基于神经网络的粗砂疏浚施工优化工艺制造技术

本发明专利技术公开了基于神经网络的粗砂疏浚施工优化工艺，涉及粗砂疏浚施工技术领域，为了解决粗砂在进行疏浚施工时，粗砂质量低的问题。基于神经网络的粗砂疏浚施工优化工艺，根据滤波的计算可以精准的了解到原始采集的粗砂与疏浚施工时使用的粗砂属性是否存在过大的差别，保证了粗砂疏浚施工的稳定性，将参数样本中参数条件较优的参数样本进行多次的运算，直至运算到与上一次运算结果无出入，可以有效的保证原始粗砂在每一次采集时，粗砂的属性状态都能及时的了解，保证了粗砂采集的优良率，粗砂通过正向传播训练和反向传播训练后，可以对疏浚施工粗砂的参数数据进行数据优化，提高粗砂疏浚施工的质量。提高粗砂疏浚施工的质量。提高粗砂疏浚施工的质量。

【技术实现步骤摘要】
基于神经网络的粗砂疏浚施工优化工艺


[0001]本专利技术涉及粗砂疏浚施工
，具体为基于神经网络的粗砂疏浚施工优化工艺。

技术介绍

[0002]粗砂是砂土中砾粒含量不大于25％，而粒径大于0.5毫米的含量超过总质量50％的砂。
[0003]公开号为CN101530846B的中国专利公开了一种标准粗砂加工方法，主要解决了粗选筛分在原料矿区筛分，废砂就地回填，避免运输到选矿厂进行粗砂筛分，大大降低了运输成本；采砂采用砂泵抽砂，速度快，效率高，生产成本低；抽砂后采用设置有排砂口的输送管道输送到粗选筛分设备处，在管道发生堵塞时，可通过排砂口快速疏通管道；精选筛分采用一次精选回收筛分和二次精选脱杂筛分可提高生产效率，在一次精选回收筛分时加水可加速湿砂分散，提高筛分效率，同时可脱泥，上述专利虽然解决粗砂如何进行过滤的问题，但是在实际操作中还存在以下问题：
[0004]1.对粗砂原始采集的属性和过程中，没有进行进一步的跟踪与记录，导致后期对不同施工区域进行粗砂疏浚施工时，无法针对性的施工，以及无法根据粗砂疏浚施工时间来判断，是否会对于粗砂的疏浚施工环境造成环境因素的影响。
[0005]2.由于采集的时间、采集的次数都有变化，导致无法对每次采集的原始粗砂的属性无法及时的进行了解，从而使粗砂的质量起伏不定。
[0006]3.准备进行施工的粗砂没有进行参数的计算，导致无法根据现有粗砂中缺失成分，对其进行参数属性的调整，使疏浚施工的粗砂工艺效果不佳。

