蛻變后的CPA軟件已經(jīng)可以初步完成一些簡單的模型代碼,。

　　目前支持的有深度神經(jīng)網(wǎng)絡(luò),、梯度提升樹,、線性回歸,、樸素貝葉斯,、隨機森林,、組合模型等等監(jiān)督模型,。

　　同時也引入了tensorflow等組件以支持直接在該軟件上使用深度學(xué)習(xí)算法。

　　蘇航真的想搞一個語音識別裝上去,。

　　到時候一開機,，說一句，小C,，建模,，然后嘩嘩嘩地模型就搞好了，多爽,。

　　但是這個要點時間,，還得花精力去小C里面找接入口，話說蘇航還沒有查過小C的核心代碼,，還不確定能不能看懂,。

　　雖然目前它也可以完成一些簡單的自動建模，這里的自動只是相對而言,，嚴格地講,，還是半自動的。

　　因為有很多參數(shù)要手動設(shè)計,，比如模型的個數(shù)和最長訓(xùn)練時間,。

　　這個自然是越長越好，不過硬件跟不上軟件,。

　　就像某位前輩發(fā)現(xiàn)人類的身軀限制了自己實力的增長,，果斷選擇不當(dāng)人,。

　　蘇航感覺自己這臺移動工作站就限制了小C的成長。

　　要是放到太湖之光上,，豈不是……

　　咳咳,，這個想想就好。

　　要是不限制最長時間和測試模型個數(shù)上限,，小C就會跑程序跑個沒玩,，當(dāng)一些參數(shù)不滿足要求的時候，然后就一個個模型去試啊,，最后發(fā)現(xiàn)過擬合了,，又去拉更多的數(shù)據(jù)，又去換模型,，或者自動對數(shù)據(jù)去清洗或者增加噪聲,。

　　然后就跑個沒完沒了，跑一晚上都是可能的,。

　　有個現(xiàn)代的偉人,，忘了啥名字，就講過他上大學(xué)的那個時候的電腦不會識別死循環(huán),，然后他碼了個程序放那運行并設(shè)置自動打印結(jié)果，然后就走了,，因為結(jié)束了會自動停止嘛,，就沒管了。

　　結(jié)果周一回來,，被告知要繳納罰款,，原因是微機房打印機的紙全打印完了，還好機子沒壞,。

　　現(xiàn)在計算機雖然會識別死循環(huán),，但是面對長時間的模型擬合還是會出現(xiàn)類似的情況。

　　蘇航的小C就是如此,。

　　更進一步的,，小C還可以自動進行模型組合，可以將所有訓(xùn)練好的模型作為base model進行融合,，也可以通過各個模型family中最好的那個模型作為base model進行融合,，融合的方式默認為GLM線性回歸。

　　此外,，小C還有一個類似于Simulink一樣的建模板塊,。

　　可以更加簡單地建立模型，而不需要對R語言和Python了解太多,。

　　就是“托拉拽式建?！?。

　　像什么讀取數(shù)據(jù)集、讀取SQL表,、將數(shù)據(jù)集劃分為訓(xùn)練集和測試集等等,，這個雖然簡單，但是命令語句不多,。

　　要進行大型,、復(fù)雜的模型，這個還不夠,。

　　當(dāng)然,，對于建立CNN和RNN，小C還是不太好用,，自動生成的代碼還需要一些微調(diào),。

　　對蘇航而言，能夠替代一部分的勞動就足夠了,。

　　這一次,，蘇航?jīng)Q定利用人工智能神經(jīng)網(wǎng)絡(luò)和模糊邏輯等方式來對一些大型地下工程的土體變形進行預(yù)測，進一步實現(xiàn)通過對施工的技術(shù)參數(shù)調(diào)整,，達到變形控制的目的,。

