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、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習算法。
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)要手動設計，比如模型的個數(shù)和最長訓練時間。
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、復雜的模型，這個還不夠。
當然，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，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，來幾個人踩幾腳，力學性質(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。
采用多步滾動預測法，一次只預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，就像是去年準備數(shù)學建模的時候一樣。
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)來進行學習。
以此“訓練”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)更加智能的風險智能預測。
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：????????……？
青色的巖
還記得之前青巖說的那件讓我只能每天一更的人生大事嗎？明晚我就要去過第一關(guān)了，這件人生大事要是成功了，我就每天三更，保質(zhì)的那種。等等，這不是flag，前提條件不成立，宇宙法則不生效?。。? 變換雙煞傅里葉&拉普拉斯，勾股圣手畢達哥拉斯，百算神童高斯，微積刺客萊布尼茨，曲面魔王黎曼，問題大叔希爾伯特，萬理天尊牛頓在上，保佑我一定成功。 重點來了，明天可能斷更，具體看晚上回來的時間，要是太晚，那我就只能含淚（xiao）斷更了。(′??︾▽︾??`)