[發(fā)明專利]一種分布式瓦斯?jié)舛阮A(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810830683.1
• 申請(qǐng)日: 2018-07-26
• 公開(kāi)（公告）號(hào): CN108921359B
• 公開(kāi)（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 張以文;郭海帥;余國(guó)鋒;涂輝;袁亮
• 申請(qǐng)（專利權(quán)）人: 安徽大學(xué);平安煤礦瓦斯治理國(guó)家工程研究中心有限責(zé)任公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06N3/02
• 代理公司: 合肥市浩智運(yùn)專利代理事務(wù)所(普通合伙) 34124
• 代理人: 丁瑞瑞

1.一種分布式瓦斯?jié)舛阮A(yù)測(cè)方法，其特征在于，所述方法包括：

A：利用瓦斯?jié)舛葰v史監(jiān)測(cè)數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；包括：

A1：將神經(jīng)網(wǎng)絡(luò)的輸入層以及隱含層的各個(gè)節(jié)點(diǎn)的權(quán)重設(shè)置為隨機(jī)值，得到至少第一預(yù)設(shè)數(shù)量個(gè)初始神經(jīng)網(wǎng)絡(luò)模型；

A2：針對(duì)每一個(gè)初始神經(jīng)網(wǎng)絡(luò)模型，利用遺傳算法對(duì)所述初始神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

A3：利用測(cè)試樣本，從訓(xùn)練好的初始神經(jīng)網(wǎng)絡(luò)中選出預(yù)測(cè)精度最高的第二預(yù)設(shè)數(shù)量個(gè)初始神經(jīng)網(wǎng)絡(luò)模型；

A4：根據(jù)所述第二預(yù)設(shè)數(shù)量個(gè)初始神經(jīng)網(wǎng)絡(luò)模型，利用權(quán)重的交叉變異方法，獲取第三預(yù)設(shè)數(shù)量個(gè)變異后的神經(jīng)網(wǎng)絡(luò)模型，將所述第二預(yù)設(shè)數(shù)量個(gè)初始神經(jīng)網(wǎng)絡(luò)模型和所述第三預(yù)設(shè)數(shù)量個(gè)變異后的神經(jīng)網(wǎng)絡(luò)模型的集合作為中間神經(jīng)網(wǎng)絡(luò)模型，且所述第二預(yù)設(shè)數(shù)量與所述第三預(yù)設(shè)數(shù)量的和等于所述第一預(yù)設(shè)數(shù)量；

A5：將所述第一預(yù)設(shè)數(shù)量個(gè)中間神經(jīng)網(wǎng)絡(luò)模型作為初始神經(jīng)網(wǎng)絡(luò)，并返回執(zhí)行所述A2步驟，直至迭代次數(shù)達(dá)到預(yù)設(shè)迭代次數(shù)，將所述中間神經(jīng)網(wǎng)絡(luò)模型中精度最高的第四數(shù)量個(gè)中間神經(jīng)網(wǎng)絡(luò)模型作為目標(biāo)神經(jīng)網(wǎng)絡(luò)模型；

B：利用所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行瓦斯?jié)舛鹊念A(yù)測(cè)，得到預(yù)測(cè)結(jié)果；

C：判斷所述預(yù)測(cè)結(jié)果與實(shí)際監(jiān)測(cè)結(jié)果的偏差是否小于第一預(yù)設(shè)閾值；

D：若是，根據(jù)當(dāng)前時(shí)刻之前的預(yù)設(shè)時(shí)間段內(nèi)的瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)對(duì)所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行二次訓(xùn)練；然后返回執(zhí)行所述B步驟。

2.根據(jù)權(quán)利要求1所述的一種分布式瓦斯?jié)舛阮A(yù)測(cè)方法，其特征在于，所述B步驟，包括：

獲取傳感器測(cè)量的目標(biāo)數(shù)據(jù)集，并對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)預(yù)處理后的目標(biāo)數(shù)據(jù)利用所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行瓦斯?jié)舛鹊念A(yù)測(cè)，得到預(yù)測(cè)結(jié)果。

