[发明专利]基于DPSO-ANFIS的弃渣坝变形预测方法

权利要求书

1.基于DPSO-ANFIS的弃渣坝变形预测方法，其特征在于，具体包括以下步骤：

步骤1、监测弃渣坝原始数据，对原始数据进行预处理；

步骤2、搭建自适应模糊神经网络系统，对系统中的网络参数进行赋值；

步骤3、对步骤2中自适应模糊神经网络的参数进行寻优；

步骤4、将步骤1预处理后的弃渣坝数据代入自适应模糊神经网络中进行训练和预测，此时，自适应模糊神经网络中参数经过步骤3得到最优，计算预测精度值，对比不同位置测点的预测效果。

2.根据权利要求1所述的基于DPSO-ANFIS的弃渣坝变形预测方法，其特征在于，所述步骤2具体为：

步骤2.1、首先搭建自适应模糊神经网络，然后将步骤1预处理后的弃渣坝数据作为数据样本输入到自适应模糊神经网络的第一层输入层，进行模糊化处理，输出对应的隶属度；

式中，为对应节点的隶属度；

其中，μA_i(x),μB_j(y)分别为输入变量对应的隶属度函数；i、j分别为自适应模糊神经网络中有结点函数的自适应结点，选取钟型隶属度函数，将公式(3)和(4)代入分别公式(1)和(2)得到隶属度

步骤2.2、通过步骤2.1得到的隶属度，计算出每条规则的适应度，把第一层得到的隶属度作为第二层模糊规则层的输入信号，然后将输入信号进行累乘得到第二层的输出结果即适应度值；

式中，为对应规则的适应度值，ω_i为第i条规则的激励强度；

步骤2.3、选择ANFIS初始参数，通过聚类方法对自适应模糊神经网络的参数进行赋值。

3.根据权利要求2所述的基于DPSO-ANFIS的弃渣坝变形预测方法，其特征在于，所述步骤3具体步骤，通过提取步骤2中自适应模糊神经网络中第二层模糊规则层的适应度值，作为粒子群初始化待优化参数，求解空间初始化标准粒子群，采用动态权重粒子群算法，将动态更新惯性权重及算法迭代寻优，生成最优的模糊规则层适应度值。