Abstract: Cognitive radio technology provides new opportunities and challenges for the development of wireless communication. Intelligence is an important characteristic for cognitive radio, and application of artificial intelligence techniques is key to implement this characteristic. This paper will first provide our own research framework on cognitive radio, second give an overview of application of artificial intelligence to cognitive radio, and last introduce and simulate the application of neural network to cognitive radio.
关键词： 人工智能；认知无线电；神经网络
基金项目：国家重点基础研究发展规划（“973”计划）项目（2009CB320403）；国家自然科学基金资助项目（60832008，60832006）；国家科技重大专项课题（2009ZX03007-004）。
作者简介：柴新代（1964-），男，北京人，本科，高级工程师，研究方向为通信系统工程；董旭（1979-），男，河北景县人，博士研究生，讲师，研究方向为认知无线电。
1 概述
无线通信技术的飞速发展，正在越来越深刻地影响着人们的生活。与此同时，无线通信技术的发展也面临着严峻的考验，一方面频谱资源的固定分配模式和利用率不均衡制约着无线通信宽带化的发展，另一方面多种空中接口和网络协议并存的局面为无线网络的融合提出了挑战。1999年Mitola博士提出的“认知无线电（Cognitive Radio）”[1]为解决无线通信所面临的问题提供了新的机遇。因此，认知无线电技术迅速成为业界研究的热点。
认知是人类获取运用知识解决问题的一种抽象，将认知运用到无线电技术，会提高无线电系统的智能性，这也是认知无线电技术区别于普通软件无线电的最大特点。认知无线电技术通过实时的获取外部环境信息，并对这些信息进行分析、学习和判断，得到无线电知识，然后根据这些知识智能地调整各种通信参数，从而最终实现可靠的通信，并达到最佳的频谱利用效率。人工智能技术为实现认知无线电的智能性提供了可能，本文将主要围绕多种人工智能技术在认知无线电中的应用进行论述，下面将首先介绍认知无线电智能化的基础框架――认知环路和认知引擎，然后对几种人工智能技术在认知无线电中的应用进行简要介绍，最后将详细介绍神经网络在人工智能中的应用，并通过仿真给出一个具体的示例。
2 相关工作
2.1 认知环路 Mitola博士在提出认知无线电概念的同时提出了OOPDAL（观察-判断-计划-决策-行动-学习）认知环路[1]，用以支持其认知无线电架构。此外，学术界还提出了多种认知环路模型[2,3]，比较著名的有军事战略家Boyd提出的OODA（观察-判断-决策-行动）环路、IBM为自主计算提出的MAPE（监测-分析-计划-执行）环路、Motorola为自主网络提出的FOCALE（基础-观察-比较-行动-学习-擦除）环路等等。OOPDAL环路具有完整认知功能和清晰的认知过程，是设计认知无线电最为理想的环路模型。本文对OOPDAL环路各环节进行了重新定义，丰富了环路模型的内涵与外延，并在原环路模型基础上增加“知识库”，明确表达了知识获取与运用的过程。
如图1所示，经改进的OOPDAL认知环路由外环和内环组成，外环也称决策环。认知无线电首先“感知”无线域、网络域、用户域、政策域中的数据，并对其建模以明确自身所处态势；“判断”是对数据的精炼，也即对感知数据进行清理、集成和选择，提取出其中对决策有贡献的信息；“计划”根据用户需求与当前环境生成优化目标；“决策”根据优化目标执行优化；“行动”将决策结果付诸实施，使内部状态和外界环境发生变化，这些变化又被重新“感知”，进入下一轮循环。内环又称学习环，用于从外环运行的历史经验中提取知识，并存放入知识库以指导决策环运行。
OOPDAL环路对知识的运用过程充分体现了认知无线电的智能性，其中计划、学习、决策等环节更是智能性得以实现的关键所在，具体的实现方法则需要借助于人工智能技术。
2.2 认知引擎 认知引擎是实现认知环路功能的技术手段。但很多认知引擎的设计是针对特定方法实现特定任务的，本文希望设计一种通用的认知引擎架构，以适应认知无线电所面临的各种应用。通用认知引擎结构由认知核与接口部分组成。认知核提供各种丰富的工具，包括知识表示工具、各种推理机、学习机、优化算法库等，为完成认知循环的各环节功能提供支持。接口部分包括感知器接口与用户接口。感知器接口收集各种感知数据，并通过建模系统以机器可理解的方式表示；用户接口部分允许用户调用认知核中各种工具并对其进行流程编排和建模完成专用认知引擎的构建。另外，可配置无线网络具备动态可配置波形与协议，以执行认知引擎的决策。
认知核是认知引擎的核心，包括多种人工智能工具，如专家系统，案例推理，神经网络，遗传算法等，每种人工智能的工具不但可以实现相应的认知功能，还可通过多种不同工具的编排组合实现认知无线电的各种应用，即实现认知引擎的通用性。
3 人工智能技术概述
如果说认知核是认知引擎的核心，那么人工智能技术就是认知核的核心。人工智能技术已有比较成熟的理论体系[4]，但将其应用到认知无线电还处于探索阶段。下面先简要介绍几种人工智能技术在认知无线电中的应用。
3.1 专家系统 专家系统在人工智能技术领域有着非常成功的应用[5]，并能够很好的与其他人工智能技术结合使用，如遗传算法，人工神经网络等。专家系统是运用知识和推理过程来解决只有专家才能解决的复杂问题，也就是说专家系统是一种模拟专家决策能力的计算机系统。专家系统主要包括两个部分：知识库和推理机。知识库用来存储专家知识，推理机则依据专家知识对已有事实进行推理和决策。认知无线电可以借助专家系统完成推理决策功能。认知无线电可以通过主动学习或“人在环中”的方式获取无线电知识并存储到知识库中，然后根据外部无线环境和用户需求的变化，到知识库中查询相应的先验知识，并通过推理机进行决策，从而调整无线电的工作参数以适应环境和需求的变化。CLIPS是目前比较成熟的专家系统工具，已有学者将基于CLIPS的专家系统应用到认知无线电的研究中[6]。
3.2 案例推理 案例推理作为一种人工智能技术致力于从以往的经历或者案例当中得到新问题的解决方案。基于案例的系统通过在案例库查找与需要解决的问题相似度最大的案例来找到问题的解决的方法，并将找到的案例与当前的场景进行匹配，这种匹配实际上就是一种最优化的过程。而最初找到的案例是为了节省优化的时间，通过优化的新的解决方案，将被作为新的案例存储到案例库中。认知无线电可以根据无线环境的变化调整工作参数，不同的环境和工作参数可以作为案例存储到案例库中[7]。当环境发生变化，认知无线电可以在案例库中查找与当前环境最为相似的一个案例，然后用该案例与当前环境进行匹配，优化工作的参数，并把当前环境和优化的参数作为新的案例存储到案例库中。Soar作为一种人工智能系统的开发工具，可以实现案例推理功能，并可以基于案例进行学习，国内已有学者基于Soar和GUN Radio软件无线电平台开发出认知无线电原型系统。
3.3 遗传算法 遗传算法借鉴生物进化和遗传的生物学原理，可用于解决目标优化问题，即找到一组参数（基因）使得目标函数最大化。其基本原理是根据求解问题的目标构造适值函数，使初始种群通过杂交和变异不断选择好的适值进行繁殖，并最终得到最优解。遗传算法同样可以作为认知无线电的决策方法[6,8]：可以把无线电类比为一个生物系统，将无线电的特征定义为一个染色体，染色体的每个基因对应无线电一个可变的参量，比如发射功率、频率、带宽、纠错编码方法、调制算法和帧结构等等，这样就可以通过遗传算法的进化来得到满足用户需求和适应环境变化的系统配置参数。
4 神经网络在认知无线电中的应用
对于人工神经网络的研究源于对人类大脑思维过程的模拟，在很多领域，神经网络已经有了广泛的应用。下面将详细介绍神经网络在认知无线电中的应用。
4.1 神经网络简介 1943年神经物理学家W.McCulloch和逻辑学家W.Pits在对人脑的研究中提出了人工神经网络。目前人工神经网络作为一种人工智能技术主要基于统计评估、优化和控制理论。人工神经网络由用以模拟生物神经元的大量相连的人工神经元组成，主要用于解决人工智能领域的一些复杂问题，比如机器学习。根据网络结果和训练方法的不同，人工神经网络可以分为多种类型，以适应多种的应用需求[7]。多层线性感知器网络（MLPN）：MLPN由多层神经元构成，每一个神经元都是上一层神经元输出的线性组合。一般这种线性组合的权值在训练前是随机生成的，并且可以随着训练不断的更新。更新的方法有多种，如后向传播（BP）、遗传算法等。其训练方法的性能将由其网络规模和应用场景决定。非线性感知器网络（NPN）：NPN是利用对每个神经元的输入平方或两两相乘的方法将非线性引入神经网络使其可以对动态变化的训练数据进行更好的拟合。但NPN的网络结构需要根据训练数据进行调整，另外如果采用BP方法进行训练会使网络收敛缓慢而导致处理时间过长。径向基函数网络（RBFN）：RBFN和NPN类似，不同的只是其非线性的引入是在隐含层利用径向基函数实现非线性映射，这可以防止网络收敛到局部最小值。
