[发明专利]一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法

权利要求书

1.一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，包括：构建初始网络模型GA-BP；向初始网络模型GA-BP输入训练数据集，训练并验证模型；保存成熟的模型作为预测模型；向预测模型输入待预测数据，预测模型将输入的待预测数据进行分析处理，然后输出预测结果。

2.根据权利要求1所述的一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，所述初始网络模型GA-BP通过以下步骤构建：选择python作为编程语言，编写遗传算法GA和神经网络BP。

3.根据权利要求2所述的一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，所述神经网络BP的输入层有8个神经元，隐藏层12个节点，输出层2个节点，各层之间权连接。

4.根据权利要求3所述的一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，各层之间的连接权重和各节点的偏置值均为随机初始值，输入到遗传算法GA中得到最优解，返回到神经网络BP。

5.根据权利要求1-4任意一项所述的一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，所述训练数据集为根据以往研究的数值模拟研究、物理模型试验以及实地测验得到的工况数据。

6.根据权利要求5所述的一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，所述训练数据集包括波高、流速、水深、周期、桩间距、纲绳直径、网线直径和目脚长度8个条件，以及纲绳最大荷载和网线最大荷载2个结果标签。

7.根据权利要求1-4任意一项所述的一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，所述训练并验证模型步骤如下：将训练数据集按8:2的比例随机分类为训练集和测试集，训练集数据传入初始网络模型GA-BP，正向传播后与数据集标签值对比求得误差，不符合精度要求就反向传播，调整权重和偏置值，直到符合要求得到训练成熟的模型。

8.根据权利要求1-4任意一项所述的一种基于GA-BP神经网络的海洋养殖用网衣安全性的预测方法，其特征在于，保存成熟的模型的步骤包括：采用tensorflow框架中的tf.train.Saver().save()语句对已经训练成熟的模型进行保存。