時間：2022-04-07 11:20:18
緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇神經(jīng)網(wǎng)絡原理，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！
關(guān)鍵詞：板凸度；板形預測控制；ANSYS/LS-DYNA；BP神經(jīng)網(wǎng)絡；預測精度
DOI：10.16640/ki.37-1222/t.2016.21.124
0 引言
板帶材是汽車、船舶、建筑、機電、化工和食品等工業(yè)的重要原材料[1-3]。隨著我國經(jīng)濟的高速發(fā)展，鋼材板帶比不斷提高。板帶的軋制過程是指靠旋轉(zhuǎn)的軋輥與軋件之間的摩擦力將軋件拖進輥縫之間，并使之受到壓縮產(chǎn)生塑性變形的過程[4]。板形是衡量板帶軋制的重要質(zhì)量指標之一[5]。軋制生產(chǎn)過程中，板形的影響因素涉及幾何非線性、材料非線性的高度復雜非線性問題以及存在時變性等特點。傳統(tǒng)的數(shù)學模型難以建立起相對準確的，能夠準確表達各參量間的靜態(tài)關(guān)系以及能夠準確描述動態(tài)關(guān)系的表達式[6]。因此本文建立了有限元與BP神經(jīng)網(wǎng)絡[7]結(jié)合的板形預測模型。該模型不僅保證了計算精度，還滿足了板形在線預測的要求。
1 基于BP神經(jīng)網(wǎng)絡與有限元原理的板形控制模型的建立
本論文所用的模型所采用的各個工藝參數(shù)的數(shù)據(jù)來源于某企業(yè)2800四輥可逆式冷軋機實際生產(chǎn)中獲取的數(shù)據(jù)。其中軋件材質(zhì)為Q195鋼，軋輥材質(zhì)為70Cr3NiMo。
（1）模型的基礎分析。結(jié)合有限元仿真，板帶寬度，工作輥直徑，支撐輥直徑，工作輥彎輥力，支撐輥彎輥力，工作輥凸度，支撐輥凸度，工作輥竄輥，支撐輥竄輥對板形的影響比較大，因此BP神經(jīng)網(wǎng)絡預測模型選擇的輸入?yún)?shù)為。利用有限元分析建立樣本時，根據(jù)實際情況在一定范圍內(nèi)變化，其它軋制參數(shù)則設為固定值，所以，網(wǎng)絡的輸入變量是9維的。輸出參數(shù)為板凸度，所以輸出變量是1維的。本模型采用三層的BP神經(jīng)網(wǎng)絡模型，即只含有一個隱含層。確定最佳隱層節(jié)點數(shù)的一個常用方法是試湊法，可先設置較少的隱層節(jié)點訓練網(wǎng)絡，然后逐漸增加節(jié)點數(shù)，用同一樣本集進行訓練，從而確定網(wǎng)絡誤差最小時對應的隱層節(jié)點數(shù)。隱含層節(jié)點數(shù)的確定還可借鑒以下公式：
（2）BP神經(jīng)網(wǎng)絡結(jié)構(gòu)模型。結(jié)合以上公式，經(jīng)過反復測試，中間層節(jié)點數(shù)設為9個。因此，本文確定的BP網(wǎng)絡結(jié)構(gòu)為9-9-1。由此確定的板形預測模型的網(wǎng)絡計算模型如圖1所示。
2 模型的訓練及檢驗
（1）模型的相關(guān)參數(shù)及分析。網(wǎng)絡的訓練利用Matlab軟件進行，選擇收斂速度快并且預測精度高的L-M法。利用有限元的計算結(jié)果作為訓練樣本庫，對BP神經(jīng)網(wǎng)絡進行訓練。在給定精度要求條件下，對BP神經(jīng)網(wǎng)絡模型進行訓練。
（2）誤差及模型結(jié)果分析。所得到的BP神經(jīng)網(wǎng)絡誤差進行分析得到BP神經(jīng)網(wǎng)絡的訓練結(jié)果并進行分析。BP神經(jīng)網(wǎng)絡訓練結(jié)束后，為了檢驗該BP神經(jīng)網(wǎng)絡的識別能力，將訓練得到的網(wǎng)絡權(quán)值以及各神經(jīng)元的閥值存入權(quán)值文件，任選幾組有限元仿真得到的結(jié)果作為測試樣本集對BP神經(jīng)網(wǎng)絡進行檢驗，得到BP神經(jīng)網(wǎng)絡測試與訓練數(shù)據(jù)關(guān)系。最后選取了有代表性的板凸度參數(shù)的BP神經(jīng)網(wǎng)絡預測值與有限元仿真值進行比較。綜合分析可知本文建立的BP神經(jīng)網(wǎng)絡模型來預報板凸度參數(shù)，其誤差最大值不超過3%，精度還是比較高的。
3 結(jié)論
（1）基于人工神經(jīng)網(wǎng)絡建立了BP神經(jīng)網(wǎng)絡模型，并以此提高板凸度參數(shù)的預報精度。結(jié)合工作輥竄輥量以及支撐輥竄輥量等因素與板凸度的關(guān)系，進行分析計算得到相應的關(guān)系。（2）利用有限元仿真計算結(jié)果作為訓練樣本對神經(jīng)網(wǎng)絡進行訓練，得到了訓練結(jié)果圖。（3）利用有限元測試樣本對BP神經(jīng)網(wǎng)絡模型進行檢驗，可以得出BP神經(jīng)網(wǎng)絡的輸出值與有限元的仿真計算值的分布規(guī)律一致，存在的誤差比較小。這表明本文建立的板形預測模型是合理的，其計算結(jié)果是可信的并且具有參考價值。
參考文獻：
[1]彭艷，孫建亮，劉宏民.基于板形板厚控制的軋機系統(tǒng)動態(tài)建模及仿真研究進展[J].燕山大學學報，2010，34（01）：6-12.
[2]蘇亞紅.我國冷軋板帶生產(chǎn)狀況及展望[J].冶金信息導刊， 2007（05）：44-48.
[3]王延溥，齊克敏.金屬塑性加工學――軋制理論與工藝[M].北京： 冶金工業(yè)出版社，2006.
[4]SUN Jianliang，PENG Yan，LIU Hongmin.Non-linear vibration and stability of moving strip with time-dependent tension in rolling process[J].Journal of Iron and Steel Research，2010， 17（06）：11-15.
[5]薛濤，杜鳳山，孫靜娜.基于有限元與神經(jīng)網(wǎng)絡的板形調(diào)控功效[J].鋼鐵，2012，47（03）：56-60.
[6]徐樂江.板帶冷軋機板形控制與機型選擇[M].北京：冶金工業(yè)出版社，2007.
關(guān)鍵詞 入侵監(jiān)測系統(tǒng)；異常監(jiān)測；神經(jīng)網(wǎng)絡；資料監(jiān)測；人工異常
中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2016）172-0076-02
隨著互聯(lián)網(wǎng)系統(tǒng)的發(fā)展，使得系統(tǒng)隨時可能受到來自網(wǎng)絡的入侵，因此，如何保護系統(tǒng)與資料安全一直是一個重要的研究課題。近年來，由于資料監(jiān)測技術(shù)的發(fā)展，將該技術(shù)應用于入侵監(jiān)測領(lǐng)域，利用事先收集到的資料訓練出一個較為一般化的模型，再以該模型針對即時資料進行是否入侵的判斷。用來改變現(xiàn)行入侵監(jiān)測系統(tǒng)使用有限的監(jiān)測規(guī)則來判斷入侵跡象，而無法監(jiān)測未出現(xiàn)過入侵現(xiàn)行的缺點[1，2]。
本文針對檔案傳輸協(xié)定（File Transfer Protocol；FTP）服務，利用神經(jīng)網(wǎng)絡建立異常監(jiān)測的入侵監(jiān)測系統(tǒng)，其目的在于利用評估資料監(jiān)測的方式建立入侵監(jiān)測系統(tǒng)，實現(xiàn)未知入侵行為的監(jiān)測，解決目前入侵監(jiān)測研究領(lǐng)域所遇到的問題[3]。
1 入侵監(jiān)測系統(tǒng)
1.1 入侵監(jiān)測系統(tǒng)簡介
針對入侵監(jiān)測系統(tǒng)的研究始于1980年，Jim將入侵定義為未經(jīng)授權(quán)而存取、操作、修改或破壞資料，或使電腦系統(tǒng)不穩(wěn)定，甚至無法使用的行為。而入侵監(jiān)測系統(tǒng)的目的是監(jiān)測上面提到的各種行為。大部分的入侵監(jiān)測系統(tǒng)是根據(jù)入侵特征建立的監(jiān)測規(guī)則專家系統(tǒng)，對已知的攻擊辨識能力較佳。由于這類入侵監(jiān)測系統(tǒng)所建立的特征不具一般化，因此很難分辨新的入侵行為。
1.2 入侵監(jiān)測系統(tǒng)分類