4.2 应用举例 由于神经网络可以动态的自适应和实时的训练，因此可以对系统的各种模式、参数、属性等进行“学习”，并“记住”这些事实，当系统有了新的输入和输出时，可以进行实时的训练来记忆新的事实。这正符合了认知无线电认知功能的需求，因此神经网络在认知无线电中有着广泛的应用前景。下面就列举一些神经网络在认知无线电中的应用[9-12]。神经网络可以用于认知无线电的频谱感知，例如利用基于神经网络的分类器可以根据信号的循环平稳特性或者频谱特性等对信号进行分类。神经网络还可用于无线电参数的自适应决策和调整，神经网络可以根据当前信道质量和用户需求等所确定的优化目标选择无线电参数。另外神经网络还可以对无线电系统的各种性能进行预测，神经网络可以记忆不同无线环境不同无线参数所达到的系统性能，比如误码率、吞吐量、时延等等，从而对未来可能产生的系统性能进行预测，进而对各种无线参数进行优化。
5 仿真及分析
由于无线环境的开放性，无线系统大都是非线性系统，因此神经网络用于认知无线电也应采用非线性模型。非线性感知器网络（NPN）可以完成认知无线电的学习功能，从而对各种系统性能进行预测，下面就通过一个具体例子来仿真基于NPN的误码率性能预测。
5.1 仿真模型 NPN由三层节点构成：输入层、隐含层和输出层。隐含层通常只有一层神经元，本文在此基础上扩展了隐含层的层数，从而扩大了神经网络的规模，使其具有更好的学习效果。具体的网络结构如图2所示，每个节点都与下一层的所有节点唯一相连，除了输入层节点，其他各层节点称为神经元，具有一个非线性的激活函数，以实现对非线性系统的拟合。本文将采用最为常用的非线性激活函数――S函数，即：f
神经网络的训练将采用BP方法，具体算法如下：
③根据RMS误差决定是否调整权值，直到RMS误差或者迭代次数达到停止要求。
5.2 仿真场景 仿真场景的设置将根据上面提出通用认知引擎架构进行编排。首先认知引擎要收集各种数据。WiMax可以根据信道质量调整其调制编码模式等无线电参数，因此将作为通用认知引擎架构中的可重配置的无线电平台将系统的误码率性能实时上报给认知引擎；信噪比作为无线环境的表征可通过感知器进行收集；编码速率作为用户对业务的需求可通过用户接口上报给认知引擎。然后认知引擎内基于NPN的学习机就可以对这些数据进行训练了，训练的方法如上节所述。最后训练好的神经网络就可以根据无线环境和用户需求对系统的误码率进行实时的预测，从而调整认知无线电的各种操作参数。
5.3 仿真结果及分析 由于对神经网络模型的隐含层进行了扩展，首先验证一下改进的模型性能是否有所提升。仿真结果如图3所示，分别仿真了具有2层、3层和4层神经元的NPN的收敛性能。其中2层模型是没有经过改进的，其收敛速度最快，但RMS误差较三层模型差；3层模型虽然收敛速度稍慢，但收敛的RMS误差最低；4层模型的网络规模最大，因此收敛速度最慢，但其RMS误差收敛的并不是最低，这是由于神经网络的规模应该与训练数据的规模相适应，过大的网络规模反而不会得到很好的收敛性能。折中考虑，在后续误码率预测仿真中，将采用3层神经元模型的NPN对数据进行训练。
如图4所示，利用3层神经元模型分别对WiMax场景下的64QAM、16QAM、QPSK和BPSK的误码率性能进行了预测。从预测结果和实际的仿真结果的比较可以显示，随着调制模式的升高，预测的性能将越来越好。
6 结束语
本文主要介绍了人工智能技术在认知无线电中的应用，并通过人工神经网络进行举例，从仿真的结果可以看出神经网络在认知无线电中应用的可能性。人工智能技术在认知无线电领域的应用还有着广阔的研究前景，应该积极探索更多的人工智能技术在认知无线电中应用。但也并非所有的人工智能技术都适用于认知无线电的开发和应用，应在研究中有所选择把握方向。不同的应用场景也对人工智能技术提出了不同的需求，找到适用于相应场景的人工智能技术也很重要。未来的工作应更多的考虑一些实际的应用，让无线通信系统可以真正的像人一样思考。
参考文献：
[1]J.Mitola Ⅲ."Cognitive radio: Making software radios more personal"，IEEE Personal Communications，vol.6，no.4，pp.13-18，1999.
[2]S.Haykin."Cognitive radio：Brain-empowered wireless communications"，IEEE Journal on Selected Areas in Communications，vol.23，no.2，pp.201-220，2005.
[3]T.W.Rondeau，C.W.Bostian，D.Maldonado，A.Ferguson，S.Ball，B.Le，and S.Midki，“Cognitive radios in public safety and spectrum management”，Telecommunications Policy and Research Conference，vol.33，2005.
[4]George F.Luger，“Artificial Intelligence Structures and Strategies for Complex Problem Solving Fifth Edition”，Pearson Education Limited，2005.
[5]Joseph C.Giarratano, Gary D.Riley，“Expert System Principles and Programming Fourth Edition”，Thomson learning，2006.
[6]Timothy R.Newman，“Multiple Objective Fitness Functions for Cognitive Radio Adaptation”，Doctor Thesis，2008.
[7]A.He，K.K.Bae，T.R.Newman，J.Gaeddert，K.Kim，R.Menon，L.M.Tirado，J.Neel，Y.Zhao，J.H.Reed，and W.H.Tranter，“A survey of artificial intelligence for cognitive radios”，IEEE Transactiongs on Vehicular Technology，vol.59，no.4，pp.1578-1592，2010.
[8]Thomas W.Rondeau，“Application of Artificial Intelligence to Wireless Communication”，Doctor Thesis，2007.
[9]N.Baldo，B.R.Tamma，B.S.Manoj，R.Rao，and M.Zorzi，“A neural network based cognitive controller for dynamic channel selection”，in Proceedings of IEEE International Conference on Communications（ICC），pp.1-5，2009.
[10]X.Zhu，Y.Liu，W.Weng，and D.Yuan，“Channel sensing algorithm based on neural network for cognitive wireless mesh network”，in Proceedings of IEEE International Conference on Wireless Communications（WiCom），pp.1-4，2008.
Abstract： Water injection and oil production often need to adjust the water injection project management. The reasonable and effective injection allocation scheme can make the oilfield get a lot of economic benefit. The author studies the application of BP neural network prediction model of water allocation scheme. Through the establishment of model， data simulation， error comparison， the effect is ideal. This model has great promotion value in improving the recovery rate， avoiding the waste of resources， improving the macro control of policy makers and so on.
