[发明专利]基于径向基函数神经网络的管道安全系数生成方法及装置

权利要求书

1.一种基于径向基函数神经网络的管道安全系数生成方法，其特征在于，包括：

根据历史缺陷参数及历史风险参数建立基于径向基函数神经网络安全系数生成模型，包括：

利用newrb函数创建径向基函数神经网络，在该网络中，设置误差容限为1e-6，扩散因子为38，最大神经元个数为300；当调用这个newrb函数时，增加神经元以便向设定目标值靠近；

当神经元节点个数到250时，训练误差基本接近目标值，

具体地：径向基函数神经网络的激活函数可表示为：

输出函数表示为：

损失函数表示为：

根据所述历史缺陷参数及历史风险参数确定所述缺陷参数及风险参数在所述安全系数生成模型的计算权重，包括：通过确定各风险及缺陷参数的重要度排序，计算出各个参数的计算权数；

根据历史缺陷参数及历史风险参数建立基于径向基函数神经网络安全系数生成模型，包括：

利用所述历史缺陷参数及历史风险参数校正训练后的基于径向基函数神经网络安全系数生成模型，包括：在训练过程中，调整误差目标，根据不同误差目标值，向网络添加新的隐含层节点，同时调整节点中心、标准差及权值，使网络达到设置的误差要求；若模型的误差已经达到预先设定的要求，基于径向基函数神经网络的创建工作完成；创建完成的模型需要通过校正数据进行测试，以验证其准确性；通过残差值对训练值与真实值之间的误差进行计算，若误差在允许范围内，该计算模型可通过测试；反之，模型则需要继续进行训练；

获取管道的缺陷参数及风险参数；

利用所述缺陷参数及风险参数及预先建立的基于径向基函数神经网络的安全系数生成模型生成所述管道的安全系数；

所述缺陷参数包括：所述管道的缺陷长度、宽度、深度、缺陷处管道埋深及缺陷位置；所述风险参数包括：地区等级、区域环境、外部环境温差、地质灾害、土壤腐蚀性、大气腐蚀及电流密度。

2.如权利要求1所述的管道安全系数生成方法，其特征在于，所述根据历史缺陷参数及历史风险参数建立基于径向基函数神经网络安全系数生成模型，还包括：

利用所述历史缺陷参数及历史风险参数校正训练后的基于径向基函数神经网络安全系数生成模型。

3.一种基于径向基函数神经网络的管道安全系数生成装置，其特征在于，包括：

模型生成单元，用于根据历史缺陷参数及历史风险参数建立基于径向基函数神经网络安全系数生成模型；

所述模型生成单元具体用于：

利用newrb函数创建径向基函数神经网络，在该网络中，设置误差容限为1e-6，扩散因子为38，最大神经元个数为300；当调用这个newrb函数时，增加神经元以便向设定目标值靠近；

当神经元节点个数到250时，训练误差基本接近目标值，

具体地：径向基函数神经网络的激活函数可表示为：

输出函数表示为：

损失函数表示为：

根据所述历史缺陷参数及历史风险参数确定所述缺陷参数及风险参数在所述安全系数生成模型的计算权重，包括：通过确定各风险及缺陷参数的重要度排序，计算出各个参数的计算权数；

根据历史缺陷参数及历史风险参数建立基于径向基函数神经网络安全系数生成模型，包括：

利用所述历史缺陷参数及历史风险参数校正训练后的基于径向基函数神经网络安全系数生成模型，包括：在训练过程中，调整误差目标，根据不同误差目标值，向网络添加新的隐含层节点，同时调整节点中心、标准差及权值，使网络达到设置的误差要求；若模型的误差已经达到预先设定的要求，基于径向基函数神经网络的创建工作完成；创建完成的模型需要通过校正数据进行测试，以验证其准确性；通过残差值对训练值与真实值之间的误差进行计算，若误差在允许范围内，该计算模型可通过测试；反之，模型则需要继续进行训练；

参数获取单元，用于获取管道的缺陷参数及风险参数；

安全系数生成单元，用于利用所述缺陷参数及风险参数及预先建立的基于径向基函数神经网络的安全系数生成模型生成所述管道的安全系数；

所述缺陷参数包括：所述管道的缺陷长度、宽度、深度、缺陷处管道埋深及缺陷位置；所述风险参数包括：地区等级、区域环境、外部环境温差、地质灾害、土壤腐蚀性、大气腐蚀及电流密度。