近年來提出了許多不同的監(jiān)測模式系統(tǒng)，用以應對不同的系統(tǒng)行為，大致可分為模擬正常行為與異常行為兩種。入侵監(jiān)測技術(shù)分為濫用監(jiān)測：使用已知入侵攻擊模式判斷入侵行為；異常監(jiān)測：將建立的正常使用模式變異到一定程度時視為不正常的存取行為（甚至是入侵）。
對于濫用監(jiān)測系統(tǒng)。將具有入侵特征的動作加以編碼，然后與收集的檢查資料進行比對，以此方式發(fā)現(xiàn)入侵。其缺點是入侵特征均需編碼后進入系統(tǒng)，面對未知的入侵攻擊時，無法監(jiān)測出來，這樣的系統(tǒng)稱為濫用監(jiān)測系統(tǒng)。
入侵監(jiān)測系統(tǒng)由早期的專家根據(jù)入侵特征建立系統(tǒng)監(jiān)測規(guī)則，逐漸發(fā)展成以統(tǒng)計方式建立模型，監(jiān)測使用行為與統(tǒng)計樣式差別過大的，即可判斷入侵方式。隨后進入以資料監(jiān)測方式為主流的監(jiān)測系統(tǒng)，以提高檢測率及降低誤報率的目標。
1.3 入侵監(jiān)測系統(tǒng)結(jié)構(gòu)
目前的入侵監(jiān)測系統(tǒng)實際上以資料和數(shù)據(jù)為主，對該系統(tǒng)整體結(jié)構(gòu)進行以下說明：
1）受監(jiān)測系統(tǒng)/感測器：入侵監(jiān)測系統(tǒng)的資料來源，也就是受到監(jiān)測的電腦主機。
2）審查資料收集：通過感測器收集審查資料。網(wǎng)絡封包表頭資料、網(wǎng)絡封包流量統(tǒng)計、使用者鍵入命令，使用者登錄資料等等，均為審查資料范圍。
3）監(jiān)測處理：通過各種算法，監(jiān)測收集所得到的資料，找到疑似入侵的行為，由上述觀點，監(jiān)測處理是系統(tǒng)最核心的部分，監(jiān)測入侵的準確與否，取決于此，處理的方式則有異常與濫用兩種。
4）處理中資料：入侵監(jiān)測系統(tǒng)處理中的資料，如欲比對入侵模型，比對中的審查資料等。
1.4 檔案傳輸協(xié)定
本系統(tǒng)運行時，目的是為了對網(wǎng)絡入侵的監(jiān)測，欲監(jiān)測的入侵以FTP服務為主。選定FTP服務的原因，在于封包資料的可獲得性高、FTP命令可供判斷入侵行為、且其入侵形態(tài)多、容易看出監(jiān)測效果。
FTP是檔案傳輸協(xié)定的縮寫，在網(wǎng)絡環(huán)境下傳輸檔案，亦可將檔案通過網(wǎng)絡從某系統(tǒng)傳輸至另一系統(tǒng)。使用此項服務需設定登入服務的賬戶。這個檔案傳輸協(xié)定支持不同操作系統(tǒng)、不同檔案結(jié)構(gòu)主機，以ASCII編碼傳送或接收。FTP使用控制連線和資料連線兩個TCP連線來傳輸文檔。除了FTP命令外，該服務的網(wǎng)絡封包表頭亦為資料來源，這些資料經(jīng)整理處理后，用以建立入侵監(jiān)測模型。
1.5 神經(jīng)網(wǎng)絡
神經(jīng)網(wǎng)絡的目標是以計算系統(tǒng)模擬最簡單的生物神經(jīng)網(wǎng)絡結(jié)構(gòu)。整個計算系統(tǒng)由多個高度連接的處理單元構(gòu)成，以此連接網(wǎng)絡間的訓練學習，并處理外部輸入數(shù)據(jù)。如果將神經(jīng)網(wǎng)絡視為黑盒子，則此盒子由多個節(jié)點連接而成，一般可分為3層：輸入層、隱藏層及輸出層。
訓練過程中輸入訓練參數(shù)集，然后根據(jù)不同算法調(diào)整權(quán)重及偏權(quán)值，最后讓神經(jīng)網(wǎng)絡可以映射輸入與輸出間的關(guān)系模式；模擬過程以測試數(shù)據(jù)集輸入并進行訓練后所得的神經(jīng)網(wǎng)絡值為準。
2 系統(tǒng)結(jié)構(gòu)原理
在整個系統(tǒng)主要由以下幾個部分組成，包括人工異常資料產(chǎn)生器，特征選取器，模型訓練器及模型評估器。人工異常資料產(chǎn)生器主要功能為產(chǎn)生與輸入資料不同的輸出資料，在異常監(jiān)測概念中，任何與正常資料不同的資料均視為異常資料。因為FTP的封包資料很難完全收集，因此，異常資料產(chǎn)生器需根據(jù)正常資料人工產(chǎn)生異常資料。特征選取器針對FTP服務器端的封包資料，選具有代表性與辨別性的特征，根據(jù)選取的特征隨機產(chǎn)生人工異常資料至此系統(tǒng)資料前處理結(jié)束。模型訓練器首先選擇一部分資料作為訓練資料，一部分為測試資料。模型訓練器當模型訓練完成后，可使用測試資料集來評估分類模型的正確性。
3 系統(tǒng)運行機理
系統(tǒng)的運行部分包括：輸入資料、資料編碼方式、人工異常資料產(chǎn)生、特征選取方式，下面對各部分進行詳細介紹。
3.1 輸入資料
由于檔案傳輸協(xié)定（FTP）服務的攻擊行為多屬于網(wǎng)絡形式的攻擊，因此輸入資料應該選擇與網(wǎng)絡相關(guān)的特征，以有效分辨攻擊與非攻擊行為。初步選取的特征如下所示，數(shù)字代表資料編碼后產(chǎn)生的特征個數(shù)。
1）連接方式（1）：連線方向“1”表示連接至FTP服務器，“0”表示服務器向外連線。
2）響應編碼（5）：FTP響應為3個ASCII數(shù)字，第一個代表響應狀態(tài)，第二個代表錯誤種類，第三個為更進一步錯誤信息。
3）出現(xiàn)次數(shù)最多的字符（3）：統(tǒng)計封包資料中出現(xiàn)次數(shù)最多的字符作為特征輸入。
4）數(shù)據(jù)長度（3）：正常的FTP封包資料部分長度一般較短，較長的可能為異常封包資料。
3.2 資料編碼方式
1）連接方式（1）：連線方向“1”表示連接至FTP服務器，“0”表示服務器向外連線。
2）響應編碼（5）：以5個輸入點來表示響應碼的第一個數(shù)字，轉(zhuǎn)換方式如下：00001：1；00010：2；00100：3；01000：4；10000：5；00000：以上皆非時。
3）出現(xiàn)次數(shù)最多的字符（3）：根據(jù)封包資料字符出現(xiàn)次數(shù)最多的字符，以3個輸入節(jié)點表示輸入資料，編碼如下：001：1≤x≤5；011：6≤x≤10 ；111：x>10；000：以上皆非時。
4）數(shù)據(jù)長度（3）：以3個節(jié)點表示封包的資料長度，其轉(zhuǎn)換方式如下：001：1≤x≤48；011：49≤x≤96 ；111：x>96；000：以上皆非時。
4 結(jié)論
通過FTP服務收集的審查資料，以神經(jīng)網(wǎng)絡訓練的入侵監(jiān)測模型，驗證了資料監(jiān)測方式監(jiān)測入侵問題的可行性。資料監(jiān)測方式實際應用于入侵監(jiān)測時仍存在問題需要解決，最明顯的就是處理速度，網(wǎng)絡傳輸封包資料數(shù)量可能相當大，除收集審查資料外，還需對收集資料做前處理，并且以入侵監(jiān)測算法來監(jiān)測是否入侵，達到實時處理的要求。
參考文獻
[1]潘連根.數(shù)字檔案館研究[M].北京：中國檔案出版社，2005.
【關(guān)鍵詞】諧波;APF;神經(jīng)網(wǎng)絡
Abstract：With the development of the power of electronics technology，due to a variety of new non-linear loads are growing has caused much harmonic in power system，active power filter is the effective way to harmonic and compensate for the elimination.The working principle of active power filter system are briefly analyzed for this paper，and proposed a detection method based on neural networks，which are mainly using neural network load caused by harmonic resistance，etc.for effective analysis，to the original filter detection of the corresponding power system fundamental active current of more complete and thorough simulation results validate the design theory and analysis results are correct.