关键词： 神经网络；注水采油；配注方案
Key words： neural network；water injection and oil production；the water distribution plan
中图分类号：TE357 文献标识码：A 文章编号：1006-4311（2016）12-0078-03
1 问题背景及研究现状
目前，国内大部分油田采用人工注水方式进行采油作业。注水采油的特点是成本低，能够明显提高采收率，但注水工艺有待完善，科研人员对注水开发技术的研究从未间断[1-3]。对大部分已进入高含水、高采出程度阶段的油田，面临着如何进行综合注水管理，使得油田能在注水开发阶段获得最大经济效益的问题。
油田注水开发过程中，注采动态分析和分层配水问题是油藏工程研究的重要内容，根据实际需要，经常会调整配注方案。本文以吉林油田某区块为例，探索研究一种BP（Back Propagation）神经网络算法数学模型用于预测出合理的配水方案。
2 BP神经网络算法基本原理
BP神经网络是一种多层前馈神经网络，特点是信号前向传递，误差反向传播。即计算实际输出时按从输入到输出的方向进行，而权值和阈值的修正从输出到输入的方向进行。在向前传递中，输入信号从从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP神经网络预测输出不断逼近期望输出。
2.1 BP神经网络算法网络拓扑结构图（图1）
X1，X2，……Xn 是BP神经网络的输入值；Y1，……Ym是BP神经网络的预测值；？棕ij和？棕jk是BP神经网络的权值。从拓扑图可以将BP神经网络看作一个函数（非线性），网络输入值和预测值分别为该函数的自变量和因变量。
2.2 BP神经网络算法程序流程图（图2）
2.3 BP神经网络算法优点
BP神经网络算法特别适合自变量和因变量存在隐含对应关系的案例。传统的函数映射基本都存在完全显示或者明显对应的关系，但实际生产中，有些函数存在是明显的，但具体的对应关系由于无法准确测量或者关系不稳定等客观因素无法找到，所以很难对事物关系有客观公正的判断，影响了生产决策。神经网络模拟人的神经系统，通过大量有效数据进行自学习，找到满足一定误差的对应函数关系，从而大大提高了生产效率。
3 基于BP神经网络算法的配注方案预测数学模型建立
吉林油田大部分区块都已经进入高含水期，油井的产液量和含水率主要受注水状况控制，其他因素也有影响，但都是次要的。在实际的注水开发中，同一个注水井对不同的油井可能起到完全不同的影响效果。那么在一个区块内很难去定量地测量出水井与油井之间的注采关系，更加难测量出每口水井不同层段的注水量与油井出液量之间的关系。BP神经网络模型就特别适合处理了这种内部关系模糊的问题，模型本身可以通过自学习的方式训练出内部的关系，从而确定针对不可测量地质结构和不稳定的客观因素。
3.1 模型假设
①油田几乎每天都在进行注水作业，注水数据每天都在更新，但每月都有因客观原因暂停注水的现象，故选取每天的注水数据不如选取一个月的月注水总量和月采液总量作为基础数据比较合适。
②注水产出的效果并不是立即显现的，一般会有一定的滞后期，根据经验，本区块的滞后期大概为一个月。故在数据选取时，应当考虑这个因素，把采液数据滞后一个月。
3.2 数据选取
现以吉林油田某区块某一注采单元为例，本单元有8口注水井，17口生产井，现生产油层共有6个。选取本区块2013年8月至2014年3月的注水量数据和2013年9月至2014年4月的产液量数据进行训练，选取本区块2014年4月的注水量数据和2014年5月的产液量数据进行预测比较。
3.3 模型建立
我们把分层注水数据作为输入层（自变量），把油井产液量、产水量、产油量作为输出层（因变量），把注水井和油井的连通节点作为隐含层（类似于黑匣子），建立BP神经网络模型，通过选取一个注采周期的样本进行自学习，从而构建水井分层注水量和油井产液量之间相对稳定的函数关系（非线性），由此来预测今后最近一段时间配水方案的合理性。
输入层有48个节点，输出层有17个节点，隐含层有102个节点，共有8组样本。
4 MATLAB程序实现及仿真
4.1 训练数据预测数据提取及归一化
首先将整理好的注水量和产液量的数据分别存储在input和output中，input中有（8*6*8）个数据，output中有（17*8）个数据。BP神经网络算法在训练过程中，对8组样本数据随机选取6组进行训练，选取2组进行检验和预测。程序部分代码如下[4]：
%读取输入输出数据
load data input output yuce
%从1到8间随机排序
k=rand（1，8）；
[m，n]=sort（k）；
%找出训练数据和预测数据
input_train=input（n（1：6），：）'；
output_train=output（n（1：6），：）'；
input_test=input（n（7：8），：）'；
output_test=output（n（7：8），：）'；
%样本输入输出数据归一化
[inputn，inputps]=mapminmax（input_train）；
[outputn，outputps]=mapminmax（output_train）；
4.2 BP神经网络训练
根据注水井和生产井的实际关系确定BP神经网络的结构为48―102―17，随机初始化BP神经网络权值和阈值。程序部分代码如下[4]：
%初始化网络结构
net=newff（inputn，outputn，[102]）；
%函数newff用于构建一个BP神经网络
net.trainParam.epochs=100；
net.trainParam.lr=0.1；
net.trainParam.goal=0.04；
%网络训练
net=train（net，inputn，outputn）；
%函数train用于训练BP神经网络
4.3 BP神经网络预测
程序部分代码如下[4]：
%预测数据归一化
inputn_test=mapminmax（'apply'，input_test，inputps）；
%网络预测输出
an=sim（net，inputn_test）；
%函数sim用于BP神经网络预测函数输出
%网络输出反归一化
BPoutput=mapminmax（'reverse'，an，outputps）；
%预测误差
error=BPoutput-output_test；
relativeerror=（output_test-BPoutput）./BPoutput；
%误差百分比
errorsum=sum（abs（error））；
%预测误差平方
error=BPoutput-output_test；
errorsum=diag（error'*error）；
%errorsum=sqrt（diag（error'*error））；
%预测结果
x=yuce（1）'；
input_tt=mapminmax（'apply'，x，inputps）；
an_tt=sim（net，input_tt）；
output_tt=mapminmax（'reverse'，an_tt，outputps）；
output_tt
4.4 仿真实验及结果分析
预测结果见表1。
通过预测结果和实际数据的比较，能够看出此模型预测结果误差小，可信度高，可以应用此模型进行配水方案的预测。
5 小结
本文将BP神经网络算法应用于油田注采的配注方案的预测，解决了目前油田生产过程中注采配水方案无法准确预测的难题，为生产提供了排产决策理论依据。模型在指导如何排产生产能使效益最大化方面还有待优化。
参考文献：
[1]加内什 C.萨克尔，等著.王寿平，等译.油田注水开发综合管理[M].石油工业出版社，2001.
[2]于洪文，等.通过注水井分层注水量计算采油井分层产液（油）量的方法探讨[J].石油勘探与开发，1990（2）：47-54.
【摘要】 西方发达国家普遍采用疾病诊断相关分组（DRGs）进行医疗保险支付，从而促进有效平衡卫生资源的分配。鉴于我国医疗系统的复杂性，只能够通过多次小范围进行探索性尝试，才可以逐步推行DRGs系统。本文首先引入疾病诊断相关分组的思想，简述疾病诊断相关分组对我国医疗卫生事业的正面和负面影响。然后通过对本院子宫平滑肌瘤手术的病例进行数据分析，通过神经网络算法得出采用疾病相关属性测算住院费用的数学模型。
【关键词】 疾病诊断相关分类系统（DRGs) 相关属性 神经网络 数学模型
【Abstract】 Objective It is popular for hospitals to adopt Disease-related groups system (DRGs) to pay for medical premium， so as to promote balanced assignment of hygiene resources efficiently. Based on complexity of medical system in our country， DRGs can be promoted to apply gradually by attempting exploration in a small scale for several times. The essay is firstly introducing basic concept of Diagnosis Related Groups， then describing the positive and negative effect of DRGs on medical industry. Further， by analyzing case of operational treatment on leiomyoma of uterus， we try to explore the mathematic model calculating hospitalization fee on the basis of disease-related attributes through neural network method.
