《巡线便道修筑项目的资源配置方法和系统.pdf》由会员分享，可在线阅读，更多相关《巡线便道修筑项目的资源配置方法和系统.pdf（13页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103336991 A(43)申请公布日 2013.10.02CN103336991A*CN103336991A*(21)申请号 201310283489.3(22)申请日 2013.07.05G06N 3/02(2006.01)G06F 9/50(2006.01)(71)申请人广东电网公司电力科学研究院地址 510080 广东省广州市越秀区东风东路水均岗8号(72)发明人骆洁艺 杨晓东 陈海涵 潘璠曾彤 赖绮瑄 李端娇 张慧翔宋明波 游维扬 欧琳 王秀娜(74)专利代理机构广州华进联合专利商标代理有限公司 44224代理人王茹 曾旻辉(54) 发明名称巡线便道修筑项。
2、目的资源配置方法和系统(57) 摘要本发明提供一种巡线便道修筑项目的资源配置方法和系统，其方法包括步骤：确定巡线便道修筑项目的颗粒度，从历史数据库中抽取样本数据，根据样本数据中的地形增加系数、修筑长度获得样本向量；根据样本数据中的历史成本数据获得目标向量；根据样本向量、目标向量对预先创建的BP人工神经网络进行训练获得已通过训练的BP人工神经网络以及网络输入层的连接权重；接收输入的测试样本，根据已通过训练的BP人工神经网络、连接权重以及测试样本获得巡线便道修筑项目的成本值；根据预设的各费率确定调整系数，根据所述成本值以及所述调整系数确定巡线便道修筑定额，根据所述定额配置巡线便道修筑项目的资源，提。
3、高了资源配置的效率和准确性。(51)Int.Cl.权利要求书2页 说明书7页 附图3页(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页 说明书7页 附图3页(10)申请公布号 CN 103336991 ACN 103336991 A1/2页21.一种巡线便道修筑项目的资源配置方法，其特征在，包括步骤：根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度；从历史数据库中抽取预设个数的与所述颗粒度对应的样本数据，所述样本数据包括地形增加系数、修筑长度、历史成本数据，所述地形增加系数与地形条件相关；对所述地形增加系数、所述修筑长度进行标准化处理获得样本向量；对所述历史成本。
4、数据进行单位化获得目标向量；根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重；接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络输入层的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值；根据预设的各费率值确定巡线便道修筑项目的定额的调整系数，根据所述成本值以及所述调整系数确定巡线便道修筑项目的定额；根据所述定额配置巡线便道修筑项目的资源。2.根据权利要求1所述的巡线便道修筑项目的资源配置方法，其特征在于，所述颗粒度为路基加固及修复、便道修筑、清除障碍中的一种或者。
5、任意组合。3.根据权利要求1所述的巡线便道修筑项目的资源配置方法，其特征在于，根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重包括如下步骤：对预先创建的BP人工神经网络的连接权值和阀值进行编码；确定BP人工神经网络的适应度函数；根据所述适应度函数以及连接权值和阀值的编码对所述BP人工神经网络进行遗传运算确定优化的BP人工神经网络以及该优化的BP人工神经网络对应的连接权值的初始值、阀值的初始值；根据样本数据的个数确定所述优化的BP人工神经网络的一个输入节点、隐含层神经元数、一个输出节点；根。
6、据所述样本向量、所述目标向量、所述连接权值的初始值、所述阀值的初始值对已确定了输入节点、隐含层神经元数、输出节点的优化的BP人工神经网络进行训练；在训练误差满足预设要求时，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重。4.根据权利要求1至3之一所述的巡线便道修筑项目的资源配置方法，其特征在于，所述根据所述定额配置巡线便道修筑项目的资源包括：根据所述定额分配巡线修筑项目的检修人员的数量和/或者工程车的数量。5.一种巡线便道修筑项目的资源配置系统，其特征在于，包括：颗粒度确定模块，用于根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度；数据抽取。
7、模块，用于从历史数据库中抽取预设个数的与所述颗粒度对应的样本数据，所述样本数据包括地形增加系数、修筑长度、历史成本数据，所述地形增加系数与地形条件权 利 要 求 书CN 103336991 A2/2页3相关；标准化模块，用于对所述地形增加系数、所述修筑长度进行标准化处理获得样本向量；单位化模块，用于对所述历史成本数据进行单位化获得目标向量；训练模块，用于根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重；成本确定模块，用于接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络。