　　不要看現(xiàn)在科技多么發(fā)達，技術(shù)多么先進,，高樓大廈那么高,，地下工程那么多，其實人類對大地的了解還遠遠談不上深刻,。

　　一條幾公里的地鐵線路,，在開挖前，地下是什么情況,，誰也不知道,。

　　水、孤石等都是地下工程的大敵,。

　　就算是每隔５０米進行一次鉆孔勘察,，那一公里也就２００來個點，要去預(yù)測１０００米的路線上的地質(zhì)情況,。

　　很難,。

　　死的人，很多,。

　　相關(guān)的研究也一直在做,，但是一直都很難。

　　常言道,，三里不同風(fēng),，十里不同俗,。

　　土壤也是這樣。

　　你可以把地質(zhì)歸類,，但是不能說一類地質(zhì)就是怎么樣的,。

　　這個東西它是混合物，今天下點雨,，明天刮點風(fēng),，來幾個人踩幾腳，力學(xué)性質(zhì)也許就會發(fā)生改變,。

　　一些承載力公式怎么來的,？

　　不是實驗室算出來的，而是用命換來的經(jīng)驗公式,。

　　比如某些個山地高原地區(qū)的隧道開挖,，巖爆一死就是一個班。

　　所以,，將現(xiàn)代技術(shù)充分利用進去,，這是非常有必要的。

　　蘇航照例開始畫流程圖,。

　　采用多步滾動預(yù)測法,，一次只預(yù)測一小段時間后的變形，然后逐步推進,，像一個輪子一樣不斷向前推進,。

　　還要借用模糊數(shù)學(xué)中的隸屬度，通過層次分析法對地下工程開挖的關(guān)鍵技術(shù)參數(shù)進行敏感度分析,。

　　問題來了，何謂關(guān)鍵數(shù)據(jù),。

　　蘇航頓筆,。

　　窗外的知了又叫了，就像是去年準(zhǔn)備數(shù)學(xué)建模的時候一樣,。

　　人類是地球的關(guān)鍵生物嗎,？

　　文明是宇宙的關(guān)鍵數(shù)據(jù)嗎？

　　如果是,，誰來評判,？

　　如果不是，什么才是,？

　　那什么是眾多技術(shù)參數(shù)中的關(guān)鍵數(shù)據(jù)呢,？

　　怎么評判？

　　蘇航轉(zhuǎn)動了一下手里的筆,，沉思了一會,。

　　暫定,，利用參數(shù)與變形值之間不同程度的相關(guān)性，按層級分析法逐個選出關(guān)鍵的參數(shù),。

　　寫完,，蘇航有點不放心，又用紅筆圈了一下,，寫了一行字,。

　　“如果可以的話，找個機會把目前手段可以控制的參數(shù)進行一次全面的分析,，再微小的參數(shù),，也會有自己的作用，就像宇宙長河里的文明一樣,?！?p>　　好了，跳過這個小插曲,，蘇航繼續(xù)整理自己的思路,。

　　接下來就是對關(guān)鍵參數(shù)進行調(diào)整，計算它們的影響因子,，在發(fā)生變形的時候進行智能控制,。

　　也即：原始數(shù)據(jù)輸入——＞模糊化——＞模糊推理—（數(shù)據(jù)庫資料支撐）—＞清晰化——＞控制輸出。

　　這樣一來,，就需要一個龐大的數(shù)據(jù)庫了,。

　　包含詳盡的工程監(jiān)測數(shù)據(jù)、沿線地質(zhì)水文資料,、施工工藝資料,、附近建筑物地下暗樁情況等等。

　　還得有多組這樣的樣本數(shù)據(jù)來進行學(xué)習(xí),。

　　以此“訓(xùn)練”機器,。

　　所以，還是不能悄悄努力,，然后驚艷所有人,，畢竟是工科，要單打獨斗是不可能的,。

　　沒有強大的財力,、物力和特色人情關(guān)系的支持，那就只能一言難盡,。

　　還得去找趙漢英老師要支持啊,。

　　蘇航開始整理代碼和目前完成的論文部分，主要還只是構(gòu)思和基本算法框架,。

　　把這些東西一打包,，發(fā)給趙老師,，接下來等待趙老師的約見吧。

　　不過,，蘇航轉(zhuǎn)著的筆停下,，突然想到，自己是不是可以多做一點呢,？

　　比如降低門檻,，把小C的拖拽化和自動匹配模型功能整合進去，實現(xiàn)更加智能的風(fēng)險智能預(yù)測,。

　　這樣的話,，就算那個執(zhí)行者看不懂模型和流程，也可以輕松地通過文字來實現(xiàn)對這一模型地運用,。

　　降低了入門門檻,，又是一件大好事啊，蘇航滿意地在紙上寫寫畫畫,，然后把魔爪伸向了小C,。

　　小C：????????……？