【Key words】 DRGs(Diagnosis related groups) related attribute neural network mathematic model
1 引言
面对全球性医疗费用过度膨胀，卫生资源分布不平衡，各国都在努力寻求解决的出路。其中最具影响力是1976年美国首推病例组合方案（case-mix)—诊断相关分类预付制系统。该系统的诞生为医疗系统的研究掀开了新的序幕。
1.1 DRGs（疾病诊断相关分类系统）诞生的背景 本世纪70年代，医疗费用的急剧增长给美国政府带来严重的财政威胁，为了应对卫生费用不断增长的压力，以耶鲁大学研究中心领先推行一种新型的病例组合方案，命名为DRGs[1]。
1.2 其核心理念是将某些相同或相似属性的病例归为一组，以统计学方法计算每个病例组的平均费用，作为医疗保险预付的基础。通过统一定额支付标准，达到医疗资源利用标准化，激励医院之间良性竞争，减少诱导性医疗消费。
2 我国引进DRGs（疾病诊断相关分类系统）的利弊分析
2.1 我国引进DRGs的正面效应 我国自20世纪80年代开始对DRGs进行研究，首先针对医院按床位、住院天数、收治人数补偿治疗费用存在极大的不合理性。各级医疗机构从不同角度对DRGs进行探讨，提出按病种医疗成本确定补偿限额，这种方案利于控制和节约医疗费用开支。引入DRGs的分组方案将更为完善医疗保险支付方式，促进我国医疗保健体制改革。北京市尝试对有代表性医院10万份病例进行DRG分组，结果表明对出院病历实行病例组合是切实可行，相对于以传统的评价指标为基础的评估方案，更好地评估医院管理效益[2]。采用DRGs有利于促进医院建立完整的成本核算体系，降低经营成本；有利于提高病案质量，阻止供方诱导性消费；有利于拉开不同等级医院之间的支付差距，引导病人合理分流，缓解“就医难”矛盾。
2.2 我国引进DRGs负面效应 由于DRGs的核心思想是把类似的病例归为一组，计算出平均费用作为对医疗机构的补偿金额。基于补偿金额是固定的，医疗机构为了减少医疗资源消耗，可能故意推诿重症患者到其它医疗机构，把医疗风险转嫁到他人。或者会出现另一种情况，医疗机构为争取高额补偿，故意提高诊断严重程度，把病情比较轻的病例往病情较重的方向靠近[3]。
3 DRGs（疾病诊断相关分类系统）分类方法的探索
根据上述分析，DRGs（疾病诊断相关组分类系统）对医院质量管理利大于弊，DRGs在未来健全医院补偿制度中担负举足轻重的角色，因此在全国范围内推广DRGs是积极改进医疗保健体制和保险预支付制度的重要前奏。而提倡DRGs的学者面临的巨大挑战是如何科学合理进行DRGs分类。研制适合我国的DRGs分组必须由浅入深，在病种选择上遵循以下原则：（1）疾病诊断相对明确统一；（2）治疗方法相对一致；（3）病种和诊断以常见病为主；（4）包括并发症和合并症的分类。因此本文通过选取本院108例手术治疗的子宫平滑肌瘤进行数据分析，发现按相关属性对疾病谱分类较之科学，但是由于传统的回归模型仅适用于线性的计算模型中，而相关属性与最终所求的数值之间的关系通常是非线性的。故本文采用神经网络方法，对相关属性与最终所求数值进行训练学习，得出两者之间的非线性数学模型。然后，对新的数据样本进行估算，得出较回归模型更加精确的数值。从而，在计算机内部数据系统建立自动测算住院费用的模型。
3.1 依据相关属性对病例进行科学分组 本文针对某三甲医院2010年上半年度出院诊断为子宫平滑肌瘤共296例，其中96例为妊娠合并子宫肌瘤红色变性，治疗上仅采用追踪观察，并未治愈，92例采用了药物治疗或非手术治疗追踪观察。因为该研究是针对手术治愈的子宫肌瘤病例的费用测算，故非手术治疗的病例剔除在研究范围之外。而特别挑选108例子宫平滑肌瘤，以手术治疗为主，将年龄、住院天数、入院情况、主要诊断的转归、伴随疾病和并发症作为分组属性综合考虑，计算各个属性的系数，从而推断出哪些属性与分组密切相关，然后选取影响大的属性对妇科手术治疗的肿瘤进行科学分类，获得对应疾病的合理医疗费用[4]，并对分组结果分析和评价。
3.2 数据和方法 本研究以某三级甲等医院2010年入院的主要诊断为ICD-10编码M0089子宫平滑肌瘤的妇科病例为对象，相关数据来源于该院计算机管理系统患者住院病案首页数据库，转归均为“治愈”，治疗方法均为手术的住院病案[5]。按主要手术和操作、年龄、住院天数和并发症(均为子宫肌瘤所引起的各种症状：月经过多、重度贫血）等作为分组的相关属性，运用神经网络模型，把上述的相关属性作为自变量，住院总费用作为应变量，探求各属性与费用的内在关系，从而推导测算住院费用的计算模型。
表1 选取4个疾病相关属性及其量化方法[6]
3.3 计算结果 以住院费用为应变量，人口学特征（年龄组25—50岁）、疾病特征（合并并发症数量）、手术难度分级等因素作为自变量利用神经网络建立数学模型[7]。子宫平滑肌瘤手术病例的测算模型建立于神经网络基础上，如下表所示(仅选取数据一部分）：
表2 根据4个相关属性利用神经网络和回归模型测算住院费用对比
（注：蓝色字体表示对费用有显著性影响的因素）
由上可看出从回归模型和神经网络模型推算的住院总费用均有差异（回归模型测算结果≠实际费用、神经网络测算结果≠实际费用），以两者的差异作t检验观察两种方法是否具有差异性，用SPSS13.0软件计算t=3.753，P
3.4 结果分析 此次研究利用神经网络估算的住院费用结果，与首页提供的实际住院费用信息基本一致，应用相对误差公式=（预测值—实际值）/实际值，结果取绝对值，误差仅为3.39%，效果明显低于回归模型误差（18.17%）的。神经网络是一种求解内在非线性关系的计算方法，其计算精确度优于传统的多元线性回归模型。我们无需再采用传统的线性关系表示，直接把门诊诊断为“子宫平滑肌瘤”患者按神经网络中预设的属性按量化指征输入，计算机的神经网络模型可自动测算出住院费用供医院或患者作为参考[8]。将神经网络模型推广应用到卫生保险部门测算各级医院某病种住院费用，这样可大大节约时间，具有深远的社会效益和经济效益，为卫生行政部门的决策提供及时可靠的费用信息。
本文选择的妇科病例局限于子宫平滑肌瘤，治疗方法也限定了手术治疗，转归均为治愈，疾病严重程度均为“一般”。其它相关因素如主要手术操作的复杂程度、年龄、住院天数、伴随疾病和并发症都不同程度上影响住院费用。从理论上分析，对于手术病例，疾病的严重程度、伴随疾病和并发症、手术难度及方式占主导地位，年龄和住院天数处于次要地位，故住院费用的测算关键看疾病严重程度和手术难度及术式[9]。该公式的推导由于预先设定限制条件，应用公式预算住院费用需相当慎重。本次研究选择的病例在性别、治疗方法、转归、入院情况都一致，故遇到其它手术病例组测算费用，需要考虑上述因素是否对其有较大影响。若以上剔除的因素对其它手术病例有较大影响时，需要重新调整研究数据或者对测算结果进行科学校正。
该神经网络运算模型主要适用于手术病例住院费用测算，由于本次研究提取妇科手术病例数据，产科与妇科在病人结构上比较相近，此运算模型可用于妇产科手术病例费用测算[10]。但是若推广使用到外科和乳腺外科，须审慎评价测算结果。该公式忽略了住院次数、性别、护理等级属性，对测算结果是否接受应做假设检验。另一种严谨方法：对外科病例单独抽取大样本数据，增加上述剔除的属性，用多元回归思想推导适用于外科手术病例的数学模型。
经过反复数学演算验证，此神经网络模型可用于手术病例测算住院费用。该模型中对属性数量没有限制，人为设定。对于非手术病例，神经网络方法同样适用，仅需要增加多个相关的属性，如性别、护理等级、职业、抢救、输血等，直接代入上述相关属性的量化数值即可测算费用。因此，对于非手术病例费用测算模型的建立，仅需将首页可提供的所有属性考虑进去，将相关属性的量化。
从数据属性角度分析，属性越多，并且属性间的分层越多，其结果分类越细致，组间差异性明显，推导的计算公式越严谨复杂，而依据公式测算的数据越精准，仅靠传统的回归模型已无法满足要求[11]。而神经网络方法由于拥有数据无关性，关系非线性等特点，可以方便精确地得出相关属性的计算模型。目前广东省病案首页数据设定是固定模式，我们仅能在现有提供的首页数据进行实验性操作。本文仅对采用神经网络方法测算手术病例住院费用作初探，为将来DRGs分类奠定数学基础。运用DRGs制定科学合理的费用标准是未来发展方向，首页信息的调整也将适应发展趋势。
根据疾病诊断分组的基本核心思想，应用神经网络方法预算某疾病组的住院费用，作为医疗保险支付的依据。通过神经网络方法对某病例组合住院费用进行合理测算，那么测算的结果将作为医疗服务付费标准参考，有助于医疗保险业和医疗卫生机构制定病种的费用的范围，规范医疗保险业市场，推动中国医疗付费改革。
参 考 文 献
[1]马丽平.“DRGs 医疗保险费用支付方式在我国的应用及发展前景”，中国医院，Vol.10.No.6.2006.6.
[2]武广华.“DRGs的发展及我国的相关研究”，《中国医院管理》第27卷 第7期（总第312期）2007年7月.
[3]贺敬波，周良荣.“按病种支付医疗保险费用经济学分析及在我国的应用对策”，1008-6919（2006）07-0077-03，R197.1.
[4]Richardson D. The access-block effect:relationship between delay to reaching an inpatient bed and inpatient length of stay. Med J Aust 2002；177：492－495.
[5]S.D Horm， PD Sharkey. AF Chambers， RA Horm. Severity of illness within DRGs: impact on prospective payment. Am J Public Health. 1985 October， 75(10):1195-1199.
[6]赵燕，曹志辉等.“多元线性回归模型在住院费用测算的应用”，《卫生经济研究》2007年11月.
[7]郭富威，任苒.“DRGs在美国的发展及在我国的应用对策”，《中国医院管理》第26卷 第2期（总第295期）2006年2月.
[8]Scarpaci JL， DRG calculation and utilization patterns: a review of method and policy. Soc Sci Med. 1988;26（1）：111-7 Review.
