本发明专利技术公开了一种基于危化品事故扩散模型的短期风速计算方法，利用人工蜂群(ABC)算法结合BP神经网络，采用人工蜂群算法优化BP神经网络中的权值和阈值，可以准确地进行风速预测，能够迅速高效地对化工园区的危化品泄漏事故的影响程度、影响范围进行精确估计；该方法与PSO‑BP神经网络以及GA‑BP神经网络相比，可以显著地提高预测精度，实现高效预测，降低经济成本；提高了对短期风速的预测精度，误差率仅为1.82％；可以对现场事故的进行有效处理，迅速展开应急救援和高效的人群疏散，降低事故中人员伤亡以及经济损失。
【技术实现步骤摘要】
本专利技术涉及应急通信
，特别是涉及一种基于危化品事故扩散模型的短期风速计算方法。
技术介绍
随着工业技术的迅速发展，危化品(危险化学品)的使用不断增多，而危化品的生产、运输、存储和使用中的各个环节中，极易发生危害气体的泄漏事故。有些危化品气体极具毒性和扩散性，一旦此类事故发生，将对周围区域的生态环境、人身安全等造成严重的影响，产生重大的经济损失，不利于生态环境和生命安全的保护，以及工业顺利生产的连续性。在有毒危化品气体的泄露现场，基于高精度估计的短期风速来控制气体扩散可以对现场事故进行有效处理、应急救援和高效的人群疏散，降低事故中人员伤亡以及经济损失具有重要的意义。风速是决定气体泄漏趋势的主要因素之一，也会影响传感器对气体泄漏的有效性监测。短期风速预测对化工园区的危化品泄漏事故的影响程度、影响范围的精确估计起到了关键作用。短期风速具有很大的波动性和间歇性，风速的变化将直接影响危险气体的扩散速度和扩散范围，同时对气体泄漏事故的有效监测具有重要影响，是主要的现场敏感参数。因此，对短期风速预测对直接影响气体扩散控制的精度，具有重要的研究和应用价值。短期风速预测控制方法按照模型的类别分为：物理式模型、线性统计式的线性模型。物理式模型：该模型中的典型代表是数值天气预报(NumericalWeatherPrediction,NWP)，其结合热力学、流体力学的知识，根据实际的大气状况，用揭示物理学规律公式—流体力学和热力学方程组的数值计算方式获得风速等气象参数数据，求解的流体力学和热力学的方程式较为复杂，同时需要用到多种复杂的观测手段来获取需要的气象资料参与计算，如雷达观测、常规观测以及卫星观测等。线性统计式线性模型：统计式模型以传统的数理统计为理论背景，应用预测对象的历史真实数据资料，结合预测对象自身的规律性原理、连续性原理，如周期性、持续性等特征，通过研究分析做出对未来发展趋势的预测。该类对象的发展往往符合线性规律或是分段线性的规律，这种模型对于规律性、周期性等特性比较明显的对象具有较好的预测效果，而对于规律性呈现的不是很明显、或是波动性较大的时候预测效果则不是很理想，预测方式稍微偏简单、在早期较为实用。随着数理统计知识、技术的发展，统计式模型中技术较多，主要常用的线性预测技术大致有以下几种：持续时间法、回归法、时间序列法、模糊逻辑法、卡尔曼滤波法、灰色预测法等。但是由于短时的风速具有波动性，变化规律难以把握，一般的线性预测手段难以做到精确的逼近。
技术实现思路
本专利技术针对短期风速具有波动性、变化规律难以把握，一般的线性预测手段难以做到精确的逼近的缺陷问题，利用人工蜂群算法结合BP神经网络，采用人工蜂群算法优化BP神经网络中的权值和阈值，提出基于危化品事故扩散模型的短期风速计算方法，通过提高短期风速序列的预测精度，使得在化工园区中发生气体泄漏时能够迅速高效地对化工园区的危化品泄漏事故的影响程度、影响范围进行精确估计。