[發明專利]基于小波神經網絡的氣體濃度預警方法及裝置

在審

• 申請號: 202210487016.4
• 申請日: 2022-05-06
• 公開（公告）號: CN114792165A
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 陳金鑫;胡勇勝;周樂;王哲亮;肖啟志;徐躍云;鄧盛名;王翔;石元;余斌;李曉龍;周沖;李華喜;羅紅祥;丁旭;康志遠;馬騰飛;黃孔;譚曜堃
• 申請（專利權）人: 湖南五凌電力科技有限公司;五凌電力有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q50/26;G06N3/04;G06N3/08
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

本發明提供一種基于小波神經網絡的氣體濃度預警方法及裝置，包括：獲取水電站洞室區域影響氣體濃度的關聯參數集合，所述關聯參數集合至少包括生產關聯參數、環境關聯參數以及自然關聯參數；對所述生產關聯參數和所述自然關聯參數分別進行預處理；將預處理后的所述關聯參數集合作為輸入，應用基于小波神經網絡的氣體濃度預警模型進行氣體濃度預測，輸出預測的各待預測氣體的預測濃度。本發明能夠考慮生產因素、環境因素以及自然因素等多維氣體濃度關聯因素，能夠提高預測精度，增強預測氣體濃度預測可靠性，有利于提高安全生產。

技術領域

本發明屬于安全生產技術領域，具體涉及到一種基于小波神經網絡的氣體濃度預警方法及裝置。

背景技術

水電廠生產區普遍存在洞室區域，定期對洞室進行有害氣體含量檢測，是保證洞室空間作業、人員出入安全的重要手段之一。當前氣體監測預警方法多以人工手持儀器定期測量與部署傳感裝置在線監測為主，對氣體含量影響因素的挖掘不夠深入，對氣體發展趨勢的預測預警研究還較為少見。

發明內容

本發明提供一種基于小波神經網絡的氣體濃度預警方法及裝置，以解決現有的氣體濃度預測精度不夠高的問題。

基于上述目的，本發明實施例提供了一種基于小波神經網絡的氣體濃度預警方法，包括：獲取水電站洞室區域影響氣體濃度的關聯參數集合，所述關聯參數集合至少包括生產關聯參數、環境關聯參數以及自然關聯參數；對所述生產關聯參數和所述自然關聯參數分別進行預處理；將預處理后的所述關聯參數集合作為輸入，應用基于小波神經網絡的氣體濃度預警模型進行氣體濃度預測，輸出預測的各待預測氣體的預測濃度。

可選的，所述生產關聯參數包括：機組容量、機組啟停狀態、機組運行狀態；所述環境關聯參數包括：各待預測氣體的當前濃度、溫度、濕度；所述自然關聯參數包括天氣狀況、風速、降雨量。

可選的，所述對所述生產關聯參數和所述自然關聯參數分別進行預處理，包括：對所述機組容量進行歸一化的預處理，控制歸一化后的所述機組容量的取值在0與1之間；將所述機組啟停狀態、所述機組運行狀態以及所述天氣狀況的不同情況對應不同的參考取值。

可選的，所述基于小波神經網絡的氣體濃度預警模型包括：輸入層、3個隱含層和輸出層；所述將預處理后的所述關聯參數集合作為輸入，應用基于小波神經網絡的氣體濃度預警模型進行氣體濃度預測，輸出預測的各待預測氣體的濃度，包括：通過所述輸入層接收預處理后的所述關聯參數集合；通過3個所述隱含層依次對所述關聯參數集合進行處理；通過所述輸出層對經3個所述隱含層處理后的輸出進行處理并輸出各所述待預測氣體的所述預測濃度。

可選的，任一所述隱含層應用的隱含層函數如下：

其中，i、j為正整數，N為所述隱含層的輸入的個數，h(j)為任一隱含層的第j個節點輸出，Wij為所述隱含層的第i個輸入與第j個輸出之間的權值，x_i為所述隱含層的第i個輸入，h為小波基函數，a_j為小波基函數伸縮因子，b_j為小波基函數平移因子；

令小波基函數h(t)滿足以下關系式：

可選的，所述輸出層函數為：

其中，l、m為正整數，L為所述輸出層的輸入的個數，Y_m是所述輸出層的第m個輸出，w_lm為所述輸出層的第l個輸入與第m個輸出之間的權值，h(l)為隱含層函數，y(x)為激勵函數，

x為自變量，a為常數。