[9]Lüngen M， Lauterbach KW. Measuring case severity with a DRG-based reimbursement system. Med Klin (Munich). 2002 Feb 15;97(2):70-6. Review. German.
关键词：课程开发；职业教育课程开发；中职计算机网络专业的课程的开发；
在职业教育教学改革中，课程改革一直是备受关注的热点问题之一，而围绕职业教育目标开发课程、构建完善的课程体系、改革与课程体系配套的质量评价方法，更是当前职业学校教学改革中的重点和难点。
1对中等职业学校目前课程设置的分析
中等职业学校目前课程设置的主要问题是：
(1) 中等职业学校的课程设置与市场经济和社会有效需求脱节。以市场和社会需求为导向是职业教育区别于普通教育一条很重要的基本原则。
(2) 思想观念仍被普通教育的模式所束缚：套用学科教育的思维和个人经验办职业教育；复制或改造学科教育的专业建设模式；复制或改造学科教育的课程思路改革课程；复制或改造学科教育的教学模式。
2职业教育课程开发与实施流程
对于职业教育的培养方案，必须考虑在劳动任务中所表现的职业的工作实际，包括工作对象以及工作中工具、方法、组织形式等，并考虑其技术要求，只有这样才能达到有益于工作实际的教育目的。通过企业的劳动任务进行教学，可以激发潜能以发展技能，在此基础上形成和确定与此相关的教育目标和资格目标，由此确定的职业教育课程与传统的职业教育课程有着根本的区别。因此，职业技术教育的课程开发包括调查社会需求、职业分析及关键技能分析、教学分析、确定课程、编写课程标准、教师在具体实施教学的过程中，要考虑具体课时目标、确定学习内容、选择教和学的方法及合适的教学媒体，同时考虑教学评价的方案以及依据教学评价的结果反思课程的开发与实施的诸环节。
3校企合作下中职计算机网络专业的课程开发
根据国务院要求，教育部门和劳动保障部门联合组织实施了高职毕业生职业资格培训工程，已取得明显成效。这对于中等职业学校来说也是一个很好的启示。我校在2006年与北京神州数码网络公司进行合作，是教育部牵头的40所校企合作办学的试验学校之一。我校引进了神州数码网络的实训课程，建立了神州数码网络实训室，对网络专业的学生实行毕业证和神州数码网络管理员(DCNA)认证证书同时获取的制度，让有能力的学生不出校门就可以取得国内知名网络厂商的职业资格认证，提高了中等职业学校网络专业毕业生的就业能力。
就我校校企合作的实际情况分析计算机网络专业的课程开发：
(1) 调查社会需求
随着网络技术的发展，国内各行各业都处于全面的网络化进程中，对网络应用全方位人才的需求也与日剧增。所以计算机网络专业也是国家教育部紧缺人才培养之一。我校也将计算机网络专业作为我校的骨干专业之一进行重点建设。
(2) 职业分析及关键技能分析
就目前市场的就业形式来看，计算机网络专业的核心岗位有：
1) 各种大、中、小型网络管理员
能够完成网络的设计、配置、管理、维护等任务，独立管理Windows 2000 server、Windows 2003 server、Linux等网络操作系统。随着经验的积累，网络工程师的不可替代性将越来越强，企业的信息化进程将永远需要能够灵活应对各种网络应用，及时解决网络故障的有丰富经验的网络工程师。
2) 网络类设备销售、安装
能够熟悉常见的计算机软硬件和当今最流行网络互联设备(如：Cisco公司、神州数码等大型厂商的主流路由器和交换机)，具备网络设备的安装调试的能力；熟悉TCP/IP协议、交换与路由、网络安全等相关网络知识，并能熟练掌握服务器、工作站的常规配置方法。
3) 系统集成
能够胜任售前工作，根据客户需求进行网络设计、设备选型、工程报价、网络工程的建设。
4)Web服务器管理员
能够熟练运用Dreamweaver、Flash和Photoshop等网站开发工具建设Web网站，熟悉ASP、JSP等动态网页制作方法，具有网站建设与维护的能力。
5) 微机修理维护员
掌握计算机硬件系统的结构和工作原理，能独立进行计算机软、硬件系统的组装、维护。
学生培养目标按核心岗位来进行，课程设置的目标也要按此进行。
(3) 教学分析
要确定某个专业的职业教育课程体系由哪几大专业方向课程组成，以及每类课程又由哪几门具体课程教学目标组成。对于计算机网络专业应按照培养目标来设置网络课程，具体可以分为三大专业方向课程：计算机网络管理类、计算机销售与维修类、计算机软件应用类。计算机网络类课程又可以具体包括：计算机网络技术基础、计算机网络实训(校企合作神州数码网络实训)、操作系统与网络服务器的使用与管理、网络布线与小型局域网搭建。教学目标是培养学生对网络的实际安装与维护技能。计算机销售与维修类课程又可以具体包括：现代化办公设备、计算机组装与维修。教学目标是培养学生对计算机设备的使用与维修技能。计算机软件应用类课程又可以具体包括：静态网页设计、平面设计、二维动画、动态网站建设、网络数据库。教学目标是培养学生对计算机网络应用软件设计与使用的技能。所有教学目标的实现都安排大量的实训内容来进行。
(4) 确定课程
计算机网络类课程的教材使用高等教育出版社的国家紧缺人才用书、校企合作使用神州数码网络大学的指定教材、技能认证使用劳动部门的考试专用书。
课程结构开发是指课程按照什么顺序进行排列，以及如何对这些课程进行合理的课时分配。见表1。
通过此种方式可以让学生在学校既可以拿到学校的毕业证，又可以拿到行业(神州数码网络公司的网络管理员证书)证书，还可以拿到劳动部门的认证。使学生毕业后可以有更强的竞争力。
(5) 编写课程标准
应列出课时细目及内容，明确学习范围的深度和广度，对学习目标可进一步分解并配合适宜的学习训练时数。还需提出各部分教学方法的选择建议，并列出配套的教学仪器设备与媒体。以及考核考试的标准和方法。例如，下面是《ASP动态网页设计》教材的目标能力图表。
(6) 教师在具体实施教学的过程中，要考虑具体课时目标、确定学习内容、选择教和学的方法及合适的教学媒体，同时考虑教学评价的方案。
计算机网络类课程中可以通过项目教学法和案例教学法来进行。以私有VLAN的配置实验为例来说明“项目教学法”的应用。(1)明确项目任务。给出学生实训设备及材料让学生设计实验。(2)制定计划。让学生对上面的实训进行规划，规划出计算机实训拓扑结构图。并创建网络的关联表。(3)实施计划。让学生分工进行，按实验规划有的负责连线，有的负责输入命令，有的负责插拔网线测试实验结果。(4)检查评估。由学生根据实验的结果来说明推导出实验的结论。并通过不同小组的实验过程遇到的问题进行总结分析。教师指导学生帮助出问题的小组找出造成问题的原因。(5)归档或应用。项目工作结果应该归档总结到实验报告中并让学生进行拓展应用到现实的企业环境中。
案例教学通过把一些真实的典型的案例展现在学生面前，要求他们设身处地去做出反应，学生在分析案例的同时，一方面不断形成新的理论视野，增长案例分析的技巧;另一方面在探索思考理论如何运用于实际，从而及时而有效地促进了理论向实践的转化，真正达到理论与实践的结合，有利于加强学生的实践动手能力。在网络教学中进行案例教学，首先展示企业的成功的案例，然后组织学生进行案例的分析讨论，最后再对现实的案例进行总结和应用。例如，《网页设计与制作》这门课的过程中，让学生进行案例分析后，给学生出了一个实际的课题――制作个人求职网站，学生需要结合所学网页设计制作知识，根据设计任务，分析求职素材，独立做出设计，从而提高学生学习理论知识的兴趣和实践动手能力。
在课程开发中，不可缺少课程评价方法开发这一环。对学生掌握职业技能知识情况以及对教师授课质量情况等方面需要展开一系列的评价。评价结果能为课程开发决策提供重要信息，进而推进课程开发的不断完善，促进职业教育的健康发展。计算机网络专业可多采用“能力本位评价法”对所开发的课程展开评价。“能力本位评价法”
就是以对学习结果进行明确界定为基础而建立的一种评价方法。我们要按核心岗位能力要求形成岗位能力标准，相应的测试也按岗位能力标准来进行。比如，对于计算机网络管理类可以考核学生制作网线。给学生网线制作的必备工具，在规定的时间内考核学生制作网线的速度并自行测试网线的连通性。如果可以在规定的时间内制作并用两种方法测通网线就是优秀；用一种方法测试成功为良好；没有测通网线则为不合格。
(7) 依据教学评价的结果反思课程的开发与实施的诸环节依据教学评价的结果反思课程的开发与实施的诸环节的问题，并根据实际的教学运行情况和校企合作企业的设备更新进行课程随时的调整与完善。
职业技术教育的课程开发任中而道远，我们会积极努力探索出一条适合中职计算机网络教学的课程体系，为国家培养合格的网络人才。
参考文献：
[1] 俞仲文. 高等职业教育实践教学研究[M]. 北京:清华大学出版社,2004.
