1、“.....李敏强，徐博艺，寇纪淞遗传算法与神经网络的结合系统工程理论与实践学习过程结束测试网络测试网络是否是否是否修改权值和阀值图算法流程图程序实现网络的建立本网络采用三层网络结构。在三层网络中，隐含层神经网络个数和输入层神经元个数之间有近似关系由于样本有个级指标所以有个输入参数，个输出参数，所以这里设置为，设置的网络结构为，即输入层有个节点，隐含层有个节点，输出层有节点，共有个权值，个阀值。神经网络的隐含层神经元的传递函数采用型正切函数，输出层神经元的传递函数采用型对数函数。输入样本矩阵为，创建网络代码如下网络训练是个不断修改正权值和阀值的过程，通过训练，使得网络的输出误差越来越小。训练幻术是利用算法对网络进行训练的。通过下面代码用以及网络的参数设置训练次数为，训练目标为，学习速率为训练网络网络训练后，需要对网络进行测试......”。

2、“.....神经网络的代码见附录仿真与结果分析对于开发神经网络，产生数据样本集是第步，也是十分重要和关键的步。这里包括原始数据的收集，数据分析，变量选择以及数据的预处理，只有经过这些步骤后，才能对神经网络进行有效的学习和训练。尤其是网络学习前的数据预处理对网络有至关重要的影响，它可以影响整个网络的学习速度网络结构的复杂性以及网络的精度。本文中的资料来自于专家打分，利用这些资料形成训练以及验证样本。本文以水电工程应急为工程背景，介绍使用基于遗传算法的神经网络进行水电工程应急能力评价。由于有个级指标，这样网络的输入就是个维的向量。附录表给出了训练样本，附录表给出测试样本数据仿真结果如图所示图训练误差曲线图为训练误差曲线图。可见在训练到第次的时候误差达到的要求。表明了训练结果已经达到设置的目标误差。图输出图由图可以看出除了第二个测试输出其余输出基本致......”。

3、“.....神经网络优点及其存在的问题在人工神经网络模型当中神经网络最为常用且较为成熟。与传统的基于符号推理的人工智能相比较，神经网络具有如下几个特点对于所要解决的问题，不需要预先编排出计算程序来计算，只需给出学习样本就可以完成，并有所创新。具有自适应和自组织能力。具有较强的分类模式识别和知识表达能力。虽然网络具有很多优点，但其也存在着定的不足之处。算法采用的是基于误差梯度下降法的权值调整原则，每步求解都取局部最优，训练最终进入局部极小还是全局极小与网络权值的初始状态有很大关系但网络的初始权值是随机确定的，所以网络训练易于陷入局部极小。标准算法的内在缺陷主要有易形成局部极小而得不到全局最优训练次数多，学习效率低，收敛速度慢隐节点的选取缺乏理论指导训练时学习新样本有遗忘旧样本的趋势。基于方法的水电工程应急能力评估人工神经网络......”。

4、“.....而遗传算法，是从自然界生物进化机制获得启示，在寻优过程中只使用评价函数，不要求目标函数具有可微性，具有很强的全局性并行性快速性适应性。但易早熟且局部微调能力差。网络具有高度的非线性映射能力泛化能力容错性以及易实现性，局部微调能力强，不过它存在着收敛慢易于局部收敛的不足。与的优缺点有着很强的互补性，且两者结果都对训练过程中用到的算法参数很敏感。如能将两者结合能有效解决很多般数学方法难以解决的问题。本章把人工神经网络结合遗传算法应用水电工程应急评价评价，较为新颖。遗传算法概述遗传算法，的基本思想基于进化论和的遗传学说。进化论最重要的是适者生存原理，它认为每物种在发展中越来越适应环境。物种每个个体的基本特征由后代所继承，但后代又会产生些异于父代的新变化。在环境变化时，只有那些能适应环境的个体特征方能保留下来。遗传学说最重要的是基因遗传原理......”。

5、“.....并以基因形式包含在染色体内，每个基因有特殊的位置并控制种特殊性质。所以，每个基因产生的个体对环境具有种适应性，基因突变和基因杂交可产生更适应于环境的后代。经过存优去劣的自然淘汰，适应性高的基因结构得以保存下来。遗传算法是种新的全局优化搜索算法，具有简单通用适于并行处理以及应用范围广等显著特点，是世纪关键智能计算之。遗传算法的基本操作中包含了个基本要素参数编码设定初始群体确定适应度函数设计遗传操作算子设置遗传运行参数。参数编码在遗传算法中如何描述问题的可行解，把个问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法称为编码。编码是应用遗传算法时要解决的首要问题，编码方法在很大程度上决定了遗传进化运算的方法以及运算的效率。目前常用的编码方法有二进制编码方法浮点数编码方法符号编码方法④多参数级联编码方法多参数交叉编方法......”。