Key word：Harmonic;APF;neural networks
1.引言
在我國的可以發(fā)展和社會進步過程中，特別是各種高科技的產(chǎn)品以及衍生物的出現(xiàn)，發(fā)展進程不斷加快，由于我國的地理結(jié)構(gòu)，特別是資源分布不均決定了電網(wǎng)的地理結(jié)構(gòu)配置，尤其是在惡劣環(huán)境狀況下長遠距離的電網(wǎng)配送傳輸，這樣不得不造成電能在傳輸過程中的出現(xiàn)諸多問題，基于越來越到的三相交流正弦設備電壓的穩(wěn)定性，尤其是大量的非線性設備在交流電下產(chǎn)生的非正弦電流（電壓等）信號，造成了其電能的有效性利用和一系列諧波的干擾等等。有源電力濾波器（Active Power Filter，APF）則應運而生，其優(yōu)點是可以抑制一些諧波來提高電能的穩(wěn)定性和電能的質(zhì)量，其中在諧波處理這一塊加入新型的神經(jīng)網(wǎng)絡，如現(xiàn)今的BP、FFT神經(jīng)網(wǎng)絡算法的運用在電力濾波器中，能夠在諧波的處理過程中更加的準確和穩(wěn)定，極大地加快了效率和保證了電能的質(zhì)量，也是目前市場情景很廣的一個重要課題。
2.電力諧波的檢測方法
在現(xiàn)代的電力系統(tǒng)中，尤其的當前的三相交流電無時不刻地出現(xiàn)各種干擾性諧波，影響電能質(zhì)量和效率。在傳統(tǒng)的諧波檢測中有一些比較傳統(tǒng)的方法，特別在最初使用的無源濾波器進行簡單且原始地濾波，這種濾波器在使用的同時也帶來了很多的不便和出現(xiàn)更多新的問題，在后來也慢慢被淘汰。于是在后來演變了幾種比較常用的方法，每種方法有其各自特點及應用范圍，因此了解各種諧波檢測方法的優(yōu)缺點及其適用場合對擬制諧波是非常重要的。就目前廣泛應用的是那些基于瞬時無功功率理論的p-q法，法和同步檢測法以及基于正弦函數(shù)正交特性法的檢測等方法，然后通過一些仿真比較各自的優(yōu)缺點及適用場合，為有效擬制諧波提供理論及實際指導。分析及仿真表明，有效利用各種諧波檢測方法的特點進行諧波擬制是非常有效、實用的，這是充分利用其反向特點分析的。
2.1 檢測法
就目前大部分的諧波檢測而言，基本都是運用檢測法進行諧波檢測，在諧波檢測的基本工作原理是：將電壓或電感器輸出的電流信號轉(zhuǎn)化為電壓信號并進行適當?shù)姆糯蠡蚩s?。ǜ鶕?jù)實際信號的輸出情況進行放大或縮?。?。首先指令運算電路就是諧波檢測的重要部分，其作用是在有源電力濾波器的補償作用下得出其補償電路的指令信號（電流信號），其中常用且最為重要的部分是三相電路的檢測方法，在實際生活中常用的有兩種：一種是電路諧波檢測法，另一種是無功電流檢測法。如下圖1是電路-諧波檢測的原理示意圖.其方法的基本原理是利用三相電壓源中的其中一項與同相位的正弦信號和相對應的余弦信號sinωt_cosωt，然后他們由一個相鎖環(huán)（PLL）和sinωt_cosωt信號的發(fā)生電路模塊得到。再根據(jù)定以及其公式計算出、。在圖中、是由、、產(chǎn)生的、于是由、可以計算出、、，進而計算出、、。運算公式如圖1所示。
圖1 三相電流諧波檢測原理示意圖
（6）
（7）
（8）
（9）
用給定這些式子可以理想化的酸楚相應的補償電流出來，這樣根據(jù)所需的參數(shù)量來進行可控補償。最終達到諧波抑制的目的。
2.2 基于神經(jīng)網(wǎng)絡的電流檢測
在傳統(tǒng)的APF（有源電力濾波器）中，我們很難有準確的測量方法，即是根據(jù)理想化的公式也只能進行理想的運算，然而在實際運行過程中，其測量參數(shù)準確度的有很大差距，于是我們提出了一種基于神經(jīng)網(wǎng)絡電流檢測方法，這樣在有源電力濾波器中有了很好檢作用，其神經(jīng)網(wǎng)絡原理圖 如下圖2所視，它具有多種跟蹤捕捉參數(shù)的能力，也能更為快速、準確地檢測出來，達到的結(jié)果更接近理想值，在有源電力濾波器中加入運用神經(jīng)網(wǎng)絡是現(xiàn)今以及未來的一個趨勢。
圖2 神經(jīng)網(wǎng)絡結(jié)構(gòu)圖 圖3 基于神經(jīng)網(wǎng)絡的基本原理圖
3.建立相關(guān)模型并仿真
在APF的濾波基礎上加入需要的神經(jīng)網(wǎng)絡模塊，更能有效且準確地檢測諧波并進行有效的補償，最終得到需要的電流（電壓）信號供日常實際生產(chǎn)。在被控參數(shù)的前饋期加入神經(jīng)網(wǎng)絡，可以很好的前饋控制，這樣的優(yōu)點是互惠產(chǎn)生不必要的延遲，同時可以減小工作時間。
3.1 模型建立
由于該研究主要針對于日常用的三相電力系統(tǒng)中，所以本文也是以三相交流為研究對象，其主要原理框圖如圖4所示
圖4 加入神經(jīng)網(wǎng)絡的有源濾波的簡易原理框圖
我們可以很弄清楚地看到，濾波裝置（APF）中加入可控串補神經(jīng)經(jīng)網(wǎng)調(diào)節(jié)模塊，由圖中可以看出主要對一些交流電流等相關(guān)參數(shù)進行補償和抑制，在實際的運行環(huán)境中一系列的諧波、內(nèi)外振蕩和非穩(wěn)定因素等干擾就得到了很好的抑制和處理，電壓（電流）變得更穩(wěn)定并且得到補償和提高，很接近預期理論計算值，最終改善了運行環(huán)境，提高了電能的質(zhì)量，同時更能有效地節(jié)省資源和提高電能有用功率。在每個模塊達到自己的理論使用效果后，就可以很好地達到預期的結(jié)果。
3.2 仿真結(jié)果
本文研究對象主要是針對于三相交流電的電流參數(shù)進行測試，得到了一些列的仿真結(jié)果，基本能夠反映研究的基本目的。下列圖形分別給出了其三相交流電流諧波補償抑制的仿真圖像。
（1）當給定電壓在380v、50Hz、α=30°時，在給與一定負載，得到的電流波形圖如下圖5所示，諧波很明顯，三相正弦電流波形受到的干擾很明顯，在有源濾波器的作用，諧波得到了很好的抑制并且提供了相應的補償，是電流波形接近正常。
（2）當給定電壓為380V、50Hz、α=30°時，同時給與一定負載，得到的電流波形圖如下圖6所示，諧干很明顯，可知三相正弦電流波形受到的干擾很明顯，在有加入神經(jīng)網(wǎng)絡后的有源濾波器的作用下，我們能夠很明顯地看到諧波得到了很好的抑制，且給予的補償也很充分，電流的曲線圖像變得更接近理想值，振幅也比以前增大了，從圖像中我們可以得出在神經(jīng)網(wǎng)絡的作用下，有源電力濾波器的作用能夠發(fā)揮得更加充分和完善，也是我們研究的重點和趨勢。
4.總結(jié)
本文主要是在諧波污染現(xiàn)狀上，對諧波進行系統(tǒng)的研究，尤其是在諧波檢測的基礎上進行研究，并設計了一種基于神經(jīng)網(wǎng)絡的有源電力諧波檢測法，利用神經(jīng)網(wǎng)絡具有逼近任意非線性函數(shù)能力，響應快、超調(diào)小、誤差小、魯棒性好等一些優(yōu)點，克服了有源電力濾波器補償性能不足，檢測效率低等缺點。其仿真結(jié)果表明基于該神經(jīng)網(wǎng)絡的諧波檢測模塊的試驗中，可以得出其具有快速且準確的檢測抑制效果，對今后的諧波抑制方面具有很好的發(fā)展前景。
參考文獻
[1]楊軍，王兆安.三相電路諧波電流兩種檢測方法的對比研究[J].電工技術(shù)學報，2005，6（7）.
[2]王兆安，劉建軍.電力電技術(shù)[M].北京：機械工業(yè)出版社，2010.
[3]于志豪，劉志珍，徐文尚.基于電路模型和神經(jīng)網(wǎng)絡的諧波電流檢測方法[J].電工技術(shù)學報，2004，19（9）.
［關(guān)鍵詞］人工神經(jīng)網(wǎng)絡;遠程教育;知識管理;綜合評價模型
［中圖分類號］G64［文獻標識碼］A［文章編號］1005-6432（2014）21-0048-04
1人工神經(jīng)網(wǎng)絡評價遠程教育知識管理績效的原理遠程教育知識管理績效評價是一項復雜的多層次、多目標評價活動。由于影響評價有效性的相關(guān)因素很多,這些因素一般難以量化,而且遠程教育知識管理績效評價決定力量與管理質(zhì)量之間映射關(guān)系是非常復雜的,很難明顯地表述。因此,評價是一件非常復雜的事情。如何才能做到既充分考慮評價專家的經(jīng)驗和直覺思維的模式又能降低評價過程中人為的不確定性因素,既具備綜合評價方法的規(guī)范性又能體現(xiàn)出較高的問題求解效率。這是正確評價的關(guān)鍵所在。
把ANN應用于遠程教育知識管理的綜合評價,意在建立更加接近于人類思維模式的定性與定量相結(jié)合的綜合評價模型。ANN用于遠程教育知識管理綜合評價的基本原理是：將描述遠程教育知識管理的基礎指標的屬性值作為ANN的輸入向量,將代表綜合評價目標的結(jié)果作為ANN的輸出。然后用足夠多樣本向量訓練這個網(wǎng)絡,使不同的輸入向量得到不同的輸出值,這樣ANN所具有的那組權(quán)系數(shù)值便是網(wǎng)絡經(jīng)過自適應學習所得到的正確內(nèi)部表示。人工神經(jīng)網(wǎng)絡通過信息樣本對神經(jīng)網(wǎng)絡的訓練,使其具有人的大腦的記憶、辨識能力,完成各種信息處理功能,利用其良好的自學習、自適應、聯(lián)想記憶、并行處理和非線性轉(zhuǎn)換的能力,模擬并記憶出遠程教育知識管理評價指標和知識管理績效向量之間的關(guān)系,以此作為評價遠程教育知識管理績效的標準。同時,通過大量的試訓樣本使得模型向著理想狀態(tài)逼近。然后利用測試樣本對模型進行測試,直到感覺滿意為止。訓練好的ANN便可作為一種定性與定量相結(jié)合的有效工具,對不同機構(gòu)的教育知識管理進行綜合評價。
2基于人工神經(jīng)網(wǎng)絡的遠程教育知識管理評價模型
21遠程教育知識管理評價指標
設計評價指標是教育知識管理績效評估中的首要問題。從教育知識管理的內(nèi)容、目標及職能出發(fā),借鑒國內(nèi)外學者對知識管理評價指標體系的研究成果,結(jié)合遠程教育知識管理活動規(guī)律,并力求遵循科學性、系統(tǒng)性、層次性、可比性、可操作性原則,本文從知識管理重視度、基礎設施建設水平、人力資源管理知識化水平、知識檢測、評價和利用水平、綜合管理水平等方面確定遠程教育知識管理績效評價指標體系（見表1）。
表1遠程教育知識管理績效評價指標體系一級指標二級指標知識管理重視
程度X1知識管理戰(zhàn)略和預算的制定情況X11
CKO的職位與級別X12
激勵人員創(chuàng)造性的花費占總投入的比重X13基礎設施建設
水平X2人均計算機臺數(shù)X21
知識管理基礎設施投入占固定資產(chǎn)投資比重X22
網(wǎng)絡覆蓋率X23
基本信息數(shù)據(jù)庫建設水平X24人力資源管理
知識化水平X3職位技能和評價標準的設立X31
知識人員比例X32
年均人員培訓和教育成本X33
人員周轉(zhuǎn)率X34知識檢測、評價
和利用水平X4知識分類與標準化水平X41
多媒體軟件或課件開發(fā)水平X42
經(jīng)驗與新方法數(shù)據(jù)庫建設水平X43
電子圖書的建設及利用水平X44
知識地圖的建設及利用水平X45
網(wǎng)絡教學資源的便利性X46
網(wǎng)上教學資源所占比重X47綜合管理水平X5安全防范措施X51
信息資源管理措施X52