[2] 黄克孝. 职业和技术教育课程概论[M]. 上海:华东师范大学出版社,2001.
[3] 傅远志,网晓东,周一. 高等职业教育创业型人才的培养研究[J]. 成都教育学院学报,2004,(11).
[4] 戴甲芳. 应用技术型本科职业教育课程开发设想[J]. 职业教育研究,2007,(1).
[5] 黄克孝. 论职教课程开发的客观基础[J]. 职教论坛,2002,(14).
[6] 石伟平,徐国庆. 职业教育课程开发技术[m]. 上海教育出版社,2006.
[7] 马庆发. 当代职业教育新论[M]. 上海教育出版社,2002.
论文摘要:基于智能电力建设工程造价是一个非线性最优融合智能算法、运用知识自动处理及有效的计算机应用体系,它强调人的智能参与和强调智能算法的灵活应用与解决复杂问题的过程中表现出了良好的适应性和可操作性等.同时对某市送电线路历史工程样本训练和实例样本计算分析,验证了该方法的预测准确性和收敛性及将灰色系统理论与层次分析法进行有机地结合,应用灰色神经网络分析方法处理电力建设工程造价决策问题,使电力建设工程造价方案决策过程具有科学性与实践性。
0 引言
随着社会经济的快速发展、社会的进步、科技和多层信息化水平的提高以及全球资源和环境问题的日益突出与电力建设发展面临着新的挑战.在电力行业在各国经济发展中占据优先发展的地位,电力建设工程造价与其他电力建设工程造价相比,具有电力建设工程造价规模大、周期长的特点.基于众多的电力建设工程造价方案中选择较优方案是电力建设工程造价决策的关键技术.在电力建设工程造价方案比选过程中的评价指标有工程造价净现值、电力建设工程造价回收期、财务内部收益率等,使决策变得复杂且很难做出.基于灰色系统理论、模糊理论进行有机的结合,用灰色神经网络度分析方法来计算决策矩阵和建立模型[1],并应用到实际电力建设工程造价决策中,可为决策者提供一种有效的决策途径,根据灰色系统理论,研究和分析决策系统影响因素间的相互关系及对系统主要目标的贡献,该研究方法考虑了传统因素分析方法并避免了模糊理论处理方法的种种弊端。
1 基于灰色神经网络原理及应用
基于灰色神经网络模型为基础的预测,运用灰色系统的数据信息预处理方式搭建电力建设工程造价即灰色生成来优化神经网络的建模应用于智能电力建设工程造价中的问题预测。
2 基于电力建设工程造价与灰色神经网络模型研究
基于灰色神经网络是以训练样本算法即误差反向传播算法即灰色神经算法的学习过程分为信息的正向传播和误差的反向传播[2],其通过训练样本前一次迭代的权值和阈值来应用神经网络技术的第一层向后计算各层大规模自组织神经元的输出和最后层向前计算各层权值和阈值对总误差的梯度进而对前面各层的权值和阈值进行修改运算反复直到神经网络样本收敛。
2.1 基于电力建设工程造价灰色神经网络模型
基于灰色神经网络输入向量为x=()t;隐含层输出向量为y=()t;输出层的输出向量为o=)t;期望输出向量为;输入层到隐含层之间的权值矩阵,其中列向量为隐含层第j个大规模自组织神经元对应的权向量;隐含层到输入层之间的权值矩阵,其中列向量为输出层第k个大规模自组织神经元对应的权向量.各层信号之间的算法结构为:
⑴⑵
⑶⑷
以上式中的均为s类型函数,的导数方程为:⑸
以下是基于电力建设工程造价灰色神经网络输出与期望输出的均方误差为:⑹
则电力建设工程造价训练样本输出层和隐含层的权值调整量分别为:⑺⑻
⑼
式中:为比例系数,在电力建设网络模型训练中代表学习速率.如果灰色自组织神经网络有个隐含层,各隐含层节点分别记为,各隐含层输出分别记为,则各层权值调整灰色神经网络模型运算计算公式分别如下:
输出层⑽
第隐含层
⑾
第一隐含层 ⑿
综合上述预测分析在灰色神经在电力建设工程造价中学习算法运用各层权值调整公式均由学习速率、本层输出的误差信号和本层输入数字离散信号处理决定在网络训练样本学习的过程受决策环境复杂程度和训练样本的收敛性即需要增大样本量来提高电力建设工程造价所学知识的代表性应注意在收集某个问题领域的样本时,注意样本的全面性、代表性以及提高样本的精确性,增大抗干扰噪声,还可以采用其他方法收集多层训练样本数据。
3 结束语
基于电力建设工程造价方案的选择问题是一个复杂的系统多属性决策问题,评价因素多而且相互之间的关系比较复杂.通过构建灰色神经网络决策模型,综合考虑到电力建设工程方案选择过程中的多方案、多因素、多目标特点,避免了单指标方案选择过程中存在的决策偏离问题.通过该模型优化全面分析多层目标指标间的相互关系,较好地解决单指标无法全面反映工程方案多目标的问题,为电力建设工程方案优选提供了一种可靠的途径数据。
参考文献:
关键词：市政道路；工程；造价估算；方法
Abstract: along with our country city changes a course accelerate, the municipal road engineering is booming, despite the government invested a lot of property of city infrastructure construction, but funding is still very limited, in order to ensure the smooth construction of the municipal road engineering, strengthening the project cost estimation is very necessary, the municipal road engineering cost estimation method were discussed.
Keywords: municipal road engineering; cost estimation; method;
中图分类号：F294.9文献标识码：A 文章编号：
市政道路工程作为土木工程的分支之一，不仅是城市设施建设的重要构成，也是城市经济发展与正常运行的基本物质保障，市政道路工程建设的好坏影响着国民经济的发展状况，在市政道路工程中，资金缺乏一直是制约工程建设的关键问题之一，为了保证道路工程顺利建设，有必要加强工程造价管理，而造价估算作为造价管理的重要构成，选择恰当的造价估算方法，对工程造价控制具有非常重要的影响。
一、市政道路工程中的造价估算方法
数理统计估算方法
这种估算方法是依据以往道路工程中的历史资料来分项统计与回归分析的，从中找出工程造价或者工程数量和某因素间的函数关系，通常函数关系可表示为下列形式：
在此公式中，表示第i章的第j节中的工程造价或数量；fn表示第n项影响因素所隶属的函数；bn表示第n项影响因素中的影响系数；zn表示第n项影响因素取值。通过此方法能有效了解各影响因素给工程造价及数量带来的影响程度，并且具有计算小及应用方便的优点。此方法也有其缺点，如此方法需要大量的样本数，并且要有对应数据回归处理的技巧，一旦样本数量得不到满足，应用数理统计估算方法，就会影响造价估算准确度，获得的函数关系也难以令人满意，此时就不适合应用数理统计方法了。
2.灰色理论估算方法
图1灰色理论下的估算模型流程
工程自身有多样性、复杂性与地点依赖性等特征，并不存在完全相同的工程，但众多工程当中存在相似及差异小的工程，这些相似性就构成了灰色理论的估算方法。灰色理论的造价估算方法是从众多已建工程当中，找出和拟建工程最接近的若干工程，对已建工程和拟建工程间的关联度进行估算，并给予关联度分析，当灰色关联度越大时，拟建与已建工程间的相似性就越高，根据相似已建工程的原始资料，应用指数平滑方法，对拟建工程造价进行预测。其灰色理论下的估算模型如图1所示。该方法下的工程造价关联度为计算可表示为：
（2-16）
（2-17）
在公式中，表示关联度，表示影响权重，表示关联系数，C0表示拟建工程的造价估测模型。该估算方法是依据行为因素序列的宏观或者微观相似度，对因素影响程度进行分析确定，目的是寻找各个因素之间的关系，寻找出目标值的因素影响，以掌握事物特征。在道路工程中，应用系造价估算方法，具有可靠度高、迅速及实用性等特点，当拟建工程与参照工程的相似度高时，其估算差通常在5%以内。
3.神经网络估算法
