[发明专利]基于BP人工神经网络模型算法的基建现场管控移动应用平台

说明书

本发明公开了一种基于BP人工神经网络模型算法的基建现场管控移动应用平台，包括:风险评价结果库、基建项目信息库、风险评价指标配置、风险评价模型训练、风险评价模型校验、基建项目管控风险评价、基建项目管控业务处理和移动终端展示控制模块。发明利用BP人工神经网络模型,是通过神经网络模型的学习与训练,利用一系列评价指标（工程安全管控、施工机具、施工现场管控、安全管控整改、五个严禁检查、5S管理、现场处罚扣分情况）,对基建项目工程风险进行评价,力求摆脱人为主观因素的影响,充分利用专家的知识和经验,为基建项目决策提供支持。

技术领域

本发明涉及一种基于BP人工神经网络模型算法的基建现场管控移动应用平台。

背景技术

基建现场管控是电网公司基建管理工作的重点，针对电力基建工程项目的特殊性、项目建设现场区域分布广、部分施工现场所处位置较为偏僻、与管理单位存在沟通交流不及时等问题。因此，需要实现电网公司与基建施工现场之间信息图文并茂的即时交互，以满足基建现场管控工作的要求，避免在基建现场管控工作过程中，因现场缺乏信息化操作平台，导致管控工作标准发布不及时、不统一、不准确；现场信息收集上报不及时；评价不准确的问题。

对基建现场安全风险、问题实行基于移动应用实时管控的同时，后台高效的基建项目管控风险评价系统是极为必要的。人工神经网络系统理论是以人脑的智能功能为研究对象且以人体神经细胞信息处理方法为背景的智能计算理论，是目前国际上非常活跃的前沿研究领域之一。1943年，心理学家W．S．McCulloch和数理逻辑学家W Pitts建立了神经网络的数学模型，称为MP模型。他们通过MP模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。人工神经网络是人脑及其活动的一个理论化的数学模型，它由大量的处理单元以适当的方式互连构成，是一个大规模的非线性自适应系统。人工神经网络不仅在形式上模拟了生物神经系统，它也具有大脑的一些基本特征。从系统构成的形式上看，从神经元本身到联接模式，基本上都是以与生物神经系统相似的方式工作的。从表现特征上来看，它力求模拟生物神经系统的基本运行方式，人工神经网络系统是靠其状态对外部输入信息的动态响应来处理信息。现有技术中已经有利用BP神经网络对工程项目管理进行风险评价，如杨俊辉和程银侠在2011年发表的《基于BP神经网络的工程小牧风险评价》。目前存在的问题是由于工程项目管理中的控制有很大的不确定和模糊性，工程项目管理的目标有很大的不确定性和模糊性，所以样本数据大部分来自专家评分，而来自工程的直接数据较少。另外，进行项目绩效评价和项目满意度评价等还可能会有用户调查等其他数据来源。由于专家（或用户）个人判断的直觉和主观性，样本数据不可避免的存有偏差，质量很难保证。如果样本数据代表性差，网络训练就极易陷入局部最小，甚至无法得到最优解。

发明内容

本发明要解决的技术问题：针对上述问题，提供了一种能够自我学习的BP人工神经网络模型及基建现场管控移动应用平台。

本发明的技术方案：一种基于BP人工神经网络模型算法的基建现场管控移动应用平台，包括服务器和应用终端，服务器中包括:

风险评价结果库：包括基建项目管控风险评价指标、基建项目管控风险评价结果和风险评价模型训练结果校验集，为用户使用BP人工神经网络模型进行工程风险评价、训练及校验提供支撑数据；

基建项目信息库：建立基建现场管控日常事务处理的数据存储库；

风险评价模型训练：从风险评价结果库获取训练样本数据，利用BP人工神经网络模型算法训练基建项目工程风险评价模型；

风险评价模型校验：确定检验样本数据，检验风险评价模型训练生成的计算结果，当训练样本集总误差小于允许误差时，训练结束，训练成功后，将相关网络模型权值和阈值保存到风险评价结果库；