[發(fā)明專利]基于FOA-GRNN的水電站廠壩結(jié)構(gòu)振動(dòng)響應(yīng)預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410165840.3
• 申請(qǐng)日: 2014-04-23
• 公開(kāi)（公告）號(hào): CN103942625A
• 公開(kāi)（公告）日: 2014-07-23
• 發(fā)明（設(shè)計(jì)）人: 徐國(guó)賓;韓文文;張軍
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李麗萍

1.一種基于FOA-GRNN的水電站廠壩結(jié)構(gòu)振動(dòng)響應(yīng)預(yù)測(cè)方法，其特征在于，該方法包括以下步驟：

步驟1、參數(shù)設(shè)置：隨機(jī)產(chǎn)生各粒子的初始位置與初始速度，限定任意時(shí)刻粒子的速度和位置的取值范圍，設(shè)定迭代終止條件，設(shè)置學(xué)習(xí)因子、慣性權(quán)重、粒子總個(gè)數(shù)；

步驟2、樣本選擇：以水電站廠壩結(jié)構(gòu)實(shí)測(cè)數(shù)據(jù)為依托，選擇其中易測(cè)試部位或已知工況機(jī)組振動(dòng)響應(yīng)作為輸入數(shù)據(jù)，將其中難測(cè)試部位或未知工況廠房結(jié)構(gòu)振動(dòng)響應(yīng)作為輸出結(jié)果；把所有的樣本數(shù)據(jù)進(jìn)行歸一化處理后隨機(jī)分為測(cè)試組數(shù)據(jù)和訓(xùn)練組數(shù)據(jù)；

步驟3、選取訓(xùn)練組數(shù)據(jù)，以廣義回歸神經(jīng)網(wǎng)絡(luò)的平滑參數(shù)作為待優(yōu)化參數(shù)，并以預(yù)測(cè)誤差的均方值作為適應(yīng)度值，確定評(píng)價(jià)此優(yōu)化參數(shù)的適應(yīng)度函數(shù)值；

步驟4、運(yùn)用果蠅算法優(yōu)化步驟3中需要優(yōu)化的參數(shù)，包括：

步驟a、隨機(jī)設(shè)置果蠅個(gè)體飛行方向與距離；

步驟b、求出果蠅個(gè)體與原點(diǎn)間距離D_i²＝X_i²+Y_i²和味道濃度判定值S＝1/D_i；

步驟c、廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的均方根誤差作為味道濃度函數(shù)，即適應(yīng)度函數(shù)，將步驟b得出的味道濃度判定值S代入適應(yīng)度函數(shù)，以求出該果蠅個(gè)體位置的味道濃度值；

步驟d、根據(jù)步驟b得出的味道濃度值尋找極值：比較果蠅每代的味道濃度值，迭代保留最佳值位置與味道濃度，并且記錄每代最優(yōu)值；

步驟e、果蠅迭代尋優(yōu)并判斷味道濃度是否優(yōu)于前一迭代味道濃度；

步驟f、判斷是否達(dá)到迭代終止條件，即是否達(dá)到最大迭代步數(shù)或滿足收斂精度要求，若是，選擇最優(yōu)的果蠅，得出最優(yōu)平滑參數(shù)，構(gòu)建最優(yōu)的廣義回歸神經(jīng)網(wǎng)絡(luò)模型，順序執(zhí)行步驟5；否則返回步驟a；

步驟5、利用步驟4得到的模型對(duì)水電站廠壩結(jié)構(gòu)振動(dòng)響應(yīng)進(jìn)行預(yù)測(cè)，即運(yùn)用未參加模型訓(xùn)練的數(shù)據(jù)對(duì)步驟4建立好的模型進(jìn)行測(cè)試，測(cè)試輸出的結(jié)果便是水電站廠壩結(jié)構(gòu)難測(cè)試部位或未知工況廠房結(jié)構(gòu)的振動(dòng)響應(yīng)。