規(guī)章制度完善程度X53對遠程教育知識管理進行評價時,從輸入層輸入教育知識管理指標評價體系。為使模型既有理論價值又有可操作性,本文在案例研究并結(jié)合有關(guān)文獻的基礎上選取7個較為典型的指標作為輸入神經(jīng)元(χij),依次分別是：知識管理基礎設施投入占固定資產(chǎn)投資比重；人均計算機臺數(shù)；網(wǎng)絡教學資源的便利性；網(wǎng)上教學資源所占比重；知識人員比例；年均人員培訓和教育成本；激勵人員創(chuàng)造性的花費占總投入的比重。這7種因素的設置,考慮了概括性和動態(tài)性,力求全面反映遠程教育知識管理的主要因素。
22評價指標屬性值的量化
多目標評價中各目標間具有不可共度性,即各指標沒有統(tǒng)一的度量標準,難以進行比較,因此,在綜合評價前必須把這些分指標按某種隸屬度函數(shù)將其歸一化到某一無量綱區(qū)間。
指標屬性值的量化步驟：
（1）計算第j個分指標Zj的平均值j：
j=(∑mi=1χij)/m,j=1,2,…,n(11)
（2）分別按不同類型的指標計算中間變量:
①對效益型指標,記中間變量
Mij=xij-jj(12)
②對成本型指標,記中間變量
Mij=j-xijj(13)
③對區(qū)間型指標,記中間變量
當χij≤A,則Mij=xij-ΑΑ(14)
當χij≥B,則Mij=B-xijΒ(15)
當B≥χij≥A,則Mij=6(16)
式中A,B分別為區(qū)間型指標的最佳上下界
（3）原始指標按下式轉(zhuǎn)化到［-1,1］區(qū)間上的隸屬度函數(shù)值Yij:
Yij=1-e-Μij1+e-Μij(17)
顯然,Yij=f(Mij)是一條S形曲線,其曲線形狀如圖1所示。Mij反映了原始數(shù)據(jù)χij偏離平均值j的程度。當χij=j,則Mij=0；當χij＞j,則Mij＞0且Yij隨Mij的增長非線性遞增。
圖1S形轉(zhuǎn)換曲線
從上述轉(zhuǎn)換可以看出,對于效益型指標來說,當原始值χij大于平均值時，轉(zhuǎn)換后其隸屬度函數(shù)值大于0,原始值越大,隸屬度函數(shù)值越大,當原始值是4倍以上平均值時,隸屬度函數(shù)值接近“飽和”。這樣處理的好處是為了防止某一分指標隸屬度函數(shù)值過大,從而左右整個綜合指標。對于成本型指標,當χij越大時,其隸屬度函數(shù)值反而越小,取負值,當χij越小時,其隸屬度函數(shù)越大,取正值。
23綜合評價BP網(wǎng)絡的結(jié)構(gòu)設計
遠程教育知識管理評價模型采用具有多輸入單元、單隱層單元和單輸出單元的三層BP神經(jīng)網(wǎng)絡,其結(jié)構(gòu)如圖2所示：
圖2遠程教育知識管理綜合評價BP網(wǎng)絡結(jié)構(gòu)
圖2中,n,m分別表示輸入節(jié)點和隱含結(jié)點個數(shù)；
χi1,χi2，…，χin為論域U={u1,u2,…，un}上第i個樣本模式的評價指標屬性值,Yi1,Yi2,…，Yin為論域U上χi經(jīng)相應隸屬函數(shù)量化后的評價值；
ωij(i=1,2，…，n;j=1,2，…，m)為輸入層第i個單元到第j個單元的連接權(quán)值；
ωj(j=1,2，…，m)為隱層第j個單元到輸出層的連接權(quán)值；Oi為樣本模式i的輸出。
綜合評價BP網(wǎng)絡模型的輸入結(jié)點數(shù)等于各個被評對象的分指標數(shù)目。對于各個輸入結(jié)點,分別輸入經(jīng)隸屬度函數(shù)轉(zhuǎn)化后的第i個被評對象的各指標隸屬度函數(shù)值Yij(i=1,2，…，n;j=1,2，…，m)。隱層結(jié)點數(shù)的確定采用實驗湊試法。輸出層只有一個結(jié)點,代表第i個被評對象的總評價指標Oi。轉(zhuǎn)移函數(shù)選用f(x)=11+e-x
24學習樣本的確定與網(wǎng)絡訓練
一個學習樣本由輸入樣本和輸出樣本兩部分構(gòu)成。輸入樣本為Y(i)={Yi1,Yi2,…，Yin}即被評對象各分指標的隸屬度函數(shù)值。輸出樣本Oi為綜合評價總指標,由下式確定：
Oi=∑nj=1ωj×Yij(18)
其中Yij是χij經(jīng)上述轉(zhuǎn)換后的隸屬度函數(shù)值,ωj為綜合評價中各分指標的權(quán)重。顯然∑nj=1ωj=1,權(quán)重通常是依據(jù)公式(18),由專家組反復斟酌而定的。
把訓練樣本輸入網(wǎng)絡,利用該樣本對BP網(wǎng)絡的連接權(quán)系數(shù)進行學習和調(diào)整,以使網(wǎng)絡實現(xiàn)給定的輸入輸出關(guān)系。本文采用BP算法訓練網(wǎng)絡。
25綜合評價神經(jīng)網(wǎng)絡的實現(xiàn)算法
通過樣本模式的訓練學習后,BP網(wǎng)絡就具有了樣本模式所包含的專家的知識,分布地存貯在BP網(wǎng)絡的權(quán)值之中,這樣,這個訓練好的BP網(wǎng)絡就可以用來對評價的對象系統(tǒng)做出綜合評價,再現(xiàn)評價專家的經(jīng)驗和知識。
由此,得到評價的算法如下：
Step1指標屬性值的量化。即得出各分指標的隸屬度函數(shù)值；
Step2確定BP網(wǎng)絡結(jié)構(gòu),定義這些結(jié)構(gòu)參數(shù)；
Step3把知識庫中的權(quán)重和閾值,給BP網(wǎng)絡的權(quán)重和閾值(ωij,ωjk,θj,θk)賦值；
Step4輸入待考核對象的隸屬度函數(shù)值,作為BP網(wǎng)絡的輸入值Yij；
Step5求出隱結(jié)點的輸出值：
Sj=∑ni=1ωijxi+θj(i=1,2,…，n;j=1,2,…，m)(19)
yj=1/［1+exp(-Sj)］(110)
求出輸出層的輸出值：
Sk=∑mj=1ωjkyj+θk(111)
Oi=1/［1+exp(-Sk)］(112)
Step6輸出考核結(jié)果Oi；
Step7是否還有待考核單位？
是：轉(zhuǎn)Step3繼續(xù)考核。
否：考核結(jié)束。
3仿真實例
本文運用基于神經(jīng)網(wǎng)絡的遠程教育知識管理綜合評價模型對中國20家遠程教育機構(gòu)的知識管理進行綜合評估,并與專家評估相比較以驗證模型的有效性。在實驗中,采用了MATLAB下神經(jīng)網(wǎng)絡工具箱進行仿真模擬。實驗原始數(shù)據(jù)來源于《中國教育統(tǒng)計年鑒》。樣本的選取考慮了概括性和典型性,力求全面反映不同類型機構(gòu)知識管理的水平,同時兼顧地區(qū)間的差異,盡量分布于不同省市地區(qū),體現(xiàn)地區(qū)的廣泛性。
依據(jù)本文所述方法,得到各分指標量化后的隸屬度函數(shù)值和綜合評價總指標的期望值。其中權(quán)重是由專家評判組反復斟酌而定。如表2所示。
表2各機構(gòu)分指標量化后的隸屬度函數(shù)值及綜合評估指標Ji機構(gòu)代號指標Yi1Yi2Yi3Yi4Yi5Yi6Yi7Jiω0201501501020150051048100940275-0289-02020169-009901032-0086-02540330-0185-0006-03320083-00713033403630215006009050652012604454-0537-0330-00670179-0786-0410-0213-037850075-0097-0179-0069010601170060000860684-01820455067500070322001102967-0680-0210-05330048-0499-0229-0008-03778-0565-0446-0555-0339-0834-0441-0256-05439057601700339018703770157006703131002960195-02700321-02770203-0021005411-0006025804510556-0085-013600710127120732069904600330091904670133061413-03390106-0235-03420313-03640005-011314-0672-0439-0223-0387-0715-0428-0135-048615012503050436-0149004904090014020316-0221-041002900179015901100091000917-0073-02570135-0305-0436-02370030-0185180574057201410004053300480056 03391902630129-031801070289-02280031006120-0195-0472-0466-0208-0217-0412-0057-0309
應用本文所述的方法,本例的輸入層共有7個節(jié)點,輸出節(jié)點1個,為綜合評價總指標。根據(jù)經(jīng)驗和反復試驗,本實驗隱層節(jié)點數(shù)選取10。
將表2中的數(shù)據(jù)分為兩部分,前10組數(shù)據(jù)用作學習樣本,作為訓練神經(jīng)元連接權(quán)值用,學習精度ε=10-4,后10組數(shù)據(jù)作為檢驗用。經(jīng)過5200次的學習,其學習結(jié)果見表3。
表3學習結(jié)果機構(gòu)代號12345678910訓練結(jié)果0102-00710447-038100080295-0376-054403150054期望輸出0103-00710445-037800080296-0377-054303130054相對誤差（%）097004507900340270180640
訓練結(jié)束后,給訓練好的BP網(wǎng)絡分別輸入校驗數(shù)據(jù),得到高校教育信息資源管理綜合評價排序結(jié)果。見表4。
表4結(jié)果驗證及遠程教育知識管理評價排序高校代號11121314151617181920測試結(jié)果01260616-0114-048702020009-018403410061-0311期望輸出01270614-0113-048602030009-018503390061-0309相對誤差（%）07903408802104900540590065仿真排序41710368259專家排序41710368259
從表4中可以看出,利用神經(jīng)網(wǎng)絡得到的輸出值與期望值之間的最大誤差為088%,遠程教育知識管理綜合評價排序與專家排序一致。由此可見,用神經(jīng)網(wǎng)絡學習知識管理綜合評價專家知識,并用學習后的網(wǎng)絡對其他遠程教育機構(gòu)的知識管理進行綜合評價能夠獲得滿意的結(jié)果。
基于神經(jīng)網(wǎng)絡的遠程教育知識管理評價網(wǎng)絡不僅可以模擬專家對知識管理進行評價,而且還能夠很好地避免評價過程中的不確定性,實驗證明該模型能有效評價教育知識管理績效水平。既可用于某一地區(qū)、某一類機構(gòu)教育知識管理系統(tǒng)的總體分析評價,也可用于某一機構(gòu)或有關(guān)機構(gòu)之間教育知識管理系統(tǒng)的前后對比或橫向?qū)Ρ?為比較遠程教育機構(gòu)間知識管理水平、差距及其改進空間提供了一種可供借鑒的方法。本研究應用神經(jīng)網(wǎng)絡進行遠程教育知識管理評價是一個新的嘗試,在教育知識管理評價指標和學習樣本的選取上還有待進一步完善。
參考文獻：
［1］焦李成神經(jīng)網(wǎng)絡系統(tǒng)理論［M］西安:西安電子科技大學出版社,1990:92-114.
