[發(fā)明專利]一種粉煤灰膏體管道輸送水力坡度模型的建立方法

在審

• 申請?zhí)枺?/td>: 201711239624.9
• 申請日: 2017-11-30
• 公開（公告）號: CN107944163A
• 公開（公告）日: 2018-04-20
• 發(fā)明（設(shè)計）人: 何榮軍;張麗;駱大勇;秦江濤;龐成;黃文祥;喻曉峰;李星亮
• 申請（專利權(quán)）人: 重慶工程職業(yè)技術(shù)學(xué)院
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q10/04;G06Q50/02;G06N3/08
• 代理公司: 北京華智則銘知識產(chǎn)權(quán)代理有限公司11573
• 代理人: 陳向敏

1.一種粉煤灰膏體管道輸送水力坡度模型的建立方法，其特征在于，包括以下步驟：

(1)確定目標(biāo)函數(shù)，所述目標(biāo)函數(shù)采用最小二乘目標(biāo)函數(shù)，如下式表示：

f(X)=Σi=1r(Uis-Uiq)2]]>

式中：r為試驗組數(shù)；為第i組試驗的實際輸出；為第i組試驗的期望輸出；

(2)管道輸送試驗所得數(shù)據(jù)作為樣本集，并對樣本集數(shù)據(jù)進行歸一化處理；

(3)進行BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，同時采用MMAS優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值和結(jié)構(gòu)，建立管道輸送水力坡度的影響因素與水力坡度的非線性映照，獲得粉煤灰膏體輸送的水力坡度預(yù)測模型；

其中，所述水力坡度的影響因素包括濃度、流速和管徑；

所述粉煤灰膏體輸送的水力坡度預(yù)測模型中，第一層為輸入層，3個神經(jīng)元，分別為濃度、流速和管徑，第二層為隱層，第三層為輸出層，1個神經(jīng)元，為輸送水力坡度。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述粉煤灰膏體輸送的水力坡度預(yù)測模型是基于MMAS的BP神經(jīng)網(wǎng)絡(luò)的建模，先將試驗數(shù)據(jù)模糊化，再作為BP神經(jīng)網(wǎng)絡(luò)的輸入和輸出，同時利用MMAS配合BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，得到參數(shù)與有關(guān)指標(biāo)之間的非線性映照模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，基于MMAS的BP神經(jīng)網(wǎng)絡(luò)其訓(xùn)練過程如下：

第一，初始化，基本參數(shù)包括最大信息素a_max、最小信息素a_min、隨機的個體數(shù)量M、隱層數(shù)量W、每隱層節(jié)點最大值W_i、最大循環(huán)次數(shù)D_cmax和螞蟻數(shù)量s；

第二，螞蟻并行從第一個節(jié)點開始，逐一的順序處理，直至最后節(jié)點；對于第n只螞蟻情況，具體操作為首先分析節(jié)點，判斷節(jié)點的基本情況，然后根據(jù)元素選擇規(guī)則計算概率，按照輪盤轉(zhuǎn)動的方式，分別在前一個節(jié)點對應(yīng)的權(quán)值和閾值集合中選擇一個元素，元素選擇規(guī)則按下述公式(1)進行：

Pjn(Ob)=aj(Ob)/Σl=1Mai(Ob)---(1)]]>

式中O_b——權(quán)值和閾值集合；j——元素；a_i(O_b)——集合O_b中的信息素a_i；

第三，在每次迭代中，建立整個蟻群解對應(yīng)的神經(jīng)網(wǎng)絡(luò)，輸入樣本，計算神經(jīng)網(wǎng)絡(luò)的均方誤差MSE，記載螞蟻所尋最優(yōu)路徑均方誤差MSE_best1，用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，再記載訓(xùn)練后的均方誤差MSE_train，具體表示如下述公式(2)：

MSE_best＝min{MSE_best1,MSE_train}(2)

第四，更新元素和信息素，對于每一個節(jié)點，更新的方式按公式(3)和公式(4)進行：

式中ρ——信息素?fù)]發(fā)因子；

Δa＝1/MSE_best(4)

第五，重復(fù)第二至第四步，直至D_c≥D_cmax時，循環(huán)中止；

第六，MMAS找到的最優(yōu)路徑解建立BP神經(jīng)網(wǎng)絡(luò)，進行學(xué)習(xí)訓(xùn)練，對神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值和結(jié)構(gòu)進行微調(diào)。