[發明專利]基于代價敏感LSTM循環神經網絡的穩壓器水位預測方法

有效

• 申請號: 201910496634.3
• 申請日: 2019-06-10
• 公開（公告）號: CN110119854B
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 張錦;潘志松;王曉龍;趙誠;沈軍
• 申請（專利權）人: 中國人民解放軍陸軍軍事交通學院鎮江校區
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/30;G06F30/20;G06F30/15;G06N3/08
• 代理公司: 南京中高專利代理有限公司 32333
• 代理人: 徐莉娜

1.一種基于代價敏感LSTM循環神經網絡的穩壓器水位預測方法，其特征在于，包括如下步驟：

S1，選取與穩壓器水位耦合度較高的p個參數x_t∈R^p作為輸入參數，所述輸入參數為穩壓器水位耦合度較高的6項參數，包括反應堆進、出口平均溫度、穩壓器壓力與溫度、一回路主泵流量、核功率；

S2，構建基于LSTM穩壓器水位預測模型及其框架；

所述步驟S2包括：S21，應用RNN模型計算出隱藏層序列和輸出序列；

S22,將隱藏層的RNN細胞替換為LSTM細胞，使其具有長期記憶能力，構建LSTM模型；

計算方法如下：

i_t＝σ(W_xi⊙x_t+W_hi⊙h_t-1+W_ci⊙c_t-1+b_i) (4)

f_t＝σ(W_xf⊙x_t+W_hf⊙h_t-1+W_cf⊙c_t-1+b_f) (5)

c_t＝f_t⊙c_t-1+i_t⊙tanh(W_xc⊙x_t+W_hc⊙h_t-1+b_c) (6)

o_t＝σ(W_xo⊙x_t+W_ho⊙h_t-1+W_co⊙c_t+b_o) (7)

h_t＝o_t⊙tanh(c_t) (8)

其中，i、f、c、o分別代表輸入門、遺忘門、細胞狀態、輸出門，W和b分別代表對應的權重和偏置值，σ和tanh分別為sigmoid和雙曲正切激活函數，LSTM網絡中的權值W和偏置值b為決策變量，包括W_xi、W_hi、W_ci、W_xf、W_hf、W_cf、W_xc、W_hc、W_xo、W_ho、W_co、b_i、b_f、b_c、b_o；選取與穩壓器水位耦合度較高的p個參數x_t∈R^p作為輸入參數，選擇預測值與真實值的MAE為損失函數LOSS，

引入代價敏感權重進行改進，改進后的模型損失函數如下：

其中，y_t和分別為穩壓器水位在t時刻的真實值和預測值，r_t為t時刻樣本權重，m為訓練集樣本總數，訓練集樣本按時序排列；

將r_t設計成隨時間t單調遞增的特性，r_t應當具備以下性質：波動敏感性，與a_t正相關，a_t表征t時刻的相對大??；時序敏感性，隨時間t單調遞增，r_t＜r_t+1,t＝1,2,…,m-1；恒正性，r_t＞0,t＝1,2,…,m；收斂性，t＝1,2,…,m；將r_t構造成如下形式：

S3，采用BPTT算法對步驟S2中構建的水位預測模型進行訓練和優化。