［2］JWang,BMalakootiA Feedforward Neural Networks for Multiple Criteria Decision-Making ［J］ Computers & OpsRes. 2009,23(2): 151-167.
［3］戴文戰(zhàn)基于三層BP網(wǎng)絡的多指標綜合評估方法［J］系統(tǒng)工程理論與實踐2010,19(5):33-40.
［4］FSWang Fuzzy Neural Systems for Decision-Making［J］ Procof IEEE IntConfon NNs 2010,10(11):1425-1634.
當我們做決策時大腦中發(fā)生了什么？是什么觸發(fā)了神經(jīng)元使其發(fā)送信號？神經(jīng)編碼是什么？本書對計算與理論神經(jīng)科學領(lǐng)域進行了詳細、徹底的介紹，不僅包含了經(jīng)典的主題例如HodgkinHuxley方程和Hopfield模型，也涵蓋了諸如生成線性模型、決策理論等領(lǐng)域中最新的研究成果。本書的首席作者Wulfram Gerstner是計算神經(jīng)科學實驗室的主任，也是瑞典洛桑聯(lián)邦理工學院的生命科學方向及計算機科學方向的教授。他在計算神經(jīng)科學領(lǐng)域的研究集中在脈沖神經(jīng)元模型及突觸可塑性，他曾給物理學家、計算機科學家、數(shù)學家和生命科學家講授過計算神經(jīng)科學課程。同時，他還是《脈沖神經(jīng)元模型》一書的合著者之一。
在本書中，作者將計算與理論神經(jīng)學領(lǐng)域涉及到的概念進行了細致剖析，行文逐步深入，并使用了豐富的圖表和范例作為輔助。全書共分四個部分：第一部分 神經(jīng)動力學的基礎，含第1-4章：1.導言：神經(jīng)元及相關(guān)數(shù)學知識；2.離子通道與HodgkinHuxley模型；3.樹突和突觸；4.降維與相平面分析。第二部分 生成整合-發(fā)放神經(jīng)元，含5-11章，5.非線性整合-發(fā)放模型；6.調(diào)整及放電模式；7.脈沖序列和神經(jīng)編碼的變化；8.噪聲輸入模型：脈沖到達的阻擊9.噪聲輸出：逃逸速率及軟閾值；10.估計概率神經(jīng)模型的參數(shù)；11.通過隨機神經(jīng)元模型進行編碼與解碼。第三部分 神經(jīng)元與集群活動網(wǎng)絡，含12-15章：12.神經(jīng)元集群；13.連續(xù)性方程與FokkerPlanck方法；14.準更新理論與積分方程解法；15.快速瞬變與速率模型。第四部分 認知動態(tài)，含16-20章：16.競爭集群與決策；17.記憶與吸引子動力學；18.感知皮質(zhì)場模型；19.突觸可塑性與學習；20.總結(jié)：可塑性網(wǎng)絡中的動力學。
本書全面地闡述神經(jīng)元模型是如何與神經(jīng)活動結(jié)合起來的有關(guān)內(nèi)容。本書可以作為計算與理論神經(jīng)科學領(lǐng)域的入門讀物，讀者僅需要了解基礎的微分方程及概率學。結(jié)合每章最后的小結(jié)及練習，本書可以作為高年級大學生及低年級研究生的理想教材。另外，相信本書也會是相關(guān)領(lǐng)域?qū)W者的良伴。
馮多，碩士研究生
（中國科學院信息工程研究所）
伴隨著現(xiàn)代社會的飛速發(fā)展，互聯(lián)網(wǎng)信息技術(shù)與計算機技術(shù)等己在人們的生活中普遍地應用。因而生成了互聯(lián)網(wǎng)經(jīng)濟，它的出現(xiàn)影響著人們的生產(chǎn)生活，使社會經(jīng)濟得到更進一步地發(fā)展?；ヂ?lián)網(wǎng)經(jīng)濟是利用相應的信息技術(shù)介質(zhì)，在醫(yī)院內(nèi)建立一整套的信息化、科學的互聯(lián)網(wǎng)運營系統(tǒng)體系，增進醫(yī)院審計的管理工作效率，使醫(yī)院的經(jīng)濟達到最大的收益，促進社會的經(jīng)濟發(fā)展。
1.互聯(lián)網(wǎng)經(jīng)濟的特點對醫(yī)院審計的管理工作的現(xiàn)實意義
1.1有利于醫(yī)院審計網(wǎng)絡化信息技術(shù)體系
在互聯(lián)網(wǎng)經(jīng)濟的作用下，醫(yī)院審計的管理工作也做出了相對的改新。在醫(yī)院內(nèi)建構(gòu)了網(wǎng)絡化的審計信息技術(shù)體系。此體系可以促使院內(nèi)管理的高效性，還可以使醫(yī)院的經(jīng)營方向及范圍更加的寬廣。使醫(yī)院內(nèi)的各種經(jīng)濟管理及經(jīng)濟活動達到電算化形式的管理。有效提升院內(nèi)的審計管理工作效率及質(zhì)量。在互聯(lián)網(wǎng)經(jīng)濟的作用下，院內(nèi)審計的管理工作能夠把計算機這一科學技術(shù)與不同的審計軟件用在平時的院內(nèi)審計工作中，在醫(yī)院中搭建起網(wǎng)絡化的信息技術(shù)審計體系，從而進一步地推動醫(yī)院運營管理，助力于社會經(jīng)濟更進一層地發(fā)展。與此同時通過互聯(lián)網(wǎng)經(jīng)濟的特點，使醫(yī)院審計管理所針對的對象、審計規(guī)模及其工作內(nèi)容等一些層面都產(chǎn)生了相應的轉(zhuǎn)變。
1.2有利于?@現(xiàn)出醫(yī)院內(nèi)審計工作的目的
在現(xiàn)今互聯(lián)網(wǎng)經(jīng)濟的不斷發(fā)展中，醫(yī)院審計的管理工作是醫(yī)院整體管理的一個環(huán)節(jié)。其在醫(yī)院的持續(xù)進步中，有著非常主要的作用，醫(yī)院審計的管理工作可快速促進醫(yī)院的經(jīng)濟發(fā)展。所以，醫(yī)院審計的管理工作一定參照醫(yī)院內(nèi)部的工作主旨實行管理與發(fā)展，還應同時注重醫(yī)院內(nèi)的財政工作管理，做好院內(nèi)部的財務控制管理與財務的監(jiān)督工作。使醫(yī)院審計和管理工作水平與質(zhì)量得到有效地提升。醫(yī)院在審計工作的管理中，一定遵照相應的法律規(guī)定來實行相適應的管理，遵守國家規(guī)定的所有財務規(guī)定，達到醫(yī)院審計和管理工作良性地運營，體現(xiàn)醫(yī)院審計的管理工作目的，促進醫(yī)院更進一層地進步發(fā)展。如果想達到醫(yī)院審計管理工作的理想目的，就一定要把互聯(lián)網(wǎng)技術(shù)與計算機等科學技術(shù)應用到醫(yī)院審計的管理工作中，來取得相應的審計資格，整理相應的信息數(shù)據(jù)，在由信息系統(tǒng)進行相應地處理完善，給醫(yī)院審計和管理工作供應具有參照性的數(shù)據(jù)，給醫(yī)院的一些決策，提供信息數(shù)據(jù)的幫助，體現(xiàn)醫(yī)院審計的管理工作目的。
1.3有利于提高醫(yī)院審計工作的水準
在互聯(lián)網(wǎng)經(jīng)濟的作用下，比較多的當代信息化技術(shù)己經(jīng)普遍地在醫(yī)院的現(xiàn)實管理中得到應用，并且在醫(yī)院的管理過程中發(fā)揮了有效的作用，使醫(yī)院更進一層地進步發(fā)展。在醫(yī)院審計的管理中也使用了科學信息化的技術(shù)，通過計算機系統(tǒng)這一科技，在醫(yī)院審計和管理中建立完整的一套信息化的審計系統(tǒng)，如此不但能夠降低審計人員的工作量，還可以深一層的提升院內(nèi)審計工作的管理質(zhì)量及技能?？勺屗袑徲嫻芾砉ぷ鞲鼮檎?guī)化、信息化，還可以在不同程度范圍內(nèi)減少醫(yī)院審計的管理成本，保證審計管理的數(shù)據(jù)完善性與系統(tǒng)性，從而使醫(yī)院審計和管理工作水準得到有效地提高。