本专利技术所要求解决的技术问题可以通过以下技术方案来实现：一种基于危化品事故扩散模型的短期风速计算方法，包括以下步骤，S1、利用人工蜂群算法优化BP神经网络的权值和阈值；S1.1、初始化人工蜂群(ABC)算法中的食物源，设共有F个食物源，每个食物源代表一个可行解，食物源的参数就是需要优化BP神经网络的权值和阈值，每个食物源的形式为：W111W112…W11n…W1m1W1m2…W1mn、b111b112…b11s…b1n1b1n2…b1ns、W21…W2n、b21b22…b2s，随机初始化每个食物源，其中，W111W112…W11n…W1m1W1m2…W1mn是输入层与隐含层之间的连接权值，W21…W2n是隐含层与输出层之间的连接权值，b21b22…b2s是输出层阈值，b111b112…b11s…b1n1b1n2…b1ns是隐含层阈值；S1.2、将每个食物源代入公式(1)中进行计算，其中，ok是输出节点在训练样本作用下的输出，yk是在训练样本作用下的目标值，n是输出变量的维数，N为训练样本数量；将计算结果代入公式(2)中，计算适应度值，S1.3、根据公式(3)进行交叉变异，Vij＝xij+φij(xij-xkj)公式(3)其中，Vij是交叉变异后的解，xij是第i个食物源的第j个参数，xkj是与i不同邻居食物源的第j个参数，φij是范围为[-1,1]之间的随机数，得到Vij后根据公式(2)计算适应度值，如果适应度值优于之前的适应度值，则参数变为交叉变异后的参数；S1.4、根据公式(4)进行概率计算，计算概率并且与[0,1]范围内的随机数比较，如果概率小于随机数，则根据公式(3)继续进行交叉变异；S1.5、在一定的交叉变异次数内可行解仍然无法收敛，则丢弃该可行解，重新产生一个解，继续进行迭代；S2、采集风速数据，风速样本数据通过移动安全应急平台采集，数据采集时，把移动应急平台停靠采集区域中风向合适的位置，启动平台，通过控制室内的控制按钮升起平台车辆顶部的气象站，保持平稳直立，通过把气象站专用数据传输线的数据针通过串口器，再通过网线链接到PC机上，在PC机上安装串口调试工具，设置好server和client端的ip地址，实现把气象站采集到的风速数据传输、存储到PC上,其中需要的风速数据位于文件当中$WIMDA传输语句当中；S3、利用ABC-BP神经网络进行短期风速预测，BP神经网络获得ABC算法优化后的权值和阈值之后，进行二次优化训练，网络隐含层和输出层神经元节点的转换函数f和g分别使用matlab神经网络工具箱中的函数，为非线性的s型函数tansig函数和线性的purelin函数。进一步地，所述步骤S1中人工蜂群(ABC)算法中食物源为100个，迭代次数为10000次，实验重复30次，优化结果取30次实验的平均值。进一步地，所述步骤S2中移动安全应急平台集成气象数据的检测、采集、存储和分析功能，平台中的气象参数的监测、采集模块是AirmarLB150气象站。进一步地，所述AirmarLB150气象站在风速的监测采集上的风速范围是0-40m/s，风速的分辨率为0.1m/s，供电电压为9-16VDC，供电电流小于150mA。进一步地，所述AirmarLB150气象站把提取到的12803个时刻点的数据按分钟为间隔单位进行合并处理，处理后得到214个综合数据，以此作为短时风速预测的实验样本数据。进一步地，所述步骤S3中误差性能目标goal值为0.005，间隔显示次数为10，初始学习率为0.5，最大训练步数为5000步，训练函数采取基于LM算法的训练函数trainlm，其余参数采用默认值。本专利技术的有益效果：利用人工蜂群算法结合BP神经网络，提出人工蜂群算法优化BP神经网络中的权值和阈值，可以准确地进行风速预测，能够迅速高效地对化工园区的危化品泄漏事故的影响程度、影响范围进行精确估计；该方法与PSO-BP神经网络以及GA-BP神经网络相比，可以显著地提高预测精度，实现高效预测，降低经济成本；提高了对短期风速的预测精度，误差率仅为1.82％；可以对现场事故的进行有效处理，迅速展开应急救援和高效的人群疏散，降低事故中人员伤亡以及经济损失。附图说明下面结合附图和具体实施方式对本专利技术做进一步说明：图1为风本文档来自技高网...
