[发明专利]一种基于神经网络的供水管爆裂时间预测方法及装置

权利要求书

1.一种基于神经网络的供水管爆裂时间预测方法，其特征在于，所述方法包括以下步骤：

步骤1，读取数据集；

步骤2，根据数据集初始化BP神经网络；

步骤3，计算隐含层输出；

步骤4，计算输出层输出；

步骤5，通过误差计算构建供水管道破裂时间预测模型；

步骤6，更新供水管道破裂时间预测模型权值；

步骤7，通过供水管道破裂时间预测模型得到供水管道破裂的时间。

2.根据权利要求1所述的一种基于神经网络的供水管爆裂时间预测方法，其特征在于，在步骤1中，所述数据集包括管道外壁所承受的压力x₁、管道内壁所承受的压力x₂、土壤温度x₃、土壤湿度x₄、土壤pH值x₅、水温度x₆、水流速x₇，通过传感器采集2000条数据集并导出到Excel表中，作为模型训练的数据集。

3.根据权利要求1所述的一种基于神经网络的供水管爆裂时间预测方法，其特征在于，在步骤2中，根据数据集初始化BP神经网络的方法为，根据数据集的输入X＝(x₁,x₂,x₃,....,x₇)和期望输出D＝(d₁,d₂,d₃,....,d_l),确定网络输入层和隐含层和输出层神经元数量，即期望输出的个数l，初始化各层神经元之间的连接权值v_ij,w_jk,修正权值公式为

v(n+1)＝v(n)-(J^TJ+μI)^-1J^Te 式1，

w(n+1)＝w(n)-(J^TJ+μI)^-1J^Te 式2，

其中e是网络误差向量；J是雅可比矩阵；μ是可变学习速率；I是单位矩阵。

4.根据权利要求1所述的一种基于神经网络的供水管爆裂时间预测方法，其特征在于，在步骤3中，计算隐含层输出的方法为，根据输入向量X，输入层和隐含层间连接权值v_ij以及隐含层阈值a，计算出隐含层输出的公式为

其中m为隐含层节点数，V_i0＝-1，x₀＝a_j，f()为隐含层传递函数，传递函数为

5.根据权利要求1所述的一种基于神经网络的供水管爆裂时间预测方法，其特征在于，在步骤4中，计算输出层输出的方法为，根据隐含层输出y,连接权值w_jk和阈值b，计算BP神经网络的实际输出o_k，

k＝1,2,3,4,...,l，m为隐含层节点数。

6.根据权利要求1所述的一种基于神经网络的供水管爆裂时间预测方法，其特征在于，在步骤5中，通过误差计算构建供水管道破裂时间预测模型的方法为，根据网络实际输出o_k与期望输出D，计算网络总体误差E，

公式为：

式中，Y_i为BP神经网络模型期望输出；Y_i'为BP神经网络模型实际输出；p为输入模式样本的数目；e_i为某个模式样本的训练误差，当误差E<10^-5退出循环，最后，最小误差对应的模型即为最佳模型，即BP神经网络模型输出的结果，作为预测供水管道破裂时间预测的模型。