[發明專利]一種用于冷源致災物災害預測的深度學習改進算法

在審

• 申請號: 202011238338.2
• 申請日: 2020-11-09
• 公開（公告）號: CN112308214A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 趙龍;陳偉民;朱上;賴世富;鐘錚;楊子謙;柴雨森;高峣峰;鄭文龍;高衛東;杜紅彪;魏華;許磊;張高明;林莉
• 申請（專利權）人: 海南核電有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06Q10/04;G06Q50/06
• 代理公司: 北京金蓄專利代理有限公司 11544
• 代理人: 洪濤

本發明公開了一種用于冷源致災物災害預測的深度學習改進算法，該算法包括：對影響冷源致災物災害關聯因素進行統計分類，運用數據歸一化函數將多源異構數據進行歸一化處理，獲得分組樣本數據；建立深度信念網絡，采用基于動量學習率深度信念網絡改進算法，結合多組樣本數據進行模型參數的反復迭代訓練，得到深度信念網絡輸入輸出之間確定的映射關系；預估冷源致災物災害等級。本發明通過采用深度學習的改進算法，有效提高了網絡學習效率，同時降低了預測的誤差收斂率，很好地解決了非線性、時變性和不確定性并存的海洋致災物災害預測問題。

技術領域

本發明屬于海洋災害預警技術領域，具體涉及一種用于冷源致災物災害預測的深度學習改進算法。

背景技術

近年來，隨著海洋環境變化，大量垃圾、水母、魚類、海藻、海草等隨潮汐、風浪至濱海核電廠冷源取水口，嚴重時將導致核電廠機組降功率運行甚至停堆。為減小海洋異物對濱海核電廠的安全運行造成的威脅，濱海核電廠取水口周邊海域災害預測已成為核電廠冷源安全亟待解決的問題。

發明內容

本發明的目的在于提供一種用于冷源致災物災害預測的深度學習改進算法，根據多源采集數據可以準確地預測出潛在影響濱海核電廠致災海災害等級，更好地滿足了濱海核電廠取水口潛在風險的早期預測。

本發明的技術方案是這樣實現的：

一種用于冷源致災物災害預測的深度學習改進算法，包括以下步驟：

1）收集已發生冷源致災物災害歷史樣本數據，歷史樣本數據包括發生致災物災害的具體時間，以及每次發生災害時一段時間內對應的多源異構關聯因子數據，對樣本數據進行歸類匯總；

2）運用數據歸一化函數將多源異構數據進行歸一化處理，將不同格式、不同量綱的樣本數據通過歸一化函數映射到[-1 1]之間的能被計算機處理的數據，進一步獲得分組樣本數據；

3）構建深度信念網絡，采用基于動量學習率深度信念網絡改進算法，結合多組樣本數據進行模型參數的反復迭代訓練，得到深度信念網絡輸入輸出之間確定的映射關系；

4）通過將待預測區域某段時期的多源異構關聯因子數據代入確定的網絡模型，獲得災害顯著水平值V，根據不同V值所在區間進行對應的預警等級劃分。

進一步的技術方案是，所述樣本數據主要包括致災物災害關聯因素（季節、溫度、風速、風向、波高、洋流、臺風到達時間）。

進一步的技術方案是，所述數據歸一化處理函數為：

其中，x_g是歸一化后的數據，x為原始數據，x_max，x_min為同一種樣本數據中的最大值和最小值。

進一步的技術方案是，所述深度信念網絡包括以下步驟：

1）根據節點選取經驗公式來確定隱含層神經元的個數，隱含節點數估計公式為：

其中，num為隱含層神經元個數，k為樣本輸入特征維數，l為樣本輸出特征維數，c是在[0，10]區間的整數；

2）在步驟1）的基礎上，采用顯示層和隱含層均服從伯努利分布的RBM能量函數為：