通过神经网络理论的分析，可发现神经网络是通过大量的神经元、无电元件与处理元件等处理单元相互连接而成的网络，可归属于非线性动力学，其特点为可并行协同处理、分布式存贮与自适应学习，直接应用样本数据，就可实现输入层和输出层间非线性的映射，并不需要构建准确的计算规则，比较适合不能构建准确数学模型的一些工程造价估算。在各类神经网络模型当中，应用较广的网络模型为BP神经网络，该类型的神经网络是由正向及反向传播两过程构成的，正向传播中，信息由输入层通过隐含层进行传递处理，在每层神经元状况下，仅对下层神经元状态进行影响，一直到输出层获得输出信息。当输出信息与期望信息存在较大差距时，就会进入反向传播的过程，把误差信号按照原连接通路进行返回，对各层所连接的权值进行修改，可向输入层进行传播，通过该两过程的反复应用，可让误差有效减小，一直到满足要求，其神经网络结构如图2所示。
图2神经网络的基本结构
神经网络下的估算方法比较适合易于样本收集及准确数学模型难以构建的工程造价估算中，此估算方法是经实例训练进行模型权重确定的，避免了一些方法中的人为权重计取带来的主观影响。其计算方法准确简单，比较适合工程造价的快速估算，不过该估算方法因训练样本与工程特征选取存在一定限制性，当前仅能依靠经验完成，缺少相应的理论指导，很容易使得个别输出值与实际值偏离较大。因此，在市政道路工程的投资决策环节，由于工程信息的粗线条及详尽程度制约，该估算方法的应用具有一定局限性。
4.案例推理估算法
随着市政道路工程建设的复杂化，传统估算方法已难以适应现代市场经济的发展，为了更好地发挥造价估算的控制作用，在投资决策环节，应采取恰当的估算方法进行造价控制，上述估算方法总是存在一些缺陷，有些工程无法运用上述估算方法，为了准确估算工程造价，还可应用案例推理方法进行估算，该估算方法是根据原经验资料，对待建工程造价进行估算。案例推理估算与常用估算法中具有一些相似之处，可运用模糊数据法，定量计算待建工程及参考工程间的相似度，降低资金时间价值的影响，和神经网络法具有相似性，也适合非结构信息的处理，并且避免了样本信息选取的限制，可较好地估算工程造价，该方法更适合市政道路工程的造价估算，促进市政工程顺利建设。
二、案例推理估算法的应用举例
案例编号为02，工程名称为某市市政公路。其中，槽1为工程概况的描述。槽2为工程特征的描述，在特征描述下，侧面1为路基宽度、主线里程等路基工程；侧面2为沥青及水泥等混凝土的路面工程；侧面3为桥梁互通的结构物，如单位千米的隧道数量、桥梁数量、通道数量、互通立交数量与分离立交数量等；侧面4为地貌特征，如山岭区、微丘区与重丘区等；侧面5为建设时间。槽3为结果集，如工程造价。槽4为有关说明。在案例估算法下，案例编号是唯一的工程标识，通常用字符串来表示。工程概况的描述主要是工程状况简介，而工程特征的描述则是对工程特征标识，主要包含工程案例检索的信息，这是工程案例构成的主要因素。结果集所对应的是问题解决方案，主要包含工程造价及工料机配备等。有关说明是市政工程案例的有关点评分析，所反映的是信息解释及延伸。依据市政道路工程的案例表示法，应用关系数据库进行案例组织，构建工程案例库。而关系数据库是把概念模型进行数据化，建立数据间的整体逻辑构图，也就是关系结构的数据模型，把采集的工程案例放于相关联数据表当中，运用工程案例各自的属性当作字段，而案例编号当作主关键字进行表结构构造，建立各表间的相关索引。通过关系数据库的应用，运用SQL语言检索工程案例，并加强工程案例库的维护及管理，对市政道路的工程造价进行合理估算。
三、结论
随着市场经济的不断发展，市政道路工程建设越来越复杂化，要想获得良好发展空间，工程造价控制是必不可少的，而造价估算作为工程造价控制的重要内容，其估算的准确合理性直接影响着整个工程的建设效益，并且对整个城市的经济发展及正常运转具有很大影响，因此，为了保证市政道路工程的建设质量，推动城市经济的持续发展，就需要对投资决策阶段中的造价估算方法进行有效分析，以保证造价控制的科学合理性，减少资产投资损失，提高工程的投资效益与社会环境效益。
参考文献：
[1]鲍逸.基于案例推理的工程造价估算系统研究与开发[J].上海建设科技,2013(1)
[2]张静.刍议市政道路工程造价估算的有效方法与对策[J].华东科技,2012(12)
中心词汇:市政路途工程、造价预算方法
1市政路途工程造价预算方法分析
1.1基于灰色关联实际预算法灰色关联分析是基于行为因子序列的微观或微观几何接近,以分析和确定因子间的影响水平或因子对主行为的贡献测度而停止的一种分析方法。其目的的寻觅各要素间的主要关系,找出影响目的值的重要要素,从而把握事物的主要特征。该法具有快速、可信水平高的特点,具有适用性。若选取的参照工程与待建工程相似水平较高,预算误差普通不超越5%。
1.2基于模糊数学的预算法工程造价的模糊预算方法,是应用模糊数学的基本原理,在同一结构体系下,经过研讨和对比拟建工程与已建工程的相似水平,依据相似的已建工程造价,采用某种可行的猜测技术,结合模糊数学的某些方法,预算拟建工程造价。它的最大特点是在待建工程还处于图纸不全的初步设计阶段,或在施工图纸比拟完全的阶段,既不需求计算分局部项工程量,也不用查概预算定额,可迅速且较准确地确定工程造价。但该方法不能准确反映收工程造价的实践变化特性,为确保工程造价预算的准确性,需树立起普遍的信息来源,树立完备的信息数据库和信息管理信息系统设计,思考各个工程建造年价,即使是在物价相对动摇时期。因此,在原有方法基础上,还须补充思考资金时间价值要素,以某一时间为基准,计算以后工程与己建工程之间的相似度,从而保证预算工程数据的合理性、准确性。
1.3基于神经网络预算法神经网络在工程造价预算方面的运用,是工程造价预算的一个新方法。它是一个非线性动力学系统,并以散布式存贮、并行协同处置和自顺应学习为特征,其以用来描画工程特征的信息作为神经网络的输入用量,以所需的工程造价作为神经网络的输入向量,使不同的输入向量失掉不同的输入量值,从而完成输入空间到输入空间的映射。
这种方法经过实例练习学习来确定模型的权重,防止了某些方法的人为计取权重的客观影响,计算复杂、准确,十分适宜快速预算工程造价;并且造价中隐性思考了不同时期主材价钱,使造价愈加契合实践。但基于神经网络的工程造价预算方法的主要限制在于工程特征的选取和练习样本的选取上。这两个方面的选取任务,目前只能仰仗阅历来完成,缺乏实际的指点,极易形成一般输入目的值偏离实践值。
1.4基于案例推理的预算法就路途工程投资预算方法而言,基于案例推理的方法与目前常用方法之间具有互通之处:它可以可运用模糊数学方法,看待估工程与典型工程之间的相似性做定量计算,以工程之间结构和结构的相似性来反映工料机装备的相似性,表现工程造价效果的模糊性特征,减小资金时间价值要素对工程造价的影响;与神经网络方法相似,异样适宜处置非结构化信息,案例推理可较好地思考适用性需求,使得推理效果不会在很大水平上受制于样本信息的选取。就基于案例推理方法自身而言,较好地统筹了工程造价预算对反响快速与结果准确两方面的要求,融合了各种方法的特点,同时克制了上述方法的缺陷,更适用于市政路途工程造价预算,更好地发扬了工程造价预算的重要控制造用,满足市政路途工程树立市场剧烈竞争的需求。
2基于案例推理预算法的工程案例分析
本文以案例推理方式为主,结合多种优化方法,结合事先市场价钱停止市政路途工程造价预算。基于案例推理的预算方法有以下六个步骤:案例搜集、效果描画、案例检索、方案调整、方案评价、案例学习。思考到工程样本资料的特点,这里选取相应特征属性:主线里程、修建年份、路基宽度、桥梁数量、通道、互通立交、分别立交、隧道、路面方式、地貌特征,作为影响工程造价的要害要素。下面本文以某市政路途作为实验案例,简明说明该方法完成其决策支持功用的流程和效果。
2.1效果描画:输入以后工程信息:主线里程15.538km,修建年份2008年,路基宽度33m,桥梁数量151.01m/km,通道2.124道/km,互通式立交0.129处/km,分别式立交0.193处/km,隧道486.87m/km,路面方式0.8,地貌特征0.2。
2.2案例检索:思考到工程的特殊性,以路面方式相反、地貌特征相反为检索条件对案例停止初级检索,失掉候选工程案例集合={案例1,案例2,案例3｝。其具体案例库见表1。