2.在互聯(lián)網(wǎng)經(jīng)濟的基礎上提升醫(yī)院審計管理的有效措施
2.1通過計算機系統(tǒng)使醫(yī)院審計方法完善
在醫(yī)院的平時財務數(shù)據(jù)審計工作管理中的應用。在醫(yī)院的審計管理過程中，經(jīng)?？梢姷呢攧諗?shù)據(jù)審計工作，著重指出審計的工作人員對財務數(shù)據(jù)的研究與把握。在財務數(shù)據(jù)的審計工作中，可以參照工作中的現(xiàn)實狀況，利用計算機這一高科技來輔助平時審計管理工作。在現(xiàn)實平時財務數(shù)據(jù)審計的工作中，可以使用現(xiàn)代的一些審計相應的軟件，對相應的財務數(shù)據(jù)實行檢查、統(tǒng)籌、研究等相關(guān)的審計工作，能夠有利于提升財務數(shù)據(jù)的審計時效性與質(zhì)量的保證。在財務數(shù)據(jù)審計的工作中，也能夠應用一些自動電算化的計算機這一高科技的系統(tǒng)，來對醫(yī)院財務數(shù)據(jù)審計工作施行審計的管理，以便提升審計的時效性。
2.2重視開發(fā)審計軟件，使醫(yī)院審計提高效率
在互聯(lián)網(wǎng)經(jīng)濟這一網(wǎng)絡經(jīng)濟的作用下，醫(yī)院審計的管理工作必須要利用信息、互聯(lián)網(wǎng)網(wǎng)絡等現(xiàn)代的科學技術(shù)，漸漸達成醫(yī)院審計的管理工作信息化技術(shù)的有效發(fā)展。在醫(yī)院內(nèi)部組建起相應的對于審計管理的信息系統(tǒng)中，審計的工作人員一定要對有關(guān)的系統(tǒng)實行理解和學習，熟悉各種系統(tǒng)的準確功能，如此才可以在現(xiàn)實審計管理的工作中，嫻熟的應用審計管理的信息系統(tǒng)，保證審計信息的正確性與完善性。醫(yī)院在建設審計管理的信息化系統(tǒng)時，要重視審計管理信息系統(tǒng)的開發(fā)與更新。供給足夠的資金基礎，使之醫(yī)院信息系統(tǒng)能夠順利的開發(fā)和管理。還需對醫(yī)院審計管理工作做到較好地完善。所以在現(xiàn)實醫(yī)院審計的管理工作中，審計的相關(guān)工作人員要參加到醫(yī)院的審計信息系統(tǒng)的開發(fā)當中來，如此才可以及時地發(fā)覺其中存在的相關(guān)問題，并及時地實行對應地整合與更正。例如某一醫(yī)院的管理信息系統(tǒng)建構(gòu)，完成了初步的以工作人員、財務、物質(zhì)管理為主要的醫(yī)院管理信息系統(tǒng)的建設，其中對物質(zhì)管理的系統(tǒng)環(huán)節(jié)包含固定資產(chǎn)的管理系統(tǒng)、物資的管理系統(tǒng)、設備器材的管理系統(tǒng)。組建醫(yī)院內(nèi)部的相關(guān)財產(chǎn)調(diào)度平臺，活躍及提高了財產(chǎn)應用效果。每個科室能夠把本科室不用的資產(chǎn)公布到平臺上，這時有對此資產(chǎn)需求的科室就能夠在平臺上實行觀看并且申請使用。多種方式的終端平臺系統(tǒng)，全部參與、操作起來較為容易。所有關(guān)于設備的管理與使用人員都可以依照自己科室的需求，恰逢時宜地登錄系統(tǒng)進行操作，并可以實行查收、拍照、圖片上傳，操作的使用簡便、好學、容易理解、入手比較快。
2.3利用信息技術(shù)，搭建醫(yī)院審計信息化的本系
在互聯(lián)網(wǎng)經(jīng)濟這一網(wǎng)絡化經(jīng)濟的作用下，醫(yī)院也建構(gòu)了相關(guān)的審計管理信息化系統(tǒng)，通過有關(guān)的審計概論、管理概論，使醫(yī)院內(nèi)組成一個完善的一整套審計管理工作體系，能夠?qū)︶t(yī)院的全部經(jīng)濟運行所帶來的財務數(shù)據(jù)信息實行有效及時地跟隨與及時監(jiān)控，持續(xù)對醫(yī)院己有的審計管理工作信息系統(tǒng)加以改進完善，以便提升醫(yī)院審計的管理工作水準及質(zhì)量?，F(xiàn)當下醫(yī)院所組建的審計管理信息化系統(tǒng)是三個主要的部分所組成，第一個部分是，審計信息系統(tǒng)的專家系統(tǒng)，其著重能夠?qū)徲嫷臄?shù)據(jù)信息實行研究分析、匯報等相關(guān)工作；第二個部分是，審計的監(jiān)控系統(tǒng)，其著重對醫(yī)院的財務信息實行及時的監(jiān)控；第三個部分是，數(shù)據(jù)庫信息系統(tǒng)，其著重是把審計的數(shù)據(jù)信息實行匯總、調(diào)整。達到信息能夠共同享用。例如在博科yigo平臺的基礎上，開發(fā)醫(yī)院固定資產(chǎn)的管理信息系統(tǒng)。把博科yigo平臺的固定資產(chǎn)信息管理系統(tǒng)應用在醫(yī)院審計和管理工作中，可以較大的提升醫(yī)院內(nèi)部的工作時效性，使醫(yī)院的經(jīng)濟效益大大地增加，有利于醫(yī)院切實地達成嚴格實行節(jié)約的準則。其容易、簡單、好學的客戶操作界面和強有力的系統(tǒng)功效，在大多同種系統(tǒng)中突現(xiàn)而出。
2.4做好培訓，提高醫(yī)院審計工作人的計算機操作水準
在互聯(lián)網(wǎng)經(jīng)濟的作用下，醫(yī)院內(nèi)部審計的管理工作也逐漸朝著信息技術(shù)化、互聯(lián)網(wǎng)電子信息化的目標發(fā)展。在醫(yī)院內(nèi)的審計人員，著實的需要有一定優(yōu)異的審計概論性的知識，明確相應的審計技能與措施，還要有一些相應的對計算機應用的實力，如此才可能保證醫(yī)院審計的管理工作順暢展開和具有時效性地進行。為此，在現(xiàn)實醫(yī)院審計的管理工作中，對審計的工作人員需要實行專業(yè)化的培訓學習，增強審計工作人員培訓的威力，要使審計工作人員了解并熟記基礎的審計措施，嫻熟使用現(xiàn)代科技化的審計用具，提升審計的管理工作成果。在審計工作人員的學習培訓中，同時還需要把醫(yī)院內(nèi)部財務的管理、會計的數(shù)據(jù)管理等一些內(nèi)容概括到其中，栽培出較多的實用型、多能型人才，使醫(yī)院內(nèi)部審計的管理工作的成果及質(zhì)量得到有效的提高，助力于醫(yī)院更上一層地發(fā)展。
關(guān)鍵詞：網(wǎng)絡經(jīng)濟環(huán)境；醫(yī)院審計；管理；HIS系統(tǒng)
HIS系統(tǒng)（Hospital Information System）是現(xiàn)代醫(yī)院集診療、行政信息、決策、數(shù)據(jù)交換等為一體的現(xiàn)代醫(yī)院管理系統(tǒng)，所以作為醫(yī)院審計管理人員，必須利用HIS系統(tǒng)中管理財務的子系統(tǒng)的功能，結(jié)合醫(yī)院的審計信息來源信息，對網(wǎng)絡經(jīng)濟環(huán)境下的醫(yī)院審計工作進行不斷的創(chuàng)新和發(fā)展。
一、網(wǎng)絡經(jīng)濟下加強醫(yī)院財務審計的必要性
首先，有利于加快醫(yī)院審計信息化建設。信息化技術(shù)的推廣和應用是企業(yè)創(chuàng)造效益的基礎，醫(yī)院也一樣，信息化技術(shù)在醫(yī)院審計管理中的應用，通過可靠數(shù)據(jù)庫的支持，既有利于降低重復勞動率，又提高可數(shù)據(jù)利用率，推進了醫(yī)院有序化管理。
其次，有利于審計目標的實現(xiàn)。醫(yī)院審計的工作目標是在有效管理和加強內(nèi)控監(jiān)督的基礎上，維護國有財產(chǎn)不受侵犯。因此借助網(wǎng)絡經(jīng)濟的影響力和計算機網(wǎng)絡技術(shù)，采用有效可行的方法處理審計材料和信息，確保了審計結(jié)果的準確性和科學性，對實現(xiàn)最終審計目標以及醫(yī)院領(lǐng)導做出相關(guān)決策提供了可靠的依據(jù)。
