[发明专利]一种压缩天然气加气站智能风险评估方法

权利要求书

1.一种压缩天然气加气站智能风险评估方法，其特征在于包括如下步骤：

步骤1：构建楔形波多核支持向量机

将对不同尺度和方向的变化均具有良好鲁棒性的楔形波变换与支持向量机相结合，建立了楔形波支持向量机。针对单核函数支持向量机在处理多特征集合的机器学习任务时在评估中的盲目性问题，通过局部和全局核函数的加权线性相加生成多核支持向量机对数据进行分类，进一步提高分类精度，从而提高压缩天然气加气站的风险评估精度。

步骤2：确定改进蝗虫算法优化优化楔形波支持向量机

为了提高楔形波多核支持向量机的风险评估效果，将具备较好全局优化性能以及较高收敛精度的改进蝗虫优化算法应用于楔形波多核支持向量机惩罚因子、核函数参数和权重的优化。

步骤3：确定压缩天然气加气站风险评估指标体系

通过详细地收集和分析压缩天然气加气站设计、施工、运行、运行、泄漏、缺陷、人员、社会和经济方面的数据，系统、全面和定性地识别压缩天然气加气站的风险影响因素。根据风险形成机制，确定压缩天然气加气站风险指标体系。确定天然气加气站风险评估体系的一级指标和二级指标。

步骤4：采集与压缩天然气加气站风险指标体系相关的数据，通过专家评价法和问卷法确定一级指标值，确定输入样本数据。

步骤5：将压缩天然气加气站的风险水平划分为五个等级，分别是I级(分数区间为[0.90,1.00])、II级(分数区间为[0.75,0.90))、III级(分数区间为[0.60,0.75))、IV级(分数区间为[0.45,0.60))和V级(分数区间为[0,0.45))。风险等级作为评估模型的输出样本数据。

步骤6：收集压缩天然气加气站风险评估相关数据，将数据划分为两个部分，分别为训练数据样本和测试数据样本。

步骤7：利用训练数据样本对评估模型进行训练，然后利用训练后的评估模型对待评估压缩天然气加气站风险水平进行评估，判定待评估压缩天然气加气站的安全状况。

2.根据权利要求1所述的一种压缩天然气加气站智能风险评估方法，其特征在于楔形波多核支持向量机构造步骤如下：

步骤1-1：构建组合核函数，相应的公式如下所示：

式中，λ_i表示权重系数，k_i(x,y)表示单核函数，表达式如下所示：

式中，c表示尺度因子，d_i和e_i表示平移因子。

步骤1-2：定义回归函数，如下所示：

式中，ω表示权重变量，表示映射函数,B表示补偿因子。

步骤1-3：定义目标函数和边界条件，如下所示：

式中，L表示样本数，D表示惩罚因子。

步骤1-4：利用拉格朗日对偶性构建拉格朗日目标函数和相应的边界条件，如下所示：

式中，θ_i,χ_i表示拉格朗日算子。

根据式(5)可得：

计算式(7)对w,B,ε_i的偏导，并且将结果回代至式(9)得到如下方程：

通过优化可以推导出最小化方程，如下所示：

步骤1-5：通过引入多核函数得到多核支持向量机，如下所示

步骤1-6：确定楔形波多核支持向量机的决策函数，如下所示：

3.根据权利要求1所述的一种压缩天然气加气站智能风险评估方法，其特征在于改进蝗虫算法分析具体步骤如下：

步骤2-1：初始化改进蝗虫优化算法的基本参数，包括种群大小、空间维度、最大迭代次数以及初始位置。

步骤2-2：按下式更新蝗虫群体的位置：

式中，T_d表示蝗虫群体的目标位置，η表示衰减系数，ω_l表示权重系数，t表示当前迭代次数，η_max和η_min表示最大和最小衰减因子。s(·)表示蝗虫种群之间相互作用力函数，如下所示：

式中，f表示吸引强度参数，r表示吸引力尺度参数。

步骤2-3：利用Levy飞行局部搜索策略调整单个蝗虫的位置，如下所示：

X＝X+10×s_ts·L·X (19)

式中，L表示Levy飞行步长,s_ts表示阈值函数，可以用于控制蝗虫的飞行方法和变化概率。

L利用下式计算：

L＝μ/|v|^1/β (20)

式中，β表示0和2之间的常数，参数μ和v表示服从正态分布的参数。

步骤2-4：当蝗虫个体搜索当前最优位置时，原位置被替换；如果未发现最优解，利用线性递减参数随机跳出策略，如下所示：

P_i＝(2-2rand(0,1))·P_i (21)

式中，P_i表示第i个蝗虫。当发现一个新位置P_i，如果新位置优于当前位置，由新位置替换当前位置。

步骤2-5：为了使衰减系数在算法执行早期以更快的速度降低，确保种群中蝗虫个体能够快速接近最优目标，提高算法的收敛速度；在算法后期迭代过程中，衰减系数的降低速度减小，从而蝗虫个体能够仔细地搜索空间，避免算法陷入局部最优。利用递减系数更新策略调整衰减因子η，如下所示：

式中，n表示当前迭代系数，N表示最大迭代次数。