邢海花，余先川

(1.北京师范大学信息科学与技术学院，北京 100875;2.海南师范大学信息科学与技术学院，海南海口 571158)

0 引言

敏感性分析是一种定量描述模型输入变量对输出变量的重要性程度的方法，假设模型表示为y=f(x1，x2，…，xn)(xi为模型的第i个属性值)，令每个属性在可能的取值范围内变动，研究和预测这些属性的变动对模型输出值的影响程度(蔡毅等，2008)。将影响程度的大小称为该属性的敏感性系数，敏感性系数越大，说明该属性对模型输出的影响越大。敏感性分析的核心目的就是通过对模型的属性进行分析，筛选出重要属性，约简模型。经典的人工神经网络敏感性分析方法主要有:(1)基于连接权的敏感性分析方法，如 Garson算法(Garson，1991)、Tchaban 方法(Tchaban et al，1998)等;(2)基于输出对输入变量的求偏导的敏感性分析方法，如Dimoponlos方法(Dimoponlos et al，1995)、Ruck 方法(Ruck et al，1990)等;(3)与统计方法结合的敏感性分析方法(Olden et al，2002);(4)基于输入变量扰动的敏感性分析方法(Scardi et al，1999)。

然而，神经网络结构、初始连接权值和阈值的选择对网络的训练结果和敏感性分析有很大的影响，针对基于连接权的神经网络敏感性分析方法中求取敏感性系数的不稳定性，提出一种遗传算法优化连接权的神经网络敏感性分析方法。

1 基于连接权的神经网络敏感性分析

神经网络经过训练可以获得输出变量大于输入变量的数值函数关系及各层神经元间的连接权值，敏感性分析利用这个关系及连接权值可以得到输入变量对输出变量的重要性。以下提到的神经网……