6、“.....群体规模越大，群体中个体的多样性越高，算法陷入局部解的危险就越小，从考虑群体多样性出发，群体规模应较大但是，群体规模太大会使计算量增加，影响算法效率。别方面，群体规模太小，会使遗传算法的搜索空间分布范围有限，引起未成热收敛现象，要避免未成熟收敛现象，必须保持群体的多样性，即群体规模不能太小。在实际应用中群体个体数的取值范围般为几十几百个。确定适应度函数适应度是评价群体中染色体个体好坏的标准，是选择遗传操作的依二进制位数交叉概率变异概率代沟根据遗传算法和神经网络理论，在软件中实现基于遗传算法优化的神经网络水电改应急能力评估。遗传算法部分使用遗传算法工具箱。神经网络部分使用自带的神经网络工具箱。代码构成如下神经网络算法函数这部分中将神经网络算法部分作为遗传算法的个目标函数，函数的输出是预测样本的预测误差的范数......”。

7、“.....在遗传算法部分得到的该个体的适应度也就越大。详细代码见附录遗传算法函数这部分运用遗传算法来优化神经网络的权值和阀值得到最优的权值和阀值，并将其保存在矩阵中，为后面的函数服务。详细代码见附录和。遗传神经函数经过遗传算法优化之后得到最佳的权值和阀值矩阵，可以将最优权值阀值矩阵回带入网络得到训练误差预测误差等。详细代码见附录。仿真与结果分析运行主函数得到进化曲线如图所示。遗传代数误差的变化进化过程图进化曲线图由于运行了之后由遗传算法得到最优权值阀值矩阵，得到最优权值阀值后，运行函数，得到预测的结果以及训练误差曲线。图输出图原始数据预测数据图原始预测对比图图图显示了用训练好的网络进行测试时得到的输出。由这两图可以看出得到的输出与预测输出基本致。网络运行结果与专家及对照规范评价结果致，说明此网络稳定，可以用来对水电应急能力进行评价......”。

8、“.....得到的测试结果更加准确误差更小。可以看出用遗传算法进行优化后网络的性能得到了提高。图图为训练误差曲线图。可见在训练到第代的时候误差达到的要求。表明了训练结果已经达到设置的目标误差，训练结果理想。此外由图与图相比较可以看能得到出进行优化之后误差曲线收敛的更快。可以看出用遗传算法进行优化后网络的性能得到了提高。图图的第栏表示在训练过程中梯度的变化。由于函数使用的是训练函数，是该算法里面的个参数，第二栏就表示参数的变化情况。第三栏显示验证集的验证结果均约为，表明训练情况很好。图图是拟合情况图，表明训练集验证集和测试集的数据拟合情况。从上图可以看出拟合情况较好说明神经网络训练比较充分。邓云峰，郑双忠，刘铁民突发灾害应急能力评估及应急特点中国安全生产科学技术王绍玉城市灾害应急管理能力建设城市与减灾牛冲槐，任朝江......”。

9、“.....李彦娅社会转型时期政府危机管理能力的缺失及其提升路径分析天津行政学院学报唐钧，陈淑伟全面提升政府危机管理能力，构建城市安全和应急体系探索，王绍玉城市灾害应急管理能力建设城市与减灾王文娟突发公共卫生事件政府应急能力指标体系研究大连大连理工大学硕士学位论文盘世贵论提高领导者应对公共突发事件的能力学术论坛周进军，李洪泉，邓云峰地震灾害综合应急能力评估研究中国安全生产科学技术邓小红浅析专家评价法对物流企业供应链绩效的评价科技息王文川，程春田，邱林基于综合权重的理想模糊物元多属性决策法及应用数学的实践与认识，吴会民，张韦，梁传辉用熵权模糊综合评价法评价养殖池塘水质状况的研究安徽农业科学，蒋官澄，吴雄军，王晓军确定储层损害预测评价指标权值的层次分析法石油学报，陈衍泰，陈国宏......”。