根据《绿色铁路客站评价标准》（TB/T10429-2014）室内环境质量包含了光环境、声环境、热环境、室内空气质量和功能适应性。本文采用混合遗传和BP神经网络相结合的方法对绿色铁路客站室内环境质量进行评价。并通过实例进行验证，说明该方法对于绿色铁路客站室内环境质量评价工作具有一定的意义。

1 BP算法与混合遗传算法

1.1 BP算法

BP算法是指通过误差逆传播来实现训练多层网络结构的一种算法，是目前应用最广泛的神经网络模型之一。拓扑结构共包括三层，第一层为输入层，第二层为隐含层，第三层为输出层。

1.2 混合遗传算法

遗传算法是将生物进化过程中的“适合生存”理论与染色体的随机变化结合机制互相融合而成的随机化搜索算法。而模拟退火算法需设置一个初始温度，在温度参数不断下降的过程中，在解空间中随机寻找目标函数的全局性最优解，直至温度达到结束温度。

混合遗传算法的基本思路，首先采用遗传算法的基本操作（选择、交叉、变异），作为模拟退火算法在某一温度下对个体的扰动，产生一个相对优良的群体。然后对每一个新个体进行模拟退火算法降温操作，从而使基因进一步优化。运行过程反复迭代，直至输出复合条件的结果即可。

1.3 混合遗传BP神经网络

混合遗传算法优化BP算法的基本思想是对BP算法的初始权值和阀值进行优化，在选择、交叉、变异等传统遗传算法操作基础上进行模拟退火操作来寻找最优权值和阀值。主要步骤如下：

步骤一编码。生成BP神經网络的三层结构。

步骤二计算个体适应度。

步骤三选择。为使每个个体被选中的概率和适应度函数成正比，本文采用轮盘赌法进行选择。

步骤四交叉。所谓交叉运算指两个相互配对的染色体依据交叉概率按照一定的方法相互交换其部分基因。本文采用单点交叉法。

步骤五变异。本文采用基本位变异算子，指对个体编码串随机指定的某一位或某几位基因做变异运算，使其适应度提高，每个个体以概率进行变异。

步骤六获得模拟退火算法初始种群，采用metropolis准则产生新个体。

步骤七降温操作。把前面的交叉和变异看作是在一定温度下对个体的扰动，模拟退火过程就是通过T参数的变化进行全局搜索，有效避免了BP神经网络容易陷入局部最优的问题。在降温操作后，判断结果是否满足要求，满足则输出，不满足则从步骤二开始进行循环，反复迭代，知道输出最优解。

2 灰色关联度与GASA-BP相结合的综合评价模型

2.1 绿色铁路客站室内环境环境质量评价指标体系的建立

通过查阅《绿色铁路客站评价标准》，建立了绿色铁路客站室内环境质量评价指标体系，确定了光环境、声环境、热环境、室内空气质量和功能适应性5个一级指标，以及与之相关的24个二级指标。如图1为相应的指标体系。

2.2 灰色关联度和GASA-BP的综合评价

本文涉及的指标较多，且指标间相互关系不明确，顾采用灰色关联度确定一级指标的权重。endprint

①指标无量纲化。把样本数据中各个指标的第一个数据作为基础，用每个指标的剩余数据值除以基础数得到无量纲化后的数据。

②设有n个评价指标，一个指标可以得到p名专家的打分，即构造最优方案，即

Xi={Xi（1），Xi（2），Xi（3），…，Xi（p）}構造最优方案，即Xi={Xi（1），Xi（2），Xi（3），…，Xi（p）}

③灰色关联系数：

式中：j=1，2，…m；i=1，2，…n；ρ—分辨率，ρ越大则分辨率越小，其取值范围在0到1之间，一般取值为0.5。

④灰色关联度为：

⑤各指标权重：

采用GASA-BP模型，对绿色铁路客站室内环境质量质量进行评价，指标体系中的二级指标作为输入端，输入端节点个数为24，一级指标作为输出端，输出端节点个数为5。利用足够的基础数据反复训练该模型，直到实际输出值接近期望输出值，输出值再结合灰色关联度法确定一级指标权重，得出绿色铁路客站室内环境质量的评价结果。