[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

说明书

本发明公开了一种基于神经网络的供水管爆裂时间预测方法及装置，涉及人工智能技术领域，通过根据供水管道所处的环境作为属性，以改进的BP神经网络算法和最小二乘法模型，以求得环境对供水管道损坏的影响,本发明大大优化了BP网络神经算法的缺陷，同时具备高斯牛顿法和梯度法的优势。其优化BP神经网络模型可以使网络具有更快的收敛速度以及更短训练时间。以至于运行速度加快，更高效，快速的得出供水管道破裂的时间。合理利用资源，不浪费，也不对居民、社会造成不必要的危害，知道供水管道的破裂时间之后，可以在供水管道破裂之前将其更换，方便市政人员进行管理。

技术领域

本公开涉及人工智能技术领域，具体涉及一种基于神经网络的供水管爆裂时间预测方法及装置。

背景技术

近年来，全国各地城市供水输配水管道发生爆管现象越来越多，严重影响人们的日常生活和工业生产。由于供水管道的爆裂事故出现的非常频繁，现有技术只能对供水管道的材质进行使用年限的预测，不能预测环境对供水管道的影响，但是在现实生活中环境对供水管道造成的影响又是不可忽视的，供水管道所处的环境有可能使得供水管道提前损坏、破裂等，不能再使用，如果不能即使对已经损坏的供水管道进行修补或者更换，可能会对居民的生活和财产造成不可估量的损害，因此我们必须对环境对供水管道的影响进行预测，为求做到尽早发现，尽早更换。本发明就是针对各环境变量对供水管道的影响进行供水管道破裂的预测，其中环境变量包括：管道外壁所承受的压力、管道内壁所承受的压力、土壤温度、土壤湿度、土壤pH值(酸碱度)、水温度、水流速。现有的BP网络神经存在严重缺陷，主要存在迭代次数多、网络收敛速度慢、网络不稳定、易陷入局部极小等问题。

发明内容

本公开提供一种基于神经网络的供水管爆裂时间预测方法及装置，通过根据供水管道所处的环境作为属性，使用这些属性来预测供水管道在该环境下的破裂时间，以改进的BP神经网络算法和最小二乘法模型，以求得环境对供水管道损坏的影响。

为了实现上述目的，根据本公开的一方面，提供一种基于神经网络的供水管爆裂时间预测方法，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。

进一步地，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，通过传感器采集以上的2000条数据集并导出到Excel表中，作为模型训练的数据集。

进一步地，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，