2.3案例调整:案例调整可以选择人机结合的方式,也可凭预算者的阅历停止调整,在此则采取后者停止调整。由于案例2没有相关隧道工程,而工程效果中隧道工程占很大比例,思考到隧道工程对总造价的影响,将案例2扫除,用案例1和案例3停止调整停止预算:造价建安费可以直接加权平均:
造价建安费=(3832.01/0.7921+3724.47/0.7884)/2=4780.94
2.4方案评价。行将其与方案评价模块内发生的满意解停止比拟,思考两者之间差异较小,可予以接受,并将其作为效果的最终有效解,失掉以后工程效果的估价,构成效果案例。
【关键词】传感器；智能化；神经网络；自补偿
【基金项目】论文受到成都信息工程大学校级项目KYTZ201521，Y2013062，Y2015015以及“传感器与检测技术”精品课程建设项目的资助。
一、引言
现代传感器技术是在传统传感器技术的基础上发展而来，广泛结合了信息处理技术、通信技术及微电子技术等[1]，将传感器提升至 “系统”级别。
开设现代传感器技术课程，需要在具备经典传感器知识的基础之上，进一步掌握智能传感器的相关知识，了解集成电路工艺、统计学习理论和现代信号处理技术等[2]。该课程的内容涉及智能传感器系统的硬件构成，智能化功能的软件实现方法，以及多元回归分析法、神经网络技术和支持向量机技术等数据挖掘方法。学生可以通过自主设计型实验加深对智能传感器的理解。而智能传感器的软件实现和数据挖掘方法的仿真都具备充分的灵活性，学生可以结合PC机在课堂上和课后进行实验研究[3]。
二、自主设计实验
现代传感器技术的课程介绍了新型智能传感器的概念、构成方式及具有的功能，重点在于智能传感器的集成化和智能化实现方法。
智能传感器集成化的实现涉及微电子技术等相关内容，对于非微电子专业的学生来说很难具备此方面的扎实基础，不易开展自主设计型实验。并且此部分内容的相关实验对硬件要求较高，不利于在不同专业和高校的推广。
智能传感器智能化的实现方式多样，有硬件实现，也有软件实现。软件实现方法包括神经网络技术、支持向量机技术、粒子群算法和小波分析等数据挖掘方法中的智能算法。这些智能算法的仿真工具众多，算法设计灵活且多样，可以让学生在完成课程实验的同时，通过自主设计进一步发掘算法的优化方法，加深对知识的理解。
本论文将举例说明现代传感器技术课程在智能传感器智能化实现方面的自主设计实验的开设方法。
例如，开设题为“基于神经网络方法的传感器温度自补偿模块设计”实验。对于会受温度影响的传感器，要降低工作环境温度的影响，就需要设计自补偿模块，补偿的方法有多种，这里选用神经网络方法。首先，学生需要选定实验对象，即传感器，比如某款压阻式压力传感器，然后获取不同温度状态下传感器静态标定数据，根据标定数据制作样本，输入到神经网络。学生可以根据需要选择不同的神经网络，比如BP神经网络和RBF神经网络等[4]。实验编程时可于利用现有的工具箱进行辅助编程，也可以完全自行编程。
以上实验只考虑了温度这一个干扰量的影响。通常影响传感器的不止一个干扰量，还可能存在两个或多个干扰量的影响。神经网络方法可以用来降低两个或者是多个干扰量的影响。此外，学生还可以用支持向量机技术来设计智能化软件模块，用于降低多个干扰量的影响。例如，可开设题为“基于支持向量机方法的降低多个干扰量影响的传感器智能模块设计”。该实验的过程是先选定存在交叉敏感的传感器作为实验对象，进行多维标定实验获取样本数据，再利用支持向量机方法建立数据融合模型，从而消除或是降低多个干扰量的影响。支持向量机的功能包括分类和回归等，因此学生还可以结合其分类的功能设计其他传感器智能模块。
学生在进行智能算法的课程实验时，可以选择自带工具箱中丰富的仿真工具，也可以自行编程实现算法。本论文采用Matlab软件为仿真工具实现算法。
三、实验示例
（一）基于神经网络方法的传感器温度自补偿模块设计
本实验选定压阻式压力传感器作为实验对象，目标如下。
1.基于神经网络技术设计温度补偿模块，消除工作环境温度对传感器的影响。
2.实验过程需对多个样本进行实验，提高补偿模块的适应性，即在满足压力量程的情况下对不同的工作温度进行补偿。
3.温度补偿模块的设计可以使用多种神经网络方法，并进行对比，得到消除温度影响最好的方法。
实验步骤如下。
1.二维标定实验
用标定实验来获取原始实验数据。由于实验条件和实验时间的限制，有些学生无法进行此步骤。学生也可以通过教材或者相关论文来获取原始数据，但是必须在实验报告中注明数据的来源。
2.数据预处理与样本制作
用上一步中获取的原始数据来制作样本。通常先将原始数据进行归一化处理，用归一化之后的数据制作样本。神经网络的样本包括训练样本和测试样本。
3.训练神经网络
将训练样本输入到编好的神经网络算法，可以是BP神经网络和RBF神经网络等，得到训练后的模型。
4.测试神经网络
用测试样本检验训练好的神经网络模型。如果得到的效果不好，可以适当地调整神经网络的参数，改善补偿效果。
5.更换训练样本和测试样本后重复第三和第四个步骤
不同样本得到的结果往往差异较大，实验中需要更换训练样本和测试样本后进行多次重褪笛椋用以提高神经网络模型的适应性。
6.换一种神经网络方法重复第五个步骤
同一样本采用不同的神经网络方法可能得到不同的补偿结果，实验中可以尝试对比不同的神经网络方法，或者通过优化神经网络的方法改善补偿效果。
（二）基于支持向量机方法的降低多个干扰量影响的传感器智能模块设计
本实验的目标如下。
1.利用支持向量机的处理分类和回归问题的功能，对传感器交叉敏感的数据进行分析，用以抑制交叉敏感现象。
2.尝试修改支持向量机的程序，例如更换核函数或改变分类策略，得到不同的测试结果。
3.制备多组样本数据，对不同的样本数据进行测试，用以检验算法的适应性。
实验步骤如下。
1.样本数据制作
根据确定的实验对象，采集或制备样本数据。制作好的样本数据将分为训练样本和测试样本两部分。训练样本与测试样本的格式保持一致。
2.算法设计
利用支持向量回归（Support Vector Regression，SVR）或支持向量分类（Support Vector Classification，SVC）算法，处理样本数据。利用多种策略测试算法优劣。
例如在支持向量分类算法中，有两种处理多分类问题的策略， 一种是“一对一（one agaist one， 1A1）”， 另一种是“一对多（one agaist all， 1AA）”。实验中可测试不同策略的算法。支持向量机可选取多种核函数，包括线性核函数、多项式核函数和径向基（Radial Basis Function，RBF）核函数等。目前尚缺乏一种选取核函数的标准方法。实验中可以通过更换核函数来测试它们的不同效果，用以选取最优的方案。
可以采用不同的支持向量机工具箱，例如SVM and Kernel Methods Matlab Toolbox工具箱，或者自行编程。
在算法设计的过程中，通过对训练样本进行训练和对测试样本进行测试，得到每一次的结果。同一算法必须经过多个训练样本和测试样本的检验。更换算法策略后，再重复以上步骤。
3.效果评价
用抑制交叉敏感的结果对比最初的传感器数据，对算法效果进行综合评价。
（三）实验方案
结合以上实例，可以设计出自主实验的方案，具体如下：自行查阅资料进行神经网络分析法和支持向量机法的设计，两种算法选择其一即可。
实验步骤如下：（1）安装matlab软件；（2）熟悉matlab软件的使用方法；（3）查阅资料进行项目设计；（4）选取神经网络分析法和支持向量机法之一进行项目设计；（5）根据设计要求编写算法，并仿真；（6）对算法效果进行综合评价。
需要注意的是，利用神经网络分析法和支持向量机法在智能传感器系统的智能化功能实现方法上进行项目设计的时候，数据来源要有出处，应用范围要明确。
四、结论
现代传感器技术课程通过开设自主设计型实验可以提高学生的学习兴趣，加深学生对知识的理解。该课程涉及的神经网络技术、支持向量机技术、主成分分析和小波分析等方法可以较为灵活地开设自主设计实验，加强学生的动手能力。本论文以“基于神经网络方法的传感器温度自补偿模块设计”实验为例说明了自主设计实验的方案。实验采用Matlab软件设计，方案可行。
【参考文献】
[1] 张鹏，吴东艳，张凌志.项目教学法与传感器课程改革探索[J]. 中国电力教育，2014（05）：78-79.
[2] 王兴君，毛敏.智能传感器课程建O及教学研究[J]. 电子测试，2016（07）：172-173.
购物车(0)