最后，有利于提升醫(yī)院內(nèi)部審計質(zhì)量。網(wǎng)絡信息技術(shù)輔助醫(yī)院審計的目的是在審計活動中利用以計算機技術(shù)為代表的現(xiàn)代信息技術(shù)作為輔助手段與工具對信息數(shù)據(jù)的真實性、完整性、合法性，以及與財政、財務收支有關(guān)的計算機信息系統(tǒng)的可靠程度進行相應的監(jiān)督與評價，以便確定醫(yī)院經(jīng)濟活動是否真實、準確，是否遵守相關(guān)的法律和規(guī)章制度，是否經(jīng)濟有效和達到預期效果。
二、網(wǎng)絡經(jīng)濟下加強醫(yī)院審計管理的工作要點分析
鑒于HIS系統(tǒng)在整個醫(yī)院財務審計管理中的重要作用，尤其是在網(wǎng)絡經(jīng)濟時代的到來，作為醫(yī)院的財務審計管理人員，必須切實掌握工作要點，才能更好地促進醫(yī)院內(nèi)部審計管理成效的提升，在優(yōu)化傳統(tǒng)審計管理模式的同時更好地促進醫(yī)院審計管理水平的提升，這就需要切實做好以下幾個方面的工作。
一是在醫(yī)院財務審計管理工作中切實加強計算機技術(shù)的應用。由于部分醫(yī)院從事財務審計管理的人員自身的專業(yè)技術(shù)水平有限，加上難以正確認識內(nèi)部審計管理的重要性和業(yè)務能力有限，導致醫(yī)院內(nèi)部審計效率不高，審計結(jié)果差強人意。因此醫(yī)院應加大力度強化審計人員的培訓，不斷提高其專業(yè)技術(shù)知識水平，尤其是應加強計算機技術(shù)的應用，為整個審計工作的開展奠定堅實的技術(shù)基礎嗎，并強化審計人員考察和評價，從而使其掌握審計工作中所需的計算機技術(shù)。而在此基礎上，醫(yī)院就應加強審計軟件的研發(fā)，尤其是應加強技術(shù)人才和先進設備的引進，才能確保醫(yī)院的財務審計效率得到有效的提升，不僅能將審計的流程簡化，而且還能節(jié)約審計的時間，而作為審計人員，在整個過程中，必須利用會計電算化知識對信息進行查詢和過濾，同時對數(shù)據(jù)進行審核和分析，從而得出審計結(jié)果，提高審計工作效率。
二是切實加強風險防范。隨著網(wǎng)絡經(jīng)濟時代的到來，HIS系統(tǒng)的應用為醫(yī)院審計管理工作的開展提供了極大的便利。但是網(wǎng)絡具有較強的開放性，所以其面臨的網(wǎng)絡風險也較大，尤其是在醫(yī)院加大HIS系統(tǒng)運行的今天，而網(wǎng)絡又是確保HIS系統(tǒng)運行的關(guān)鍵，加上資料的存儲模式從傳統(tǒng)的紙質(zhì)化正逐步轉(zhuǎn)移到磁盤儲存上來，而磁盤在運行過程中就有可能面臨來自網(wǎng)絡黑客的攻擊，里面儲存的數(shù)據(jù)資料將面臨被盜的風險，這就會對醫(yī)院的財務審計管理工作帶來影響。因而為了確保整個審計工作高效的開展，為審計系統(tǒng)的安全運行奠定堅實的基礎，作為醫(yī)院必須加強對磁盤的保護，避免其在高溫高濕的環(huán)境中工作，對于系統(tǒng)，則應切實加強對其的維護，及時的更新系統(tǒng)的防火墻，通過安全防護軟件，最大化的預防黑客和網(wǎng)絡病毒對其帶來工具，從而在確保數(shù)據(jù)安全的同時為審計管理工作的開展奠定堅實的基礎。
三、醫(yī)院信息管理系統(tǒng)審計案例分析
（一）被審計單位信息化基本情況
某市醫(yī)院信息管理系統(tǒng)是覆蓋HIS、LIS、PACS、UIS、0A、經(jīng)濟管理、物資、人事財務信息管理等的綜合性計算機網(wǎng)絡系統(tǒng)，信息化管理廣泛應用于醫(yī)院每個層面的各項日常工作。其中，HIS系統(tǒng)主要包括門診收費管理系統(tǒng)，門診藥房管理系統(tǒng)，出入院管理系統(tǒng)，住院護士、住院醫(yī)生、住院藥房管理系統(tǒng)，材料管理系統(tǒng)，固定資產(chǎn)綜合處理系統(tǒng)，藥庫管理系統(tǒng)和醫(yī)技管理系統(tǒng)等模塊。PACS系統(tǒng)即醫(yī)學影像存檔與傳輸系統(tǒng)，該系統(tǒng)實現(xiàn)了全院所有影像設備的交互、存儲和通信。LIS系統(tǒng)即醫(yī)院檢驗信息管理系統(tǒng)，LIS系統(tǒng)是HIS系統(tǒng)的一個重要組成部分，其主要功能是將檢驗的實驗儀器傳出的檢驗數(shù)據(jù)經(jīng)分析后，生成檢驗報告，通過網(wǎng)絡存儲在數(shù)據(jù)庫中，使醫(yī)生能夠方便、及時地看到患者的檢驗結(jié)果。UIS系統(tǒng)即特檢科信息管理系統(tǒng)，特檢科各類設備檢查的病人的基本數(shù)據(jù)、圖像文件、診斷資料將由特檢科信息管理系統(tǒng)統(tǒng)一管理。
（二）審計目標
該審計項目的目標是對醫(yī)院信息系統(tǒng)安全性、可靠性和有效性進行審查和評價，重點關(guān)注被審單位的HIS系統(tǒng)是否有完善的安全管理制度與技術(shù)防范措施，重點關(guān)注HIS系統(tǒng)中門診收費、住院收費、藥品管理等模塊是否存在漏洞或缺陷。
（三）選用恰當審計技術(shù)方法
1. 實地考察法：對住房公積金信息系統(tǒng)基本信息、軟硬件設施和運行環(huán)境、業(yè)務流程及其對信息化的依賴程度、操作人員的操作過程進行觀察，掌握和發(fā)現(xiàn)系統(tǒng)操作過程中存在的問題。
2. 測試用例法：審計人員通過編寫相應的用戶測試用例，對門診收費、住院收費等模塊的輸入、處理、輸出控制進行實質(zhì)性測試，測試信息系統(tǒng)處理數(shù)據(jù)的正確性和真實性。
3. 平行模擬法：審計人員對信息系統(tǒng)的后臺數(shù)據(jù)編寫SQL語句，模擬系統(tǒng)的業(yè)務處理邏輯進行分析處理，將計算的結(jié)果與實際結(jié)果比較，提取疑點，進行延伸，發(fā)現(xiàn)系統(tǒng)處理邏輯方面的問題以及利用系統(tǒng)進行違法違規(guī)業(yè)務操作的問題。
4. 計算機輔助工具檢測法：利用專門的安全檢測軟件對操作系統(tǒng)、數(shù)據(jù)庫、系統(tǒng)平臺進行安全掃描，做模擬攻擊和入侵測試，檢測是否存在漏洞。
（四）處理控制審計
醫(yī)院HIS系統(tǒng)處理控制審計目標是：審查醫(yī)療服務項目的規(guī)范性，審計醫(yī)療服務項目價格的合規(guī)性。
醫(yī)院HIS系統(tǒng)處理控制審計的步驟如下：
1. 根據(jù)《××省醫(yī)療服務項目價格標準》、《衛(wèi)生部藥品管理法》、《衛(wèi)生部處方管理法》等建立醫(yī)院HIS系統(tǒng)應用控制矩陣，如表1所示。
2. 使用數(shù)據(jù)驗證法和測試數(shù)據(jù)法，對表1中各控制點進行測試，并記錄測試結(jié)果。
3. 提出該事項的審計結(jié)論：存在自立項目收費情況和項目超標準收費等。
四、結(jié)語
綜上所述，網(wǎng)絡經(jīng)濟時代下，作為醫(yī)院必須注重審計管理工作的開展，在利用HIS系統(tǒng)強化財務審計的同時，還應切實加強網(wǎng)絡病毒的防范，才能最大化的規(guī)避風險，從而為審計管理工作的質(zhì)量的提升奠定堅實的基礎。
參考文獻：
[1]張暢玲.網(wǎng)絡經(jīng)濟下醫(yī)院審計的管理策略分析[J].企業(yè)改革與管理，2015（12）.
[2]吉宏圖.網(wǎng)絡經(jīng)濟對醫(yī)院審計的管理策略探討[J].計算機光盤軟件與應用，2012（04）.
