【技术实现步骤摘要】
基于遗传算法的BP神经网络预测土壤腐蚀率方法及系统
[0001]本专利技术涉及预测土壤腐蚀率
,特别是一种基于遗传算法的BP神经网络预测土壤腐蚀率方法及系统。
技术介绍
[0002]输电线路接地土壤腐蚀影响因素多,不同类别的影响因素以不同的机理和方式影响着接地材料在土壤中的腐蚀行为和腐蚀速率,甚至腐蚀的形貌特征,目前输电线路接地土壤腐蚀缺乏预测后的管理监控,并不能够对土壤实时确认改善。
[0003]土壤复杂的电化学性质是导致评价材料腐蚀性难的关键原因,通过简单的单因素评价或多因素打分,甚至数学分析得到准确的土壤腐蚀性评价结果的难度都是非常大的,土壤的理化性质与土壤腐蚀率之间是个典型的黑箱模型。土壤腐蚀的评价、预测的难度在于无法在土壤理化指标与土壤腐蚀率之间建立明确的关系式,但通过人工神经网络,可以通过实际埋设长周期试样,并在埋样位置进行土壤理化指标测试,获得人工神经网络的训练样本,通过对训练样本的学习,得到能够反映接地材料土壤电化学腐蚀的数学模型,并能够对新样本进行计算预测,利用数据设立阈值进行实时监控,判断腐蚀严重程度从而提醒工作人员进行对土壤的改善处理。
技术实现思路
[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊,而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述和/或现有的问题,提出了本专利技术。< ...
【技术保护点】
【技术特征摘要】
1.基于遗传算法的BP神经网络预测土壤腐蚀率方法,其特征在于:包括,通过遗传算法获得训练样本;通过激活后的BP神经网络算法对训练样本进行计算;利用计算结果进行预测且设置阈值实时监控土壤腐蚀率;根据监控状态建立水流模型进行优化调节。2.如权利要求1所述的基于遗传算法的BP神经网络预测土壤腐蚀率方法,其特征在于:所述通过遗传算法获得训练样本包括通过选择、交叉以及变异操作找到最优适应度值对应个体,对网络初始权值和阈值赋值。3.如权利要求1或2所述的基于遗传算法的BP神经网络预测土壤腐蚀率方法,其特征在于:所述通过遗传算法获得训练样本还包括如下步骤:选择一个问题编码,给出有N个染色体的初始群体pop(1)和t=1;对群体pop(t)中的每个染色体pop
i
(t),计算适应函数为f(i)=fitness(pop
i
(t));若停止规则满足,则算法停止,否则计算概率公式如下所示:其中,以概率从pop(t)中随机选染色体构成一个种newpop(t+1)={pop
j
(t)|j=1,
…
,N};通过交叉概率为P
c
,得到有N个染色体的crosspop(t+1);通过较小的概率p
m
,使得染色体的基因发生变异,形成mutpop(t+1)t=t+1,一个新的群体pop(t)=mutpop(t),种群的选取方式称为轮盘赌,交叉概率P
c
取为0.75~0.95,变异概率p
m
取为0.005~0.01。4.如权利要求3所述的基于遗传算法的BP神经网络预测土壤腐蚀率方法,其特征在于:所述通过激活后的BP神经网络算法对训练样本进行计算包括采用S型函数激活BP网络,具体步骤如下:选定学习的数组{X(t),D(t)},t=1,2,
…
,T,随机确定初始权矩阵W(0);用学习数据X(t)计算Y1(t),Y2(t),
…
,Y
k
(t);进行计算;反向修正W(t)公式为:W
k
(t+1)=W
k
(t)+δW
k
(t),k=K,K
‑
1,
…
,1其中,循环利用T个学习样本,对网络权数进行调整,网络达到稳定状态。5.如权利要求4所述的基于遗传算法的BP神经网络预测土壤腐蚀率方法,其特征在于:所述通过激活后的BP神经网络算法对训练样本进行计算还包括利...
【专利技术属性】
技术研发人员:胡全,王伟民,胡泰山,李波,杨秋,刘伟,蔡汉生,卢金科,王秀镜,陈林,李义,张义,
申请(专利权)人:南方电网科学研究院有限责任公司,
类型:发明
国别省市:
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。