文档介绍：维普资讯
第卷第期土木工程学报. .
.
年月
一种改进的神经网络数据预处理方法及其
在建筑管理中的应用
胡保清关柯
哈尔滨工业大学管理学院
摘要:针对建筑管理领域问题所涉及数据的非线性和高噪声特点,本文提出一种新的神经网络数据预处理方法
——分布变换方法,进而提出,对于具有不同统计分布特征的变量,应采用不同的数据变换方法。通过函数仿
真分析了不同的数据预处理方法对神经网络模型精度的影响,并通过建筑项目争端解决满意度预测问题进行了
验证。
关键词:建筑管理;神经网络;数据处理
中图分类号: 文献标识码:
文章编号: —
低’】册,
吼Ⅱ;『三Ⅵ
——.
,
: .
—.
.
, .
:; ;
糊性,如何对原始数据进行分析整理和变换,使得变
引言换以后的数据既能够适应神经网络计算的需要,又能
较好地保持原始数据的特征,就成为神经网络应用研
在世纪年代中期,神经网络作为人工智能究中必须解决的问题。
领域的一个分支,其研究逐步走向繁荣,而土木工程
和建筑管理领域被认为是适合人工智能技术应用的肥数据预处理的必要性
沃土壤。神经网络在土木工程领域应用的首篇文献出
现于年,随着采用梯度下降优化技术的误差反在神经网络计算中,训练数据被用于神经网络的
传学习算法的出现和对该算法的有效实施, 学习并得出权重,检验数据用来检验神经网络的外推
使得神经网络成为解决土木工程和建筑管理领域问题能力,因此,对于一个有效的神经网络来说,数据是
的可行的有效工具。其最基本的要素。大部分神经网络算法要求输入输出
神经网络具有“数据驱动”的特征,其建模所需数据要限制在,或一,区间内,这就必
要的信息全靠从训练样本中得到,这就决定了建模效须通过数据变换来实现。数据预处理的主要目的是修
果的好坏依赖于样本的数量和质量。由于建筑管理领改变量数据的分布,以使得输入数据能够更好地符合
域问题的复杂性和多样性,使得相关原始数据的采集输出变量的分布。在统计学中,数据变换已经在原始
比较困难,相关的变量也具有高噪声、不确定性和模数据的分析和挖掘方面有了广泛的研究和应用,并取
得了很好的效果⋯。
收稿日期:——神经网络技术在建筑管理中主要用于预测和分类
维普资讯
第卷第期胡保清等·一种改进的神经网络数据预处理方法及其在建筑管理中的应用’·
问题,由于神经网络不具有解释能力,无法准确地揭数据可以通过公式来计算。于是,就
示各变量之间的内在联系,这就使网络模型精度的提是经过变换后的变量, 就是数据变换的函数。
高显得尤为重要。数据变换己经被证明是改善网络性
能的有效手段之一。另一方面,数据变换可能导致原函数仿真
始数据中所包含信息的丢失,一旦丢失了太多信息,
神经网络的学习和分析也就失去了方向。因此衡量不. 函数选择和数据准备
同的变换方法对神经网络性能的影响就很有价值。有函数仿真可以为生成训练和检验数据提供一个可
一点需要指出的是,不同的变换方法对网络性能的改以精确控制的环境,是评价神经网络性能时经常采用
善很难从理论上证明其有效性,在本研究中,采用的手段。由于神经网络具有优良的非线性处理能力,
了函数仿真和实例研究的