【技术实现步骤摘要】
一种危化品车辆运输状态自学习预警模型的搭建方法
本专利技术涉及危化品运输
，具体地说，特别涉及一种基于稀疏受限玻尔兹曼机的危化品车辆运输状态自学习预警模型的搭建方法。
技术介绍
危险化学品，指有爆炸、易燃、毒害、腐蚀、放射性等性质，在运输、装卸和储存保管过程中，易造成人身伤亡和财产损毁而需要特别防护的物品，简称危化品。在工业生产相关的各个环节中，危化品以不同的角色参与其中，有时是原材料或产品，有时则是燃料。运输是其在各个环节转移的重要手段，但是由于危化品的特殊性质，需要较高运输技术，才能确保运输任务安全顺利完成同时使人民的生命和财产免于损害。危化品运输事故造成的损失往往都是难以估算的，这让各国政府以及研究者早早意识到危化品管理的重要性。危化品运输风险评估作为危化品管理中重要的一环，因此对于运输风险的研究相当重视。基于深度神经网络的危化品运输车辆异常自学习预警模型。运输过程是一个连续过程，车辆、运输物品、司乘人员、车况路况等均在变化，系统需要不断提高“智能”程度去适应变化的运输过程。专利技...
【技术保护点】
1.一种危化品车辆运输状态自学习预警模型的搭建方法，其特征在于，包括：/n1)获取危化品车辆运输状态的多维度和多类型监测样本数据；/n2)参照深度置信网络的构架，在受限玻尔兹曼机中加入稀疏表示，形成稀疏受限玻尔兹曼机；/n3)基于所述稀疏受限玻尔兹曼机构建稀疏深度置信网络分类模型，结合所述危化品车辆运输状态的多维度和多类型监测样本数据，搭建基于稀疏深度置信网络的危化品车辆运输状态自学习预警模型。/n
【技术特征摘要】
1.一种危化品车辆运输状态自学习预警模型的搭建方法，其特征在于，包括：
1)获取危化品车辆运输状态的多维度和多类型监测样本数据；
2)参照深度置信网络的构架，在受限玻尔兹曼机中加入稀疏表示，形成稀疏受限玻尔兹曼机；
3)基于所述稀疏受限玻尔兹曼机构建稀疏深度置信网络分类模型，结合所述危化品车辆运输状态的多维度和多类型监测样本数据，搭建基于稀疏深度置信网络的危化品车辆运输状态自学习预警模型。
2.如权利要求1所述的方法，其特征在于，所述步骤1)具体为：在数据结构化的基础上，以历史数据为样本，设计无监督学习算法，先对数据进行聚类，然后再使用人工标定的方式区分正常和异常数据，完成自学习过程，从而获取危化品车辆运输状态的多维度和多类型监测样本数据。
3.如权利要求2所述的方法，其特征在于，所述无监督学习算法采用SOM算法。
4.如权利要求3所述的方法，其特征在于，所述步骤2)具体为：对于传统的深度置信网络模型，在预训练阶段中的每一层受限玻尔兹曼机训练过程中采用对数和范数作为稀疏惩罚项，得到稀疏受限玻尔兹曼机；将多个稀疏受限玻尔兹曼机按照所述深度置信网络模型框架堆叠，最后在调优阶段引入BP算法进行有监督学习，得到稀疏深度置信网络模型。
5.如权利要求4所述的方法，其特征在于，所述受限玻尔兹曼机的组成部分分为可见层和隐含层，隐含层和可见层之间的神经元全连接，每层层内的神经元之间无连接关...
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。