8、输入层的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值；定额确定模块，用于根据预设的各费率值确定巡线便道修筑项目的定额的调整系数，根据所述成本值以及所述调整系数确定巡线便道修筑项目的定额；配置模块，用于根据所述定额配置巡线便道修筑项目的资源。6.根据权利要求5所述的巡线便道修筑项目的资源配置系统，其特征在于，所述颗粒度为路基加固及修复、便道修筑、清除障碍中的一种或者任意组合。7.根据权利要求6所述的巡线便道修筑项目的资源配置系统，其特征在于，所述训练模块包括：编码单元，用于对预先创建的BP人工神经网络的连接权值和阀值进行编码；适应度函数确定单元，用于确定BP人工神经网络的适应度函数；。
9、优化单元，用于根据所述适应度函数以及连接权值和阀值的编码对所述BP人工神经网络进行遗传运算确定优化的BP人工神经网络以及该优化的BP人工神经网络对应的连接权值的初始值、阀值的初始值；节点确定单元，用于根据样本数据的个数确定所述优化的BP人工神经网络的一个输入节点、隐含层神经元数、一个输出节点；训练单元，用于根据所述样本向量、所述目标向量、所述连接权值的初始值、所述阀值的初始值对已确定了输入节点、隐含层神经元数、输出节点的优化的BP人工神经网络进行训练；权重确定单元，用于在训练误差满足预设要求时，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重。8.根据。
10、权利要求5至7之一所述的巡线便道修筑项目的资源配置系统，其特征在于，所述配置模块根据所述定额分配巡线修筑项目的检修人员的数量和/或者工程车的数量。权 利 要 求 书CN 103336991 A1/7页4巡线便道修筑项目的资源配置方法和系统技术领域0001 本发明涉及巡线便道修筑技术领域，特别是涉及一种巡线便道修筑项目的资源配置方法和系统。背景技术0002 在电网企业中，每年均存在着大量的巡线便道的修筑任务，为了挖掘企业内部因素，有效降低成本、提高效率，以按照平均先进水平原则评价巡线便道修筑定额，在执行巡线便道的修筑任务时，首先需要确定巡线便道修筑项目的定额，然后再根据该巡线便道修筑项目的定额来。
11、分配相关资源，例如，根据巡线便道修筑项目的定额合理的分配巡线便道修筑项目的检修人员和工程车，以达到降低成本、提高作业效率的目的，从而为整个工程提供技术支持和决策依据。0003 对于电网企业，常需要在进行巡线便道修筑项目的资源配置前，按照一定的先对巡线便道修筑定额有一个准确的估计，电网企业一直寻求一种能充分考虑工作内容、地形条件和修筑长度等因素且准确高效的巡线便道修筑项目的资源配置方法。0004 目前，对于巡线便道修筑项目的资源配置，主要是采用人工估算的方式，依靠人的经验、常识，以及人工测量的相关数据，逐一进行估算并确定巡线便道修筑项目的定额，然后进行资源配置。0005 上述技术手段，由于依赖于。
12、人工方式来实现，配置效率低，而且人工估算方式容易产生错误，难以满足大量的巡线便道的修筑任务的要求，另外，由于没有充分考虑工作内容、地形条件和修筑长度等因素，导致配置结果不能准确地反映客观的巡线便道修筑项目定额确定需求，配置准确性低。发明内容0006 本发明的目的在于提供一种巡线便道修筑项目的资源配置方法和系统，可以提高确定巡线便道修筑定额的效率，且确定的巡线便道修筑定额准确性高。0007 本发明的目的通过如下技术方案实现：0008 一种巡线便道修筑项目的资源配置方法，包括步骤：0009 根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度；0010 从历史数据库中抽取预设个数的与所述颗粒。
13、度对应的样本数据，所述样本数据包括地形增加系数、修筑长度、历史成本数据，所述地形增加系数与地形条件相关；0011 对所述地形增加系数、所述修筑长度进行标准化处理获得样本向量；0012 对所述历史成本数据进行单位化获得目标向量；0013 根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重；0014 接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络输入层说 明 书CN 103336991 A2/7页5的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值；0015 根据。
14、预设的各费率值确定巡线便道修筑项目的定额的调整系数，根据所述成本值以及所述调整系数确定巡线便道修筑项目的定额；0016 根据所述定额配置巡线便道修筑项目的资源。0017 一种巡线便道修筑项目的资源配置系统，包括：0018 颗粒度确定模块，用于根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度；0019 数据抽取模块，用于从历史数据库中抽取预设个数的与所述颗粒度对应的样本数据，所述样本数据包括地形增加系数、修筑长度、历史成本数据，所述地形增加系数与地形条件相关；0020 标准化模块，用于对所述地形增加系数、所述修筑长度进行标准化处理获得样本向量；0021 单位化模块，用于对所述历史成本数。
