[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

本發明公開了基于DPSO?ANFIS的棄渣壩變形預測方法，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。本發明的預測方法具有較高的精確度、良好的泛化性與可靠的穩定性，工程實用綜合性能較優。

技術領域

本發明屬于棄渣壩變形預測技術領域，具體涉及基于DPSO-ANFIS的棄渣壩變形預測方法。

背景技術

隨著社會經濟發展，現代水利工程技術不斷革新，修建水庫大壩成為當前水利工程內容的主體。利用大壩實際監測數據建立變形預測模型是對大壩進行有效安全監控的手段，對監控大壩安全運行具有重要意義。針對具有復雜非線性特征的大壩變形監測數據，自適應模糊神經網絡系統(Adaptive Network-basedFuzzy Inference System，ANFIS)具有結構和參數辨識的特點，自適應生成模糊規則，優化隸屬和輸出函數。依據輸入影響因素，可自動設計系統參數，實現模糊系統自學習，對非線性系統有較好的適用性，在大壩安全監控方面有良好應用前景。目前自適應模糊神經網絡在大壩變形預測領域應用較多，但是仍存在著自適應模糊神經網絡適應度參數尋優困難、大壩變形預測方法預測精度較低、泛化性能差的問題。

發明內容

本發明的目的是提供基于DPSO-ANFIS的棄渣壩變形預測方法，解決了現有棄渣壩變形預測方法在精確度低、泛化性能差的問題。

本發明所采用的技術方案是，基于DPSO-ANFIS的棄渣壩變形預測方法，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。

本發明的特點還在于，

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，O_i²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。