一种基于神经网络的数据预测处理方法及系统技术方案

本发明专利技术实施例涉及数据处理技术领域，具体公开了一种基于神经网络的数据预测处理方法及系统。本发明专利技术实施例通过确定输入层和输出层的节点数，隐含层的层数和节点数，构建BP神经网络基础模型；获取粒子群算法，根据所述粒子群算法，优化所述BP神经网络基础模型，生成BP神经网络优化模型；获取结果采集值，根据所述BP神经网络优化模型，得到预测值，并将所述结果采集值与所述预测值进行对比，根据对比结果进行处理。能够通过BP神经网络优化模型，获取预测值，通过与结果采集值进行比较，准确判断是否存在数据异常，无需提高设备的硬件成本，且不影响设备的安全运行。

【技术实现步骤摘要】

本专利技术属于数据处理，尤其涉及一种基于神经网络的数据预测处理方法及系统。

技术介绍

1、数据异常，为出现了不符合预期的数据。在自动化控制领域，特别是在石油化工、发电站等控制领域，对运行设备进行实时监控是至关重要的，在实时监控时需要采集不同类型的数据，包括温度、水位、压力、流量等。在实际运行设备监控中，传感器会出现数据“坏点”的情况，而这些数据“坏点”将会直接影响设备监控系统的判断。在自动化控制领域中，出现数据“坏点”的主要情况有：由于数据源的不稳定，使数据出现突然跳动；由于传感器在使用中长期未检修或更换，会逐渐失效，导致采集的数据“坏点”越来越多。

2、现有的技术中，不能够对出现的数据“坏点”进行及时、准确的判断，导致处理数据“坏点”时，需要增加设备的硬件功能，提高相应的硬件成本，影响设备的安全运行。

技术实现思路

1、本专利技术实施例的目的在于提供一种基于神经网络的数据预测处理方法及系统，旨在解决
技术介绍
中提出的问题。

2、为实现上述目的，本专利技术实施例提供如下技术方案：

本文档来自技高网...

【技术保护点】

1.一种基于神经网络的数据预测处理方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的基于神经网络的数据预测处理方法，其特征在于，所述确定输入层和输出层的节点数，隐含层的层数和节点数，构建BP神经网络基础模型具体包括以下步骤：

3.根据权利要求2所述的基于神经网络的数据预测处理方法，其特征在于，所述神经网络模型公式为：

4.根据权利要求2所述的基于神经网络的数据预测处理方法，其特征在于，所述隐含层节点选择公式为：

5.根据权利要求2所述的基于神经网络的数据预测处理方法，其特征在于，所述BP神经网络基础模型的结构公式为：...

【技术特征摘要】

1.一种基于神经网络的数据预测处理方法，其特征在于，所述方法具体包括以下步骤：

2.根据权利要求1所述的基于神经网络的数据预测处理方法，其特征在于，所述确定输入层和输出层的节点数，隐含层的层数和节点数，构建bp神经网络基础模型具体包括以下步骤：

3.根据权利要求2所述的基于神经网络的数据预测处理方法，其特征在于，所述神经网络模型公式为：

4.根据权利要求2所述的基于神经网络的数据预测处理方法，其特征在于，所述隐含层节点选择公式为：

5.根据权利要求2所述的基于神经网络的数据预测处理方法，其特征在于，所述bp神经网络基础模型的结构公式为：

6.根据权利要求1所...

【专利技术属性】
技术研发人员：王红星，李长泰，刘聪，侯颖，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：