[发明专利]基于BP神经网络的疏浚工艺调控参量筛选方法

权利要求书

1.一种基于BP神经网络的疏浚工艺调控参量筛选方法，其特征是，包括以 下步骤：

步骤一，分析并选取影响疏浚工艺的参量；

步骤二，建立参量输入矩阵和输出矩阵，得到训练样本，并对其进行标准 化处理；

步骤三，构建BP神经网络模型，用标准化后的训练样本对网络进行训练；

步骤四，利用MIV算法，计算各参量的MIV值；

步骤五，根据MIV值筛选出调控参量。

2.根据权利要求1所述的基于BP神经网络的疏浚工艺调控参量筛选方法， 其特征是，所述步骤一中，影响疏浚工艺的参量包括绞刀转速、1#泵轴转速、 2#泵轴转速、水下泵转速、台车行程、横移速度、管路平均浓度、管路流速、 出口流速、绞刀厚度和绞刀前进距离。

3.根据权利要求1所述的基于BP神经网络的疏浚工艺调控参量筛选方法， 其特征是，所述步骤二中，所选取的参量数据矩阵A作为输入向量，产量矩阵 F作为输出，得到训练样本P，并根据零均值规范化法对矩阵进行标准化，方法 如下：

v′i=vi-A‾σA]]>

其中，和σ_A分别为矩阵A的均值和标准差。

4.根据权利要求1所述的基于BP神经网络的疏浚工艺调控参量筛选方法， 其特征是，所述步骤三中，BP神经网络的训练参数包括，显示步数(show)为 50，学习步长(lr)为0.05，动量因子(mc)为0.9，迭代次数(epochs)为6000。

5.根据权利要求1所述的基于BP神经网络的疏浚工艺调控参量筛选方法， 其特征是，所述步骤四中，计算各参量的MIV值具体过程为，将训练样本中每 一输入参量在其原值的基础上分别加/减10％构成新的两个训练样本P₁和P₂,将 P₁和P₂分别作为仿真样本利用上述BP神经网络模型进行仿真，得到两个仿真 结果A₁和A₂，求出A₁和A₂的差值：

IV＝A₁-A₂

其中，IV为变动参量后对输出产生的影响变化值，最后将IV按观测例数平均得 出该参量对于产量的MIV：

MIV==A1-A2n]]>

其中MIV为平均影响值，n为观测例数。

6.根据权利要求1所述的基于BP神经网络的疏浚工艺调控参量筛选方法， 其特征是，所述步骤五中，选取MIV值大于0.05的参量为调控参量。