Documente Academic
Documente Profesional
Documente Cultură
CONSTRUCIILOR HIDROTEHNICE
Cuvinte cheie: baraje, supravegherea construciilor hidrotehnice, reele artificiale de neuroni
Autor: asist. univ. ing. Cornel Ilinca, UTCB, Facultatea de Hidrotehnic, e-mail:
cornel@utcb.ro
Rezumat. Obiectul prezentei lucrri l constituie prezentarea i aplicarea modelelor
conexioniste n supravegherea construciilor hidrotehnice. Dezvoltarea i implementarea
reelelor artificiale de neuroni este n faz incipient n acest domeniu. Sunt prezentate
noiunile generale de inteligen artificial i aplicarea reelelor neuronale n modelarea
deplasrilor la barajul Gura Rului.
Abstract. The role of this paper is to present the application possibilities for the connexion
models in dams supervision. The development and implementation of the artificial neuron
network is in an incipient phase. This paper presents general concepts regarding the artificial
intelligence and the application of the artificial neuron network to model (simulate) the
movements of the Gura Rului dam.
1. Noiuni generale de inteligen artificial
Interpretarea datelor colectate prin sistemul de monitorizare i de inspecii directe este
necesar pentru evaluarea strii de siguran a lucrrii respective. Modelele de baz folosite
pentru interpretarea datelor sunt n prezent de dou tipuri: deterministe i statistice. O a treia
categorie de modele aflate n plin evoluie sunt cele din domeniul inteligenei artificiale, i
anume modelele adaptive bazate pe reelele neuronale. [Popovici, 2002]
Lucrarea i propune prezentarea i aplicarea acestui concept nou de modelare bazat pe
reele artificiale de neuroni n domeniul supravegherii construciilor hidrotehnice
nc de la nceputul cercetrilor de Inteligen Artificial s-au conturat dou direcii
rivale ce constituie i acum modelele dominante (paradigme) n Inteligena Artificial.
Paradigma logico-simbolic presupune mecanisme de reprezentare simbolic a
cunotinelor i utilizarea diferitelor modele logice pentru a deduce noi cunotine din faptele
memorate n baza de cunotine a sistemului. De exemplu, programele care joac ah i
programele inteligente (numite Sisteme Expert) care rezolv probleme de mare complexitate
dintr-un domeniu bine conturat reprezint realizri notabile n cadrul acestei paradigme.
Aceast direcie a beneficiat pn n prezent de dezvoltri spectaculoase, aprnd astfel i
limbajele de programare declarative cum ar fi PROLOG i limbajele de programare
funcionale (aplicative) de exemplu LISP.
Paradigma conexionist a introdus un nou concept de calcul - calculul neuronal - i a
generat realizri concrete cunoscute sub numele de reele neuronale artificiale (pe scurt reele
neuronale).
Un element important, probabil principalul responsabil pentru succesul modelelor
conexioniste, l constituie capacitatea reelelor neuronale de a nva din exemple. n mod
tradiional, pentru a rezolva o problem, trebuie elaborat un model (matematic, logic,
lingvistic etc.) al acesteia. Apoi, pornind de la acest model, trebuie indicat o succesiune de
operaii reprezentnd algoritmul de rezolvare a problemei. Exist, ns, probleme practice de
mare complexitate pentru care stabilirea unui algoritm, fie el i unul aproximativ, este dificil
sau chiar imposibil. n acest caz, problema nu poate fi abordat folosind un algoritm
activare y j f I j f
i 0
j ,i
[3]
Acest model matematic al neuronului artificial, propus pentru prima dat de
McCullogh i Pitts , dei foarte simplu, reprezint o unitate de calcul foarte puternic.
McCullogh i Pitts au demonstrat c un ansamblu de neuroni artificiali interconectai
este capabil, n principiu, s efectueze orice calcul, cu condiia alegerii corespunzatoare a
triilor sinaptice wji. Acest lucru nseamn c o reea neuronal poate efectua orice calcul,
chiar dac nu la fel de repede sau convenabil ca un model clasic. [4]
Cele mai utilizate funcii de activare sunt:
- funcia treapt (Heaviside):
(1)
-
funcia ramp:
(2)
funcia sigmoidal:
Prag + prezentare grafica
(3)
funcia tangent hiperbolic:
funcia signum:
(4)
(5)
Funcia de activare depinde de modelul de reea neuronal ales i de tipul problemei
de rezolvat, alegerea sa nefiind constrns de nici o condiie, dect eventual de analogia cu
modelul biologic. Valoarea obinut prin aplicarea funciei de activare este propagat pe cile
de ieire, echivalente arborelui axonic din modelul biologic. n fig.1 este reprezentat
schematic neuronul artificial.
Proiectare
a aplicaiei
Elaborare i alegere
programe, taxonomia
reelei
Preprocesare date
Generare fiiere de
instruire i de test
Instruirea reelei
Testarea aplicaiei
Integrarea i/sau
utilizarea aplicaiei
o1
o2
om
unde
T
- numrul de neuroni din straturile ascunse;
5 (N M )
(6)
funcia de activare, f;
caracteristicile statice, reprezentate prin proprietile topologice ale reelei i cele funcionale
(inclusiv metoda de instruire a reelei);
caracteristicile dinamice, care caracterizeaz evoluia n timp a reelei.
F(Timp,H)
BIBLIOGRAFIE
1. Adrian Popovici Baraje pentru acumulri de ap, Ed. Tehnic, Bucureti, 2002, vol. II
2. D. Dumitrescu, Hariton Costin Reele neuronale, Ed. Teora, Bucureti, 1996
3. R. Vancea, t. Holban, F. Iancu Inteligena Artificial. Tehnici de inteligen artificial,
Ed. Universitiitefan cel Mare, Suceava, 1995
4. Al. P. Tacu, R. Vancea, t. Holban, A. Burciu Inteligena Artificial, Ed. Economic,
Bucureti, 1998
5. C. Bodea Inteligen artificial i sisteme expert, Ed. INFOREC, Bucureti, 1998
6. E. Oja- Lecture material for the course Principles of Neural Computing, Helsinki
University of Technology, 1997
7. Cornel Ilinca Aplicarea reelelor neuronale i a modelelor statistice n supravegherea
construciilor hidrotehnice, Tez de doctorat, UTCB, 2003
1
2
Black box
Gray box