????3 BP網(wǎng)絡(luò)在某城市火災(zāi)中的應(yīng)用

????　　筆者以某市1985~2001年火災(zāi)事故數(shù)據(jù)次數(shù)為例（見(jiàn)表1），說(shuō)明神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在城市火災(zāi)預(yù)測(cè)中的應(yīng)用。

????　　表1 某市火災(zāi)事故數(shù)據(jù)

????　　見(jiàn)表

?

?

?

????　?。?）由于春節(jié)期間是火災(zāi)的高峰期，根據(jù)城市火災(zāi)發(fā)生時(shí)間或季節(jié)，采用分時(shí)段的方法，即將每一年分為兩個(gè)部分進(jìn)行預(yù)測(cè)：春節(jié)高峰期，非常高峰期（除春節(jié)以外1~12月）。由于在預(yù)測(cè)中數(shù)據(jù)處理較多，以Matlab中的人工神經(jīng)網(wǎng)絡(luò)工具箱為工具編程對(duì)城市火災(zāi)事故進(jìn)行預(yù)測(cè)。

????　　（2）在BP網(wǎng)絡(luò)模型中，神經(jīng)元的變化函數(shù)是S形函數(shù)，其函數(shù)的特性要求其輸入信息節(jié)點(diǎn)的數(shù)據(jù)必須轉(zhuǎn)化為[-1，1]之間的數(shù)值。因而必須對(duì)原始樣本進(jìn)行數(shù)據(jù)的初始化，轉(zhuǎn)化為分布在[-1，1]區(qū)間范圍內(nèi)的數(shù)值。初始化具體方法采用參加訓(xùn)練的樣本各指標(biāo)原始值與參加訓(xùn)練的樣本各指標(biāo)原始值的最大值之比。即，P_ij=x_ij/max(x_ij)為初始化后的網(wǎng)絡(luò)輸入數(shù)據(jù)，x_ij為原始數(shù)據(jù)，max(x_ij)為原始數(shù)據(jù)的最大。即必須對(duì)1985~1998年的數(shù)據(jù)作初始化。

????　?。?）初始權(quán)值的確定。取初始權(quán)值為（-1，1）之間的隨機(jī)數(shù)，從而保證神經(jīng)元的權(quán)值能夠在S形函數(shù)變化最大處進(jìn)行調(diào)節(jié)。

????　　（4）對(duì)模型進(jìn)行修正權(quán)值和閥值，然后把1999~2001年的數(shù)據(jù)作為預(yù)測(cè)樣本，將得到一個(gè)預(yù)測(cè)誤差，如果沒(méi)有達(dá)到所要求的誤差值，或者沒(méi)有達(dá)到所要求的訓(xùn)練次數(shù)，繼續(xù)訓(xùn)練，直到滿足預(yù)測(cè)誤差。滿足誤差后，得到最優(yōu)權(quán)重和閥值。

????　?。?）期望誤差值是通過(guò)不同期望誤差的網(wǎng)絡(luò)的對(duì)比訓(xùn)練來(lái)選取的。如果選取較小的期望誤差值要通過(guò)增加隱含層的節(jié)點(diǎn)數(shù)和訓(xùn)練的時(shí)間。筆者經(jīng)過(guò)多次訓(xùn)練比較，選取期望誤差為0.001，最大訓(xùn)練步數(shù)為20000，學(xué)習(xí)率為0.01，動(dòng)量系數(shù)為0.1。按照誤差要求，多次篩選，得到最優(yōu)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

????　　高峰期的網(wǎng)絡(luò)結(jié)構(gòu)為7-7-1，非高峰期的網(wǎng)絡(luò)結(jié)構(gòu)為6-6-1，同時(shí)得到最優(yōu)權(quán)值和閾值距陣。此時(shí)可以對(duì)1999~2001年火災(zāi)事故進(jìn)行預(yù)測(cè)，其結(jié)果及誤差分析如表2所示。

????　　表2 1999~2001年預(yù)測(cè)值與實(shí)際值結(jié)果及誤差分析

????　　見(jiàn)表

?

????　?。?）從上表可以看出誤差結(jié)果最大誤差不超過(guò)0.88%，預(yù)測(cè)的精度較高，能夠滿足實(shí)際需要。因此，可以預(yù)測(cè)未來(lái)3年的火災(zāi)事故，其結(jié)果如表3所示。

????　　表3 2002~2004年預(yù)測(cè)結(jié)果

????　　見(jiàn)表

?

????4結(jié)論

????　?。?）預(yù)測(cè)城市未來(lái)火災(zāi)事故的發(fā)生次數(shù)是一項(xiàng)復(fù)雜的工作。筆者根據(jù)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，將其用于城市火災(zāi)的預(yù)測(cè)?？茖W(xué)的預(yù)測(cè)火災(zāi)事故發(fā)生的趨勢(shì)，有利于防災(zāi)基礎(chǔ)資源配置和城市應(yīng)急安全預(yù)案的科學(xué)制訂。

????　?。?）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法具有極強(qiáng)的非線性逼近，大規(guī)模并行處理，自訓(xùn)練學(xué)習(xí)，容錯(cuò)能以及對(duì)外界環(huán)境的適應(yīng)能力，很好地解決了傳統(tǒng)預(yù)測(cè)方法中須事先構(gòu)造函數(shù)的不足。只要有足夠的樣本，就能準(zhǔn)確預(yù)測(cè)火災(zāi)事故發(fā)生的趨勢(shì)，而且對(duì)于火災(zāi)事故發(fā)生次數(shù)復(fù)雜動(dòng)態(tài)數(shù)據(jù)的處理比傳統(tǒng)方法更具有精確性和優(yōu)越性，其計(jì)算處理過(guò)程可通過(guò)Matlab中的人工神經(jīng)網(wǎng)絡(luò)工具箱編程實(shí)現(xiàn)。

????　?。?）預(yù)測(cè)值實(shí)際值的比較分析顯示，神經(jīng)網(wǎng)絡(luò)應(yīng)用在城市火災(zāi)次數(shù)預(yù)測(cè)方面是可行的、可信的。