[發明專利]基于貝葉斯神經網絡算法的蒸汽管網預測系統

無效

• 申請號: 201310300837.3
• 申請日: 2013-07-17
• 公開（公告）號: CN103425743A
• 公開（公告）日: 2013-12-04
• 發明（設計）人: 馬湧;徐朝暉;吳疆;劉開勇;周謙干;王翔宇;蔡尹楚;楊煬;陳偉;蔣宇佳
• 申請（專利權）人: 上海金自天正信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/08
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 馮子玲

1.基于貝葉斯神經網絡算法的蒸汽管網預測系統，其特征在于：包括實時數據庫服務器、應用服務器、關系數據庫服務器和工程師站；

所述實時數據庫服務器具有數據采集模塊和實時數據庫，數據采集模塊用于采集現場數據并將其存儲于實時數據庫中，實時數據庫用于向貝葉斯神經網絡預測模塊提供現場數據；

所述應用服務器具有貝葉斯神經網絡預測模塊，應用服務器與實時數據庫服務器連接，所述貝葉斯神經網絡預測模塊采用貝葉斯神經網絡算法，用于根據現場數據計算出蒸汽管網的運行工況模型和數據；

所述關系數據庫服務器具有關系數據庫，所述關系數據庫的端口分別與應用服務器和工程師站連接，用于存儲貝葉斯神經網絡預測模塊計算得出的運行工況模型和數據；

所述工程師站具有數據顯示模塊，該數據顯示模塊用于讀取并顯示關系數據庫中存儲的運行工況模型和數據；所述數據顯示模塊具有數據接口部分，用于向貝葉斯神經網絡預測模塊輸入數據。

2.一種用于蒸汽管網預測系統的貝葉斯神經網絡算法，其特征在于：所述算法流程如下：

1）計算貝葉斯神經網絡的誤差函數J_D：

JD=12Σk=1KΣn=1N(dnk-onk)2]]>

式中，d_nk為網絡的實際輸出，o_nk為期望輸出值，k為樣本個數，n為神經網絡的輸出量個數；

2）計算權衰減項J_W：

JW=12||w||2=12Σi=1wwi2]]>

W為權值向量，w為權值個數，w_i為第i個權值；

3）將總誤差函數定義為F(w)：

F(W)=αJ_W+βJ_D

式中，α,β為超參數，用于控制權值和閾值的分布形式；超參數的大小決定著貝葉斯神經網絡的訓練目標，若α＜＜β，則側重于減小訓練誤差，但可能過擬合；若α＞＞β，則側重于限制權值規模，但可能誤差較大；

4）計算超參數α,β的后驗概率分布：

p(α,β|D,H)=p(D|α,β,H)p(α,β|H)p(D|H)]]>

式中，p(α，β|H)為超參數α,β的先驗概率，p(D|H)是歸一化因子，p(D|α,β，H)為似然函數，D為訓練樣本總數，H為網絡參數；

5）分別對超參數α,β求偏導，以求出具有最大顯著度時超參數的值；

αMP=γ2Jw(wMP),]]>βMP=N-γ2JD(wMP);]]>

式中，γ為神經網絡中能降低性能指標函數的參數個數，它的取值范圍為0～w；w_MP為F(W)取最小值時所對應的權值和閾值組；

6）判斷F(W)值是否收斂，若不收斂則進行新一輪迭代求解，直至出現最優解，得到具有最大顯著度的貝葉斯神經網絡模型。