技术实现思路

[0007]本专利技术的目的在于提供基于神经网络的粗砂疏浚施工优化工艺一种，根据滤波的计算可以精准的了解到原始采集的粗砂与粗砂疏浚施工时使用的粗砂属性是否存在过大的差别，保证了粗砂疏浚施工的稳定性，将参数样本中参数条件较优的参数样本进行多次的运算，直至运算到与上一次运算结果无出入，可以有效的保证原始粗砂在每一次采集时，粗砂的属性状态都能及时的了解，保证了粗砂采集的优良率，粗砂通过正向传播训练和反向传播训练后，可以对粗砂疏浚施工的参数数据进行数据优化，提高粗砂疏浚施工的质量，可以解决现有技术中的问题。
[0008]为实现上述目的，本专利技术提供如下技术方案：
[0009]基于神经网络的粗砂疏浚施工优化工艺，包括如下步骤：
[0010]第一步：终端信息建立：根据项目信息模块建立项目和显示最终方案，其中，建立项目包括设置项目本身的信息与录入粗砂采集船舶历史数据；
[0011]获取施工信息、数据信息、项目信息和用户信息；
[0012]其中，按照项目信息中数据来源设置获得船舶历史记录并录入到本系统数据库
中，录入时同时过滤数据，数据库中保留原始数据和滤波后的数据；
[0013]第二步：数据筛选：根据数据筛选模块生成学习样本数据；
[0014]其中，数据筛选模块使用录入的粗砂疏浚施工数据和设置好的过滤条件，提取条件对数据进行过滤提取，生成学习用的样本数据；
[0015]其中，使用的数据为原始数据或滤波数据；
[0016]第三步：神经网络模型运算：根据神经网络模型模块计算神经网络并输出提取粗砂疏浚施工参数组合需要的数据；
[0017]其中，神经网络模型模块使用学习样本数据进行计算，生成不同精度的神经网络模型并记录成文件；
[0018]根据用户使用选定精度的神经网络模型输出提取方案所用的数据；
[0019]第四步：最优粗砂疏浚施工参数组合：根据最优参数粗砂疏浚施工组合模块帮助用户生成待选方案列表，用户选择后返回项目信息模块查看；
[0020]最优参数粗砂疏浚施工组合模块使用神经网络模型输出提取方案所用数据，并进行过滤计算提取，生成待选方案列表，用户在待选方案中选择保存为最优粗砂疏浚施工参数组合，其中，最优粗砂疏浚施工参数组合可在项目信息界面查看。
[0021]优选的，所述终端信息建立的步骤，包括：
[0022]操作界面分两块区域，包括项目列表属性界面区域和项目方案界面区域；
[0023]项目列表属性界面区域由项目列表和项目属性两块区域组成；
[0024]项目方案界面区域由方案列表、方案说明、高产量区域散点图和数据显示组成；
[0025]先建立项目，之后设置项目属性，再导入数据；
[0026]对已经完成最优粗砂疏浚施工参数组合的项目，查看方案信息数据；
[0027]其中，项目功能操作包括：项目操作、项目属性、数据和方案。
[0028]优选的，所述数据筛选的步骤，还包括：
[0029]显示界面分为过滤条件区，提取条件区，信息显示区，数据表格和散点图区；
[0030]先通过过滤条件和提取条件，将学习样本数据进行运算，最后看数据和散点图和信息；
[0031]筛选的功能操作包括：过滤条件、提取条件、学习数据和显示界面；
[0032]其中，过滤条件，用于获取过滤数据使用的限定值，限定包含信号限定和点数限定，信号限定包含下限限定和范围限定；
[0033]提取条件，用于获取提取条件后，获取条件自动生成范围限定，其中生成范围限定中的限定项的值小于大值；
[0034]学习数据，基于过滤条件和提取条件，在粗砂疏浚施工数据中进行过滤提取生成学习用样本数据。
[0035]优选的，所述神经网络模型运算的步骤，包括：
[0036]将神经网络进行操作设置，设置完成后对运行神经网络进行计算，计算完成后设置好输出设置，再选中计算好的神经网络输出数据，可在分组列表中进行数据查看；
[0037]神经网络模型运算的功能操作包括：神经网络设置、输出数据设置、神经网络操作和数据导出；
[0038]其中，神经网络设置，用于为神经网络计算提供参数，其中，如果计算失败，神经网
络参数需要调整；
[0039]输出数据设置，用于获取神经网络输出提取方案用数据之前，对输出数据进行设置。
[0040]优选的，所述神经网络模型运算的步骤，还包括：
[0041]神经网络操作，用于根据运行的神经网络，对神经网络的运算结果进行查看，并将数据进行输出；
