[發明專利]一種基于自組織競爭神經網絡的堤壩滲漏檢測方法

在審

• 申請號: 202310211716.5
• 申請日: 2023-03-07
• 公開（公告）號: CN116559042A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 甘飛飛
• 申請（專利權）人: 中國電建集團貴陽勘測設計研究院有限公司
• 主分類號: G01N15/08
• 分類號: G01N15/08;G16C20/70;G16C20/80;G06N3/088;G06F18/23213;G06F18/24
• 代理公司: 貴州聯德佳為知識產權代理事務所(普通合伙) 52123
• 代理人: 石誠

1.一種基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，包括以下步驟：

S110、采集樣本，具體為采集水庫水、出露水、觀測井地下水、局部降水和地下水的水體樣品的水化學數據，結合季節和區域屬性對水體樣品進行命名與排列，并選擇確定的水庫水、局部降降水和地下水樣品為水化學樣本，再為水體樣品數據制作標簽；

S120、處理樣本，對已獲得的水體樣本數據進行歸一化處理，若水體樣本數據存在異常值或缺失值，則繼續進行預處理，包括剔除異常值、利用插值彌補缺失值；

S130、構建SOM自組織神經網絡對水化學樣本進行訓練，具體為基于水化學樣本元素數據，構建SOM自組織神經網絡并對水化學樣本進行訓練，以不同水樣的分析值為特征值，得到水體水化學可視化拓撲圖；

S140、識別堤壩滲漏位置，在SOM神經元上結合Davies?Bouldin指數和K-means算法對水體樣本進行分類，揭示最佳聚類數，識別堤壩滲漏的位置；

S150、可視化分析，根據聚類結果融合正交矩陣因子分解法(PMF)，并結合相關性分析，將水體水化學數據在不同季節與空間進行可視化處理，對水體水化學數據差異進行定性與定量分析。

2.根據權利要求1所述的基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，對所述水體樣品數據制作標簽包括：數字代表區域位置，月份英文縮寫代表季節，SGW代表庫水，DGW代表地下水，共同對水體樣品數據進行簡單命名。

3.根據權利要求1所述的基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，所述對樣本數據進行歸一化處理如下式：

其中，為某元素歸一化樣本數據。x_i為某元素第i個數據。

4.根據權利要求1所述的基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，所述構建SOM自組織神經網絡對水化學樣本進行訓練包括，將預處理后的數據輸入Matlab軟件中SOM自組織神經網絡工具箱，設置神經元的最佳數量為m,則如下：

其中，n為樣本的數量；初始化隨機值較小的權值空間，同時設置映射大小、起始贏家的神經元和初始學習速率。

5.根據權利要求4所述的基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，在所述SOM自組織神經網絡中找出權重向量與輸入向量最相似的最佳匹配單元BMU，更新最佳匹配單元BMU及其近端神經元的權重向量，在訓練過程中權值向量接近最接近的樣本值。

6.根據權利要求5所述的基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，所述迭代搜索過程并收斂于最優自組織映射。如果預先確定的迭代次數達到或學習速率趨于0，則此過程結束，否則返回到所述SOM自組織神經網絡中重新匹配。

7.根據權利要求1所述的基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，所述揭示最佳聚類數包括：使用Davies-Bouldin指數和K-means算法確定最佳聚類數：

其中，N為集群數，σ_i、σ_j分別為第i、j聚類中所有圖案到質心c_j和c_j的平均距離。d(c_j,c_ｊ)是c_j和c_j之間的距離。

8.根據權利要求7所述的基于自組織競爭神經網絡的堤壩滲漏檢測方法，其特征在于，所述水體水化學差異的定性與定量分析包括，利用水體樣品水化學元素數據運用PMF算法，將水化學X_ij的樣品含量矩陣分解為因子貢獻矩陣g_ik，因子分布矩陣f_kj和殘差矩陣e_ij，表達式如下：

式中，X_ij為樣品濃度矩陣X，即第i個樣品中第j個化學元素的濃度，p為污染源數，g_ik是第k個化學元素對第i個樣品的貢獻，f_kj是第k個化學元素中第j個物種的濃度。