15、据进行单位化获得目标向量；0022 训练模块，用于根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重；0023 成本确定模块，用于接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络输入层的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值；0024 定额确定模块，用于根据预设的各费率值确定巡线便道修筑项目的定额的调整系数，根据所述成本值以及所述调整系数确定巡线便道修筑项目的定额；0025 配置模块，用于根据所述定额配置巡线便道修筑项目的资源。0026 依据本发明的方。
16、案，其是根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度，从历史数据库中抽取预设个数的与该颗粒度对应的样本数据，对样本数据中的地形增加系数、修筑长度进行标准化处理获得样本向量，并对所述历史成本数据进行单位化获得目标向量，根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重，则可以接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络输入层的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值，再根据预设的各费率确定调整系数，根据所述成本值以及所述调整系数确定巡线便道。
17、修筑定额，由于样本数据可以从历史数据库中获得，数据的获取实时而快捷，提高了配置效率，同时，样本数据是基于历史数据的，数据真实有效，提高了配置的准确性，同时，其中的项目信息可以反映巡线便道修筑项目的工作内容，且样本数据包括修筑长度以及与地形条件相关的地形增加系数，因而，本发明方案充分考虑了工作内容、地形条件和修筑长度等因素，能够客观地反映巡线便道修筑项目定额确定需求，且配置准确性高。附图说明0027 图1为本发明的巡线便道修筑项目的资源配置方法实施例的流程示意图；0028 图2为图1中的训练步骤的细化流程示意图：0029 图3为本发明的巡线便道修筑项目的资源配置系统实施例的结构示意图；说 明 书。
18、CN 103336991 A3/7页60030 图4为图3中的训练模块的细化结构示意图。具体实施方式0031 下面结合实施例及附图对本发明作进一步阐述，但本发明的实现方式不限于此。0032 参见图1所示，为本发明的巡线便道修筑项目的资源配置方法实施例的流程示意图。如图1所示，本实施例中巡线便道修筑项目的资源配置方法包括如下步骤：0033 步骤S101：根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度；0034 在本发明的实施例中，所述颗粒度为路基加固及修复、便道修筑、清除障碍中的一种，或者为路基加固及修复、便道修筑、清除障碍的两两组合，或者为路基加固及修复、便道修筑、清除障碍三种的组。
19、合，其中，便道修筑包括排水沟，清除障碍包括清除泥坑、泥泞、杂草、带刺灌木等等；0035 其中，项目信息主要包括巡线便道修筑项目的工作内容信息，例如，包括当前的巡线便道修筑项目中的修筑类型信息、修筑前清障工作记录信息等；0036 步骤S102：从历史数据库中抽取预设个数的与所述颗粒度对应的样本数据，所述样本数据包括地形增加系数、修筑长度、历史成本数据，所述地形增加系数与地形条件相关；0037 各供电局一般都有记录各巡线便道修筑项目所包括的各种数据的历史数据库，由于样本数据可以从历史数据库中获取，数据的获取实时而便捷，提高了资源配置的准确性，其中，样本数据的个数可以根据实际训练需要进行设定，但一般。
20、要求样本数据的个数尽量大，例如，大于20，且抽取的样本数据尽可能的满足修筑工程量相差较大和地形相差较大的条件，与所述颗粒度对应的样本数据是指，样本数据对应的颗粒度应该与步骤S101中确定的颗粒度一致，如，在步骤1中确定的颗粒度为便道修筑、清除障碍，则样本数据所对应的颗粒度也应该是基于便道修筑、清除障碍的；地形增加系数可以预先就存储在历史数据库中的，也可以是对各地形种类加权求和得到的，即历史数据库中如果预先存储有地形增加系数，则直接从历史数据库中读取，如果历史数据库中未存储有地形增加系数，则需要通过预设的确定方式获得，例如，地形增加系数A1*丘陵比例+A2*山地比例+A3*高山比例+A4*峻岭比。