[0042]数据导出，用于将学习样本数据和该样本对应的输出数据进行导出，导出后将两者进行对比，其中，对比数据是最后一次输出的数据，对应精度是最后一次输出选择的神经网络精度。
[0043]优选的，导入数据包括：
[0044]根据设置的项目属性，从项目方案界面区域的方案列表中搜寻对应的项目方案信息；
[0045]采用项目方案信息为指引，从项目方案界面区域获取对应的方案说明；
[0046]在方案说明中筛选出方案信息数据，并对方案信息数据根据预设规则进行整理；
[0047]将整理后的方案信息数据进行导入保存；
[0048]对导入保存后的方案信息数据根据数据应用需求建立关联。
[0049]优选的，所述最优粗砂疏浚施工参数组合的步骤，包括：
[0050]先将提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的粗砂疏浚施工优化工艺，其特征在于：包括如下步骤：第一步：终端信息建立：根据项目信息模块建立项目和显示最终方案，其中，建立项目包括设置项目本身的信息与录入粗砂采集船舶历史数据；获取施工信息、数据信息、项目信息和用户信息；其中，按照项目信息中数据来源设置获得船舶历史记录并录入到本系统数据库中，录入时同时过滤数据，数据库中保留原始数据和滤波后的数据；第二步：数据筛选：根据数据筛选模块生成学习样本数据；其中，数据筛选模块使用录入的粗砂疏浚施工数据和设置好的过滤条件，提取条件对数据进行过滤提取，生成学习用的样本数据；其中，使用的数据为原始数据或滤波数据；第三步：神经网络模型运算：根据神经网络模型模块计算神经网络并输出提取粗砂疏浚施工参数组合需要的数据；其中，神经网络模型模块使用学习样本数据进行计算，生成不同精度的神经网络模型并记录成文件；根据用户使用选定精度的神经网络模型输出提取方案所用的数据；第四步：最优粗砂疏浚施工参数组合：根据最优参数粗砂疏浚施工组合模块帮助用户生成待选方案列表，用户选择后返回项目信息模块查看；最优参数粗砂疏浚施工组合模块使用神经网络模型输出提取方案所用数据，并进行过滤计算提取，生成待选方案列表，用户在待选方案中选择保存为最优粗砂疏浚施工参数组合，其中，最优粗砂疏浚施工参数组合可在项目信息界面查看。2.根据权利要求1所述的基于神经网络的粗砂疏浚施工优化工艺，其特征在于：所述终端信息建立的步骤，包括：操作界面分两块区域，包括项目列表属性界面区域和项目方案界面区域；项目列表属性界面区域由项目列表和项目属性两块区域组成；项目方案界面区域由方案列表、方案说明、高产量区域散点图和数据显示组成；先建立项目，之后设置项目属性，再导入数据；对已经完成最优粗砂疏浚施工参数组合的项目，查看方案信息数据；其中，项目功能操作包括：项目操作、项目属性、数据和方案。3.根据权利要求1所述的基于神经网络的粗砂疏浚施工优化工艺，其特征在于：所述数据筛选的步骤，还包括：显示界面分为过滤条件区，提取条件区，信息显示区，数据表格和散点图区；先通过过滤条件和提取条件，将学习样本数据进行运算，最后看数据和散点图和信息；筛选的功能操作包括：过滤条件、提取条件、学习数据和显示界面；其中，过滤条件，用于获取过滤数据使用的限定值，限定包含信号限定和点数限定，信号限定包含下限限定和范围限定；提取条件，用于获取提取条件后，获取条件自动生成范围限定，其中生成范围限定中的限定项的值小于大值；学习数据，基于过滤条件和提取条件，在粗砂疏浚施工数据中进行过滤提取生成学习用样本数据。
4.根据权利要求1所述的基于神经网络的粗砂疏浚施工优化工艺，其特征在于：所述神经网络模型运算的步骤，包括：将神经网络进行操作设置，设置完成后对运行神经网络进行计算，计算完成后设置好输出设置，再选中计算好的神经网络输出数据，可在分组列表中进行数据查看；神经网络模型运算的功能操作包括：神经网络设置、输出数据设置、神经网络操作和数据导出；其中，神经网络设置，用于为神经网络计算提供参数，其中，如果计算失败，神经网络参数需要调整；输出数据设置，用于获取神经网络输出提取方案用数据之前，对输出数据进行设置。5.根据权利要求4所述的基于神经网络的粗砂疏浚施工优化工艺，其特征在于：所述神经网络模型运算的步骤，还包括：神经网络操作，用于根据运行的神经网络，对神经网络的运算结果进行查...

【专利技术属性】
技术研发人员：张伟，周滢，李夏，李涛，焦鹏，周子琛，沈伟平，孙荣坤，
申请(专利权)人：中港疏浚有限公司，
类型：发明
国别省市：