Building可视库
一起做些更酷的事吧！
关注
你有没有想过，把土木工程和生物科技结合起来会是什么样子？或许可以研制出自己修复损伤的自愈型混凝土，或许可以通过模拟监测司机脑电波来看看它与塔吊事故间的联系（ps：今年互联网+全国冠军争霸赛也有此类项目）。这些新奇的想法，其实都是学科交叉的产物。
01
学科发展历程的简述
从科学发展的历史进程来看，所有学科最初都以混沌不分的形态包含于哲学范畴内，从15世纪末和19世纪初开始，自然科学、社会科学的若干学科分别从哲学中分离出来，到20世纪上半叶，最终在大学中确立了自然科学、社会科学和人文科学中若干经典学科独立的学科地位。
而20世纪后半叶开始，由于研究一些复杂的问题需要多个学科的知识，学科发展又出现了融合的趋势，传统经典学科间的界限被不断打破，学科的边界被重新划分，一些交叉学科（如物理化学、分子生物学）和多学科的研究领域（如女性研究、城市研究、脑科学研究）开始大量出现，并且在大学中也逐渐确立了学科的合法性。
交叉学科的形成是学科交叉的最终结果，但在这一漫长的过程中，我们能做些什么呢？Jason觉得更多的是去借鉴其他领域的理念和方法，并将它们应用到自己所在的学科。如果你还不明白，那我们下面举一个栗子，来看看把计算机科学中的人工神经网络运用到土木工程中会是什么样子。
02
神经网络是个啥？
尺有所短，寸有所长。计算机的核心部分就是计算器，这些计算器做算数非常快，但是一些需要“人类智能”（例如图像识别）的问题，对计算机而言并不是那么容易，实际上，是相当困难的。但是，由于计算机速度非常快，并且不知疲倦，我们恰恰希望它能更好地进行这类问题的求解，人工神经网络（Artificial Neural Networks）等智能算法也就因此而诞生了。
神经网络算法的诞生本就是一次学科交叉，1943年，心理学家W·Mcculloch和数理逻辑学家W·Pitts在分析、总结神经元基本特性的基础上首先提出神经元的数学模型。此模型沿用至今，并且直接影响着这一领域研究的进展。
“人造神经元”的工作原理同生物的神经元一样，也是先接受一个输入，进行一些处理，然后再弹出一个输出。构建多层神经元，每一层中的神经元都与在其前后层的神经元互相连接，就构成了下图所示的多层神经网络。
三层神经网络结构图
从图中我们可以很清楚的看到输入层和输出层就是负责接收信号和输出结果的，而中间的隐藏层和各层之间的连接则是负责整个网络最重要的工作——将输入转化成输出。
我们小时候在学习认识什么是苹果什么是香蕉时，爸爸妈妈总是会先拿几个不同的苹果或是香蕉给我们看，告诉我们这是什么，当我们在脑中记下了它们的特征、有了自己的判断后，他们会拿出新的苹果或是香蕉来考我们是否真的学会了，其实这就是神经网络建立和工作的原理。

在明确了我们需要的输入和输出后，下一步就是找到由输入通往输出的路径。就像我们不可能在第一次见到苹果后就能准确的分辨出世界上所有的苹果一样，我们第一次找到的“路径”多数情况下不能准确的把我们从输入带到输出，这时就需要拿更多的“苹果”、不断的调整我们的路径，直到满足要求为止，我们把这个学习过程称为训练。在完成了这一核心过程后，神经网络就可以帮助我们从不同的水果中把苹果找出来了。
Jason这几天尝试着利用Python编写了一个识别手写数字的人工神经网络，通过训练，它可以在对下图所示的手写数字进行识别后，告诉我们这是5。
利用这一神经网络完成了对100个手写数字的识别后，我统计了它的得分，正确得1分，错误得0分。可以看到它的准确率只有85%，目前的误差还远远无法满足工程需要的。

03
土木工程领域的应用
通过上面的介绍，我们可以发现神经网络具有自适应与自组织能力、泛化能力、非线性映射能力等特点，下面就结合着这些特点，看看神经网络在土木工程领域的应用。
结构分析与优化设计
人们研究运用快速、全局性计算的神经网络方法来进行结构分析和初步设计，其主要原理是利用神经网络的抽取、归纳和非线性建模的能力，建立输入输出的之间的映射函数关系，然后进行模式匹配、分类、识别和计算，得到合理的分析结果和设计方案。
结构损伤检测
结构损伤检测实际上是一种模式匹配，它包括训练阶段和检验阶段，训练阶段就是建立损伤模式数据库的过程，检验阶段就是损伤模式匹配的过程。它能够通过训练（学习）阶段，获得健康结构和损伤结构所具有的有关知识和信息，然后将此信息与实测数据进行模式匹配与比较，得出正确的结论。
结构荷载识别
结构荷载识别是利用结构在荷载作用下的响应（位移或应变）去反演作用在结构上荷载的一种反分析。由于结构的复杂性和荷载在空间时间上分布的不确定性，使得直接利用数学的方法去反演荷载的方法出现一定的困难。而神经网络的非线性映射能力和模式识别能力则非常适合于解决此类问题。
结构控制
结构工程中许多结构都是高度非线性的，其随时间而变化的结构参数，如期望的稳定状态，强度（耐久性）及动力学性能等都很难描述，因而建立的动力学模型不得不依靠许多的假定，而这又与实际情况存在较大的差距。
结构材料的本构关系
人们尝试用神经网络的多样性、容错性和自学习的能力，通过大量的实测试验数据的学习，通过各单元之间的连接权值来构造材料的应力应变函数映射关系，然后用建立函数关系对新的输入模式进行推理匹配而得到新的应力应变模型，运用神经网络模型来代替传统材料本构关系的数学建模方法。
学科交叉已是学科发展的必经之路，今后小库也会结合着自身专业为大家推送更多的相关内容。好了，以上便是本期的全部内容，这里是Building可视库，建筑信息直观可视的小库，我们下期见吧~

文字 | Jason
图片 |  Jason  小库Q
编辑 | 小库Q