21、例+A5*泥沼比例+A6*河网比例+A7*沙漠比例，其中，地形种类的比例地形种类修筑的长度/巡线便道修筑总长度，例如，丘陵比例丘陵修筑长度/巡线便道修筑总长度，A1、A2.A7指各地形种类对应的权重；0038 步骤S103：对所述地形增加系数、所述修筑长度进行标准化处理获得样本向量P；0039 对各样本数据中的地形增加系数、修筑长度进行0-1标准化处理，作为样本向量P，其中，标准化就是去除数据的单位限制，将其转化为无量纲的纯数值，一般有0-1标准化和和Z标准化，在本实施例中，采用0-1标准化，其具体过程可以采用现有任意可以实现的方式，在此不予赘述；0040 步骤S104：对所述历史成本数据进行。
22、单位化获得目标向量；0041 对各样本数据中的成本数据进行单位化，可固定为10元/m；0042 步骤S105：根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重；说 明 书CN 103336991 A4/7页70043 获得网络输入层的连接权重可以采用现有的任意可以实现的方式，在其中一个实施例中，如图2所示，本步骤中的根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重可以具体包括如下。
23、步骤：0044 步骤S1051：对预先创建的BP人工神经网络的连接权值和阀值进行编码得到遗传算子长度(编码长度)为SR*S1+S1*S2+S1+S2的编码，其中，R表示输入神经元个数，S1表示隐含层神经元个数、S2表示输出神经元个数；0045 在本发明实施例中，采用的编码方式为：0046 for i1 to R*S1，0047 W1(i，1)x(i)；0048 for i1 to S2，0049 W2(i，1)x(i+R*S1)；0050 for i1 to S1，0051 B1(i，1)x(i+R*S1+S1*S2)；0052 for i1 to S2，0053 B2(i，1)x(i+R*S。
24、1+S1*S2+S1)0054 其中，x(i)表示可以调出数组的行元素；0055 步骤S1052：确定BP人工神经网络的适应度函数F；0056 首先确定网络输出的误差平方和mse，mse表示网络输出值与目标值的偏差均方和的倒数作为适应度函数，进而得到优化网路的适应度函数F，F1/mse；0057 步骤S1053：根据所述适应度函数以及所述连接权值和阀值的编码对所述BP人工神经网络进行遗传运算确定优化的BP人工神经网络以及该优化的BP人工神经网络对应的连接权值的初始值、阀值的初始值；0058 一般可以采用交叉算子(以基因间隔为单位，交换母体和子体)和变异算子(以单个基因为单位，交换母体和子体)进。
25、行遗传运算，得到优化的BP人工神经网络，其中，交叉算子和变异算子均是现有技术中进行遗传运算以优化BP人工神经网络的常用方式，在此不予赘述；0059 步骤S1054：根据样本数据的个数确定所述优化的BP人工神经网络的一个输入节点、隐含层神经元数、一个输出节点；0060 输入层到隐含层的传输函数为非线性传输函数：tansig函数，即y2/1-exp(-2x)-1，隐含层到输出层的传输函数为线性传输函数：purelin函数，即yx，具有这样结构的BP网络，可以实现任意向量到任意向量的映射，而且输出向量范围并不局限在0-1范围内；0061 步骤S1055：根据所述样本向量、所述目标向量、所述连接权值的。
26、初始值、所述阀值的初始值对已确定了输入节点、隐含层神经元数、输出节点的优化的BP人工神经网络进行训练；0062 训练优化的BP人工神经网络可以采用现有任意可以实现的方式，例如，采用L-M优化算法，在此不予赘述0063 步骤S1056：在训练误差满足预设要求时，获得已通过训练的BP人工神经网络以说 明 书CN 103336991 A5/7页8及对应该通过训练的BP人工神经网络的网络输入层的连接权重；0064 一般来说，所得到的网络输入层的连接权重并不能直接作为计算权重，需按下式进行处理，其中net，iw1(i，j)为连接权值，m为S1层权重矩阵的行数，i、j分别为每个连接权重的行数和列数：006。
27、5 0066 步骤S106：接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络输入层的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值；0067 该测试样本是与当前的巡线便道修筑项目的工作内容对应的，包括标准化后的地形增加系数和修筑长度等；0068 步骤S107：根据预设的各费率值确定巡线便道修筑项目的定额的调整系数k，根据所述成本值以及所述调整系数确定巡线便道修筑项目的定额；0069 其中，调整系数k是根据预设的各费率值折算获得，例如，k(1+1*措施费费率总和+55*规费费率总和+1*(企业管理费费率+利润率)*(1+税金)+(55*人工调整系数+45*材机调整系数。
28、)*(1+税金)，地形增加系数和修筑长度分别按1计算，即分别以平地和1米考虑，则可以根据成本值以及所述调整系数确定巡线便道修筑定额；0070 步骤S108：根据所述定额配置巡线便道修筑项目的资源；0071 在确定了巡线便道修筑项目的定额后，电力部门(如电网企业)则可以根据所得的巡线便道修筑项目的定额进行工程任务分配，例如，根据所得的巡线便道修筑项目的定额进行资源配置，资源配置可以采用现有的方式，在此不予赘述。0072 据此，依据上述实施例中的方案，其是根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度，从历史数据库中抽取预设个数的与该颗粒度对应的样本数据，对样本数据中的地形增加系数、修。