摘要：隨著電力工業(yè)的發(fā)展，人工神經(jīng)元網(wǎng)絡(ANN)在電力系統(tǒng)中獲得了廣泛的應用。本文概述了人工神經(jīng)元網(wǎng)絡的特點、基本結(jié)構(gòu)以及發(fā)展過程，并對ANN在電力系統(tǒng)中的具體應用做了詳細的話述。最后，對人工神經(jīng)元網(wǎng)絡的發(fā)展趨勢和在電力系統(tǒng)中的應用前景進行了展望。
關(guān)鍵詞：人工神經(jīng)元網(wǎng)絡(ANN) 電力系統(tǒng) 應用前景 展望
人工神經(jīng)網(wǎng)絡，是一種模范動物神經(jīng)網(wǎng)絡行為特征，進行分布式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡依靠系統(tǒng)的復雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的。人工神經(jīng)網(wǎng)絡具有自學習和自適應的能力，可以通過預先提供的一批相互對應的輸入一輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來推算輸出結(jié)果。人工神經(jīng)網(wǎng)絡具有四個基本特征：非線性、非局限性、非定性、非凸性。人工神經(jīng)網(wǎng)絡理論，作為人工智能的一個最活躍的分支，其模擬人腦的工作方式，為解決復雜的非線性、不確定性、不確知性系統(tǒng)的問題開創(chuàng)了一個嶄新的途徑，因而在電力系統(tǒng)應用研究中受到了廣泛的關(guān)注。
1.ANN發(fā)展過程
1943年，心理學家W.S.McCulloch和數(shù)理邏輯學家W.Pitts建立了神經(jīng)網(wǎng)絡和數(shù)學模型，稱為MP模型。他們通過MP模型提出了神經(jīng)元的形式化數(shù)學描述和網(wǎng)絡結(jié)構(gòu)方法，證明了單個神經(jīng)元能執(zhí)行邏輯功能，從而開創(chuàng)了人工神經(jīng)網(wǎng)絡研究的時代。60年代，人工神經(jīng)網(wǎng)絡得到了進一步發(fā)展，更完善的神經(jīng)網(wǎng)絡模型被提出，其中包括感知器和自適應線性元件等。1982年，美國加州工學院物理學家J.J.Hopfield提出了Hopfield神經(jīng)網(wǎng)格模型，引入了“計算能量”概念，給出了網(wǎng)絡穩(wěn)定性判斷。1984年，他又提出了連續(xù)時間Hopfield神經(jīng)網(wǎng)絡模型，為神經(jīng)計算機的研究做了開拓性的工作，開創(chuàng)了神經(jīng)網(wǎng)絡用于聯(lián)想記憶和優(yōu)化計算的新途徑，有力地推動了神經(jīng)網(wǎng)絡的研究。人工神經(jīng)網(wǎng)絡的研究受到了各個發(fā)達國家的重視，美國國會通過決議將1990年1月5日開始的十年定為“腦的十年”，國際研究組織號召它的成員國將“腦的十年”變?yōu)槿蛐袨椤?/p>
2.ANN的特點與結(jié)構(gòu)
人工神經(jīng)網(wǎng)絡的研究與發(fā)展及神經(jīng)生理科學、數(shù)理科學、信息科和計算機科學等眾多領(lǐng)域，是一種新的信息處理理論。它所特有的信息處理機制，與傳統(tǒng)的數(shù)字計算機有著本質(zhì)的不同。ANN網(wǎng)絡由大量模擬人腦的神經(jīng)元互連組成，無獨立的用于存儲的信息空間，更沒有單一執(zhí)行指令的CPU，每個神經(jīng)元的結(jié)構(gòu)都十分簡單，信息處理與存儲合二為一，通過調(diào)整連接權(quán)值，由整體狀態(tài)來給出響應信息。ANN是一種非線性映射系統(tǒng)，具有強大的模式識別能力，可以對任意復雜狀態(tài)或過程進行分類和識別。
3.ANN在電力系統(tǒng)中的應用
目前，ANN已用于負荷預測，警報處理，控制等方面，它已經(jīng)從研究階段轉(zhuǎn)為實際應用。
3.1智能控制
在電力系統(tǒng)中利用ANN實現(xiàn)智能控制，就是利用其估計和聯(lián)想的能力，實現(xiàn)系統(tǒng)狀態(tài)與參數(shù)的識別和控制，這已在多種控制結(jié)構(gòu)中如自校正控制、模型跟蹤控制、預測控制等控制中得到應用。Y M Park等采用2個BP網(wǎng)絡構(gòu)成電力系統(tǒng)穩(wěn)定器(PSS)的模型，其中1個在系統(tǒng)功率擺動中估計發(fā)電機的輸出功率。另一個用于判斷并給出控制決策。范澍等應用4層BP網(wǎng)絡對發(fā)電機運行方式和系統(tǒng)干擾進行精確在線識別，并以此為基礎設計了一種最優(yōu)勵磁調(diào)節(jié)器模型，計算與仿真結(jié)果表明，這種調(diào)節(jié)器比固定點線性勵磁方式具有更強的穩(wěn)定性能和動態(tài)品質(zhì)，在系統(tǒng)運行方式較大的變化范圍內(nèi)都能提供很好的控制性能，在大小擾動下均表現(xiàn)出很好的阻尼特性和良好的電壓性能。袁宇春等提出了用ANN進行電力系統(tǒng)的實時切負荷控制，選用的是多輸入單輸出的單層前向神經(jīng)網(wǎng)絡，選取185個樣例進行網(wǎng)絡訓練后，在西北電網(wǎng)模擬某線路故障顯示了較好的控制特性。
3.2優(yōu)化計算
由于ANN能夠建立任意非線性的模型，并適于解決時間序列預報問題，尤其是隨機平穩(wěn)過程的預報，因此電力系統(tǒng)短期負荷預報是其應用研究的一個重要方面，歐建平等以3個ANN構(gòu)成負荷與天氣變化量的周、日、時3個預報分析系統(tǒng)，氣象參數(shù)和預測周、日、時前某段歷史負荷參數(shù)作為網(wǎng)絡的訓練輸入?yún)?shù)，各自產(chǎn)生獨立的預報，再綜合產(chǎn)生最終的預報。姜齊榮等則用ANN建立發(fā)電機、勵磁系統(tǒng)和調(diào)速系統(tǒng)的詳細模型，把這三部分的模型連接起來并與電力系統(tǒng)網(wǎng)絡接口，形成一個ANN模型與電力系統(tǒng)網(wǎng)絡混聯(lián)的系統(tǒng)，這種混聯(lián)系統(tǒng)的暫態(tài)穩(wěn)定計算結(jié)果與用常規(guī)機理模型的計算結(jié)果幾乎相同。為實現(xiàn)ANN并行、快速、在線處理電力系統(tǒng)實時計算提供新途徑。
3.3故障診斷
要保證電力系統(tǒng)的安全運行和實現(xiàn)電力設備由定期檢修轉(zhuǎn)變?yōu)闋顟B(tài)檢修，如何準確地進行電力設備的故障診斷，一直是受關(guān)注的焦點之一。而這類故障的征兆錯綜復雜，往往呈現(xiàn)出非線性和不確定性，很難用某一確定的邏輯或算法進行識別。而這種識別恰好是ANN所擅長的。ANN在電機狀態(tài)監(jiān)測與診斷上也獲得了成功的應用。何雨儐等提出一種聯(lián)想記憶神經(jīng)網(wǎng)絡，取零序電流、定子不對稱電流及其變化率等電測參數(shù)為故障征兆，通過網(wǎng)絡的聯(lián)想能力快速準確地進行電機早期故障的雙向診斷，能有效地處理各種模式并存的故障診斷問題。并且容錯性好，能有效抑制現(xiàn)場噪聲干擾，使診斷系統(tǒng)具有良好的魯棒性。電網(wǎng)故障診斷中，用全局逼近的BP算法完成故障的快速定位，便于控制人員及時處理故障。
3.4繼電保護
繼電保護是電力系統(tǒng)安全運行的重要保障之一，隨著電力系統(tǒng)的發(fā)展，常規(guī)的繼電保護技術(shù)已經(jīng)不能完全適應需要。黨德玉提到一種基于小波變換和ANN的保護模型，其輸入特征量經(jīng)過小波變換，也選用了3個三層的BP網(wǎng)絡用于判斷故障種類，故障性質(zhì)和故障定位。故障種類和故障性質(zhì)的判斷正確率可達100％，對線性短路故障的位置判斷正確率為94％，非線性故障(如經(jīng)非線性過渡電阻接地)的判斷正確率為96％。張海峰等使用3層前向網(wǎng)絡構(gòu)成變壓器保護模型，取變壓器2端的電流和其他故障特征量進行綜合判斷。經(jīng)大量樣本訓練后，可準確判斷變壓器的勵磁涌流和各種故障。張津春等介紹了ANN構(gòu)成的自適應自動重合閘模型，能較好地判別各種情況下瞬時性故障與永久性故障。
為了解決用電路方法進行巨量神經(jīng)元連接無法實現(xiàn)的問題，采用光電集成技術(shù)制作的光神經(jīng)元、光互連器件、光神經(jīng)芯片也已出現(xiàn)，并成功地應用于模式識別、聯(lián)想記憶等方面。此外，ANN在輸電容量限制條件下經(jīng)濟調(diào)度、基于同步相量測量的電壓安全監(jiān)控、電廠控制、HVDC的電流控制器等方面也得到了研究與應用。
4.ANN在電力系統(tǒng)中的發(fā)展趨勢
ANN在電力系統(tǒng)中應用已做了大量的研究，一但是總體上來說仍停留在理論分析和仿真實驗上，因此必須加強理論研究與實際工程應用的結(jié)合，例如可在狀態(tài)檢修、在線監(jiān)測等電力系統(tǒng)有較迫切需求的領(lǐng)域中，尋找實際應用的突破口。近幾年興起的小波變換方法，由于其克服了傅里葉變換不能對信號進行局部化分析的缺點。同時具有很強的特征值提取功能，特別適用于故障信號的分析，經(jīng)小波變換處理后的信號作為神經(jīng)網(wǎng)絡的輸入，可使網(wǎng)絡大大提高抗干擾性并加速收斂。所以小波分析與ANN的結(jié)合將在電力系統(tǒng)控制、保護、故障診斷等方而發(fā)揮更大的作用。ANN與專家系統(tǒng)和模糊控制的綜合對電力系統(tǒng)這樣一個復雜的動態(tài)大系統(tǒng)來說，應用潛力更大。ANN的形象思維能力，專家系統(tǒng)的邏輯思維能力和模糊邏輯這三者的結(jié)合，可體現(xiàn)出各自的優(yōu)勢，互相彌補各自的不足。
人工神經(jīng)網(wǎng)絡特有的非線性適應性信息處理能力，克服了傳統(tǒng)人工智能方法對于直覺，如模式、語音識別、非結(jié)構(gòu)化信息處理方面的缺陷，使之在神經(jīng)專家系統(tǒng)、模式識別、智能控制、組合優(yōu)化、預測等領(lǐng)域得到成功應用。人工神經(jīng)網(wǎng)絡與其它傳統(tǒng)方法相結(jié)合，將推動人丁智能和信息處理技術(shù)不斷發(fā)展。近年來，人工神經(jīng)網(wǎng)絡正向模擬人類認知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進化機制等結(jié)合，形成計算智能，成為人工智能的一個重要方向，將在實際應用中得到發(fā)展。將信息幾何應用于人工神經(jīng)網(wǎng)絡的研究，為人工神經(jīng)網(wǎng)絡的理論研究開辟了新的途徑。神經(jīng)計算機的研究發(fā)展很快，已有產(chǎn)品進入市場。光電結(jié)合的神經(jīng)計算機為人工神經(jīng)網(wǎng)絡的發(fā)展提供了良好條件。