3.根據(jù)權(quán)利要求2所述的一種分布式瓦斯?jié)舛阮A(yù)測(cè)方法，其特征在于，所述對(duì)所述目標(biāo)數(shù)據(jù)進(jìn)行預(yù)處理，包括：

針對(duì)所述目標(biāo)數(shù)據(jù)集中的每一個(gè)目標(biāo)數(shù)據(jù)，如果目標(biāo)數(shù)據(jù)的值為零，則將該目標(biāo)數(shù)據(jù)更新為上一預(yù)測(cè)周期中與所述目標(biāo)數(shù)據(jù)對(duì)應(yīng)的時(shí)刻相同時(shí)刻所對(duì)應(yīng)的數(shù)據(jù)，其中，所述上一預(yù)測(cè)周期為，當(dāng)前預(yù)測(cè)周期的上一預(yù)測(cè)周期，且所述目標(biāo)數(shù)據(jù)為當(dāng)前預(yù)測(cè)周期中各個(gè)傳感器測(cè)量的數(shù)據(jù)；

如果目標(biāo)數(shù)據(jù)的值大于第二預(yù)設(shè)閾值，則判斷所述目標(biāo)數(shù)據(jù)對(duì)應(yīng)的傳感器所測(cè)量的所述目標(biāo)數(shù)據(jù)之后的其他目標(biāo)數(shù)據(jù)是否大于第二預(yù)設(shè)閾值；若否，根據(jù)所述其他目標(biāo)數(shù)據(jù)采用移動(dòng)平均線法計(jì)算所述目標(biāo)數(shù)據(jù)的更新值，并將所述目標(biāo)數(shù)據(jù)的值更新為所述更新值；

利用小波消噪法對(duì)所述目標(biāo)數(shù)據(jù)集中的目標(biāo)數(shù)據(jù)進(jìn)行消噪處理。

4.根據(jù)權(quán)利要求3所述的一種分布式瓦斯?jié)舛阮A(yù)測(cè)方法，其特征在于，所述根據(jù)當(dāng)前時(shí)刻之前的預(yù)設(shè)時(shí)間段內(nèi)的瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)對(duì)所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行二次訓(xùn)練，包括：

判斷所述瓦斯?jié)舛葰v史監(jiān)測(cè)數(shù)據(jù)是否被改變，其中，所述改變包括：目標(biāo)數(shù)據(jù)更新為上一預(yù)測(cè)周期中與所述目標(biāo)數(shù)據(jù)對(duì)應(yīng)的時(shí)刻相同時(shí)刻所對(duì)應(yīng)的數(shù)據(jù)和/或，根據(jù)所述其他目標(biāo)數(shù)據(jù)采用移動(dòng)平均線法計(jì)算所述目標(biāo)數(shù)據(jù)的更新值，并將所述目標(biāo)數(shù)據(jù)的值更新為所述更新值；

若是，根據(jù)當(dāng)前時(shí)刻之前的預(yù)設(shè)時(shí)間段內(nèi)的瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)對(duì)所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行二次訓(xùn)練；

若否；將所述瓦斯?jié)舛葰v史監(jiān)測(cè)數(shù)據(jù)與所述當(dāng)前時(shí)刻之前的預(yù)設(shè)時(shí)間段內(nèi)的瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)的集合作為當(dāng)前時(shí)刻之前的預(yù)設(shè)時(shí)間段內(nèi)的瓦斯?jié)舛缺O(jiān)測(cè)數(shù)據(jù)，并對(duì)所述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行二次訓(xùn)練。

5.根據(jù)權(quán)利要求1所述的一種分布式瓦斯?jié)舛阮A(yù)測(cè)方法，其特征在于，所述步驟C，包括：

根據(jù)預(yù)設(shè)周期，周期性的判斷所述預(yù)測(cè)結(jié)果與實(shí)際監(jiān)測(cè)結(jié)果的偏差是否小于第一預(yù)設(shè)閾值。