【技术保护点】
一种基于危化品事故扩散模型的短期风速计算方法，其特征在于，包括以下步骤：S1、利用人工蜂群算法优化BP神经网络的权值和阈值；S1.1、初始化人工蜂群(ABC)算法中的食物源，设共有F个食物源，每个食物源代表一个可行解，食物源的参数就是需要优化BP神经网络的权值和阈值，每个食物源的形式为：W111W112…W11n…W1m1W1m2…W1mn、b111b112…b11s…b1n1b1n2…b1ns、W21…W2n、b21b22…b2s，随机初始化每个食物源，其中，W111W112…W11n…W1m1W1m2…W1mn是输入层与隐含层之间的连接权值，W21…W2n是隐含层与输出层之间的连接权值，b21b22…b2s是输出层阈值，b111b112…b11s…b1n1b1n2…b1ns是隐含层阈值；S1.2、将每个食物源代入公式(1)中进行计算，其中，ok是输出节点在训练样本作用下的输出，yk是在训练样本作用下的目标值，n是输出变量的维数，N为训练样本数量；将计算结果代入公式(2)中，计算适应度值，S1.3、根据公式(3)进行交叉变异， Vij＝xij+φij(xij‑xkj) 公式(3)其中，Vij是交叉变异后的解，xij是第i个食物源的第j个参数，xkj是与i不同邻居食物源的第j个参数，φij是范围为[‑1,1]之间的随机数，得到Vij后根据公式(2)计算适应度值，如果适应度值优于之前的适应度值，则参数变为交叉变异后的参数；S1.4、根据公式(4)进行概率计算，计算概率并且与[0,1]范围内的随机数比较，如果概率小于随机数，则根据公式(3)继续进行交叉变异；S1.5、在一定的交叉变异次数内可行解仍然无法收敛，则丢弃该可行解，重新产生一个解，继续进行迭代；S2、采集风速数据，风速样本数据通过移动安全应急平台采集，数据采集时，把移动应急平台停靠采集区域中风向合适的位置，启动平台，通过控制室内的控制按钮升起平台车辆顶部的气象站，保持平稳直立，通过把气象站专用数据传输线的数据针通过串口器，再通过网线链接到PC机上，在PC机上安装串口调试工具，设置好server和client端的ip地址，实现把气象站采集到的风速数据传输、存储到PC上,其中需要的风速数据位于文件当中$WIMDA传输语句当中；S3、利用ABC‑BP神经网络进行短期风速预测，BP神经网络获得ABC算法优化后的权值和阈值之后，进行二次优化训练，网络隐含层和输出层神经元节点的转换函数f和g分别使用matlab神经网络工具箱中的函数，为非线性的s型函数tansig函数和线性的purelin函数。...
【技术特征摘要】
1.一种基于危化品事故扩散模型的短期风速计算方法，其特征在于，包括以下步骤：S1、利用人工蜂群算法优化BP神经网络的权值和阈值；S1.1、初始化人工蜂群(ABC)算法中的食物源，设共有F个食物源，每个食物源代表一个可行解，食物源的参数就是需要优化BP神经网络的权值和阈值，每个食物源的形式为：W111W112…W11n…W1m1W1m2…W1mn、b111b112…b11s…b1n1b1n2…b1ns、W21…W2n、b21b22…b2s，随机初始化每个食物源，其中，W111W112…W11n…W1m1W1m2…W1mn是输入层与隐含层之间的连接权值，W21…W2n是隐含层与输出层之间的连接权值，b21b22…b2s是输出层阈值，b111b112…b11s…b1n1b1n2…b1ns是隐含层阈值；S1.2、将每个食物源代入公式(1)中进行计算，其中，ok是输出节点在训练样本作用下的输出，yk是在训练样本作用下的目标值，n是输出变量的维数，N为训练样本数量；将计算结果代入公式(2)中，计算适应度值，S1.3、根据公式(3)进行交叉变异，Vij＝xij+φij(xij-xkj)公式(3)其中，Vij是交叉变异后的解，xij是第i个食物源的第j个参数，xkj是与i不同邻居食物源的第j个参数，φij是范围为[-1,1]之间的随机数，得到Vij后根据公式(2)计算适应度值，如果适应度值优于之前的适应度值，则参数变为交叉变异后的参数；S1.4、根据公式(4)进行概率计算，计算概率并且与[0,1]范围内的随机数比较，如果概率小于随机数，则根据公式(3)继续进行交叉变异；S1.5、在一定的交叉变异次数内可行解仍然无法收敛，则丢弃该可行解，重新产生一个解，继续进行迭代；S2、采集风速数据，风速样本数据通过移动安全应急平台采集，数据采集时，把移动应急平台停靠采集区域中风向合适的位置，启动平台，通过控制室内的控制按钮升起平台车辆顶部的气象站，保持平稳直立，通过把气象站专用...
【专利技术属性】
技术研发人员：杨庭清，姜烨，张晓凌，陈建英，杨昌再，魏建明，于海梅，
申请(专利权)人：上海中威天安公共安全科技有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。