[發明專利]基于DPSO-ANFIS的棄渣壩變形預測方法

在審

• 申請號: 202110485694.2
• 申請日: 2021-04-30
• 公開（公告）號: CN113139692A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 李作舟;薛方方;劉楊;鄭成成;楊杰;馬春輝;冉蠡;秦鴻哲;趙強;姜澤明;胡廣柱
• 申請（專利權）人: 陜西鎮安抽水蓄能有限公司;西安理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/00;G06N3/04
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 涂秀清

1.基于DPSO-ANFIS的棄渣壩變形預測方法，其特征在于，具體包括以下步驟：

步驟1、監測棄渣壩原始數據，對原始數據進行預處理；

步驟2、搭建自適應模糊神經網絡系統，對系統中的網絡參數進行賦值；

步驟3、對步驟2中自適應模糊神經網絡的參數進行尋優；

步驟4、將步驟1預處理后的棄渣壩數據代入自適應模糊神經網絡中進行訓練和預測，此時，自適應模糊神經網絡中參數經過步驟3得到最優，計算預測精度值，對比不同位置測點的預測效果。

2.根據權利要求1所述的基于DPSO-ANFIS的棄渣壩變形預測方法，其特征在于，所述步驟2具體為：

步驟2.1、首先搭建自適應模糊神經網絡，然后將步驟1預處理后的棄渣壩數據作為數據樣本輸入到自適應模糊神經網絡的第一層輸入層，進行模糊化處理，輸出對應的隸屬度；

式中，為對應節點的隸屬度；

其中，μA_i(x),μB_j(y)分別為輸入變量對應的隸屬度函數；i、j分別為自適應模糊神經網絡中有結點函數的自適應結點，選取鐘型隸屬度函數，將公式(3)和(4)代入分別公式(1)和(2)得到隸屬度

步驟2.2、通過步驟2.1得到的隸屬度，計算出每條規則的適應度，把第一層得到的隸屬度作為第二層模糊規則層的輸入信號，然后將輸入信號進行累乘得到第二層的輸出結果即適應度值；

式中，為對應規則的適應度值，ω_i為第i條規則的激勵強度；

步驟2.3、選擇ANFIS初始參數，通過聚類方法對自適應模糊神經網絡的參數進行賦值。

3.根據權利要求2所述的基于DPSO-ANFIS的棄渣壩變形預測方法，其特征在于，所述步驟3具體步驟，通過提取步驟2中自適應模糊神經網絡中第二層模糊規則層的適應度值，作為粒子群初始化待優化參數，求解空間初始化標準粒子群，采用動態權重粒子群算法，將動態更新慣性權重及算法迭代尋優，生成最優的模糊規則層適應度值。