[發明專利]貯灰壩安全預警方法

在審

• 申請號: 201310748380.2
• 申請日: 2013-12-31
• 公開（公告）號: CN104008418A
• 公開（公告）日: 2014-08-27
• 發明（設計）人: 歐陽浩;鄭慶華
• 申請（專利權）人: 廣西科技大學
• 主分類號: G06N3/02
• 分類號: G06N3/02
• 代理公司: 柳州市集智專利商標事務所 45102
• 代理人: 黃有斯

技術領域

本發明涉及一種貯灰壩安全預警方法，尤其是一種基于粗糙集神經網絡的貯灰壩安全預警方法。

背景技術

貯灰壩是火力發電中主要的災害來源之一，它的安全直接關系到下游人民的生命財產以及周邊生態環境的安全。而浸潤線是影響穩定性的最重要的元素之一，浸潤線每下降1m，安全系數大約增加0.03～0.05。因此，可以通過預測浸潤線高度值來判斷貯灰壩的安全性。

近年來，很多學者提出了浸潤線高度值的預測方法：李娟等人在《中國安全生產科技技術》雜志2009年第5卷第1期76頁～79頁發表的《支持向量回歸機在尾礦壩浸潤線預測中的應用》一文采用支持向量回歸機建立浸潤線預測模型，此方法在選擇影響浸潤線高度值的因素時具有一定的主觀性，并且在使用支持向量機時選擇核函數時，需要一定的經驗性。李俊杰等人在《水電能源科學》雜志2005年第23卷第3期77頁～79頁發表的《RBF網絡在貯灰壩浸潤線預測中的應用》一文采用徑向基函數神經網絡（簡稱RBF）的方法來預測浸潤線值，此方法在選擇影響浸潤線的因素時同樣存在較大的主觀性。上述浸潤線預測的方法受到主觀性因素和經驗性因素的影響，導致貯灰壩浸潤線高度預測值的準確率較低。

發明內容

本發明的目的是提供一種貯灰壩安全預警方法，與現有的貯灰壩安全預警方法相比，本方法可以解決浸潤線高度預測值的準確率較低的問題。

為了解決上述問題，本發明采用的技術方案是：

（1）定期采集貯灰壩主壩的屬性數據：壩頂高程，灘頂高程，灘前100m高程，干灘長度，庫水位，浸潤線高度；

（2）選取壩頂高程，灘頂高程，灘前100m高程，干灘長度，庫水位為條件屬性，浸潤線高度為決策屬性，將采集到的100組～1000組數據輸入到計算機中，建立屬性決策表，然后采用粗糙集約簡算法對所述屬性決策表進行約簡，約簡算法的步驟如下：

①?求出決策表中的重復對象，并且將重復對象從決策表中去除；

②?求出約簡集；

③?計算約簡集的核；

④?確定最佳約簡集，獲得關鍵屬性；

（3）將約簡得到的關鍵屬性數據輸入多層前向神經網絡進行訓練；

（4）采集關鍵屬性的數據，將所述關鍵屬性數據輸入訓練好的多層前向神經網絡分析預測，得到浸潤線高度預測值；

（5）當預測得到的浸潤線高度超過預先設定的安全值時，計算機所連接的報警器報警。??

上述技術方案中，更具體的技術方案是：步驟（3）中多層前向神經網絡的訓練參數設置為：目標誤差為0.01，移動步長????????????????????????????????????????????????為0.01。

由于采用了上述技術方案，本發明與現有技術相比具有如下有益效果：

將采集的數據通過粗糙集約簡后，可以去除原始數據中的噪聲以及次要屬性的干擾，從而獲得對于浸潤線高度影響較大的屬性，將這些屬性作為多層前向神經網絡的輸入值，其預測得到的浸潤線的準確率較高。

附圖說明

圖1是本發明的方法流程圖。

具體實施方式

以下結合具體實施例，對本發明作進一步詳述：

實施例1

（1）每隔3天采集某火力發電廠貯灰壩主壩的壩頂高程，灘頂高程，灘前100m高程，干灘長度，庫水位，浸潤線高度，共采集數據100組；

（2）選取壩頂高程，灘頂高程，灘前100m高程，干灘長度，庫水位為條件屬性，浸潤線高度為決策屬性，將采集到的100組數據輸入到計算機中，建立屬性決策表，見表1：

表1

然后采用粗糙集約簡算法對表1按照以下步驟進行約簡：

①?求出決策表中的重復對象，并且將重復對象從決策表中去除；

②?求出約簡集；

③?計算約簡集的核；

④?確定最佳約簡集，獲得關鍵屬性；

經過約簡，得到影響此壩浸潤線高度的關鍵屬性為灘頂高程以及庫水位；

（3）根據表1中灘頂高程以及庫水位的值來訓練多層前向神經網絡，訓練參數設置為：目標誤差為0.01，移動步長為0.01；

（4）另外采集20組數據，包括灘頂高程、庫水位和浸潤線高度，其中，浸潤線高度用來驗證預測的準確度，將這20組數據的灘頂高程和庫水位的值輸入訓練好的多層前向神經網絡，這20組數據的灘頂高程和庫水位的數據值見表2：

表2