29、筑长度进行标准化处理获得样本向量，并对所述历史成本数据进行单位化获得目标向量，根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重，则可以接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络输入层的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值，再根据预设的各费率确定调整系数，根据所述成本值以及所述调整系数确定巡线便道修筑定额，由于样本数据可以从历史数据库中获得，数据的获取实时而快捷，提高了配置效率，同时，样本数据是基于历史数据的，数据真实有效，提高了配置的准确性，同。
30、时，其中的项目信息可以反映巡线便道修筑项目的工作内容，且样本数据包括修筑长度以及与地形条件相关的地形增加系数，因而，本发明方案充分考虑了工作内容、地形条件和修筑长度等因素，能够客观地反映巡线便道修筑项目定额确定需求，且配置准确性高，另外，只要获取到巡线便道修筑项目的项目信息以及测试样本就能自动的进行定额确定、资源配置，效率高。0073 根据上述本发明的巡线便道修筑项目的资源配置方法，本发明还提供一种巡线便道修筑项目的资源配置系统。参见图2所示，为本发明的巡线便道修筑项目的资源配置系统实施例的结构示意图，为了便于说明，图中只示出了与本发明相关的部分。0074 如图3所示，本发明实施例的巡线便道修。
31、筑项目的资源配置系统，包括颗粒度确说 明 书CN 103336991 A6/7页9定模块201、数据抽取模块202、标准化模块203、单位化模块204、训练模块205、成本确定模块206、定额确定模块207、配置模块208，其中：0075 颗粒度确定模块201，用于根据巡线便道修筑项目的项目信息确定巡线便道修筑项目的颗粒度，其中，所述颗粒度可以为路基加固及修复、便道修筑、清除障碍中的一种或者任意组合；0076 数据抽取模块202，用于从历史数据库中抽取预设个数的与所述颗粒度对应的样本数据，所述样本数据包括地形增加系数、修筑长度、历史成本数据，所述地形增加系数与地形条件相关；0077 标准化模块。
32、203，用于对所述地形增加系数、所述修筑长度进行标准化处理获得样本向量；0078 单位化模块204，用于对所述历史成本数据进行单位化获得目标向量；0079 训练模块205，用于根据所述样本向量、所述目标向量对预先创建的BP人工神经网络进行训练，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重；0080 成本确定模块206，用于接收输入的测试样本，根据所述已通过训练的BP人工神经网络、所述网络输入层的连接权重以及所述测试样本获得所述巡线便道修筑项目的成本值；0081 定额确定模块207，用于根据预设的各费率值确定巡线便道修筑定额的调整系数，根据所述成本值。
33、以及所述调整系数确定巡线便道修筑项目的定额；0082 配置模块208，用于根据所述定额配置巡线便道修筑项目的资源。0083 在其中一个实施例中，如图4所示，训练模块205可以包括：0084 编码单元2051，用于对预先创建的BP人工神经网络的连接权值和阀值进行编码；0085 适应度函数确定单元2052，用于确定BP人工神经网络的适应度函数；0086 优化单元2053，用于根据所述适应度函数以及连接权值和阀值的编码对所述BP人工神经网络进行遗传运算确定优化的BP人工神经网络以及该优化的BP人工神经网络对应的连接权值的初始值、阀值的初始值；0087 节点确定单元2054，用于根据样本数据的个数确定。
34、所述优化的BP人工神经网络的一个输入节点、隐含层神经元数、一个输出节点；0088 训练单元2055，用于根据所述样本向量、所述目标向量、所述连接权值的初始值、所述阀值的初始值对已确定了输入节点、隐含层神经元数、输出节点的优化的BP人工神经网络进行训练；0089 权重确定单元2056，用于在训练误差满足预设要求时，获得已通过训练的BP人工神经网络以及对应该通过训练的BP人工神经网络的网络输入层的连接权重。0090 在其中一个实施例中，配置模块208可以根据所述定额分配巡线修筑项目的检修人员的数量和/或者工程车的数量。0091 本发明的巡线便道修筑项目的资源配置系统与本发明的巡线便道修筑项目的资源配置方法一一对应，在上述巡线便道修筑项目的资源配置方法的实施例阐述的技术特征及其有益效果均适用于巡线便道修筑项目的资源配置系统的实施例中，特此声明。0092 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并说 明 书CN 103336991 A7/7页10不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。说 明 书CN 103336991 A10。