[发明专利]一种基于决策树和神经网络的恒电位仪控制方法

摘要

一种基于决策树和神经网络的恒电位仪控制方法，包括以下步骤：根据线路极化电位的分布，设置正向极化电压平均值监测点区域及监测点相应的阈值；通过网络将采集的极化电位数据传递给恒电位仪数据采集系统；运用基于决策树的恒电位仪控制策略，分析管道沿线各个位置处的杂散电流的特征属性数据，由特征属性训练数据生成决策树，并通过特征属性测试数据对决策树进行裁剪生成目标决策树模型；利用生成的目标决策树模型对采集的数据分析处理；利用BP神经网络学习、记忆、训练和预测的功能，建立一个恒电位仪占空比预测模型。本发明基于决策树和神经网络的恒电位仪控制策略能够将极化电位控制在安全范围内，有效地防护杂散电流对于管道的腐蚀。

主权项

一种基于决策树和神经网络的恒电位仪控制策略，其特征在于，所述恒电位仪中包含有决策树模块和神经网络模块，通过决策树和神经网络模块的复合控制对恒电位仪的输出电压进行控制，具体包括以下步骤：(1)根据线路极化电位的分布，设置恒电位仪的极化电压平均值监测点区域及监测点相应的阈值；(2)通过网络将采集到的极化电位数据传输到恒电位仪的数据采集模块中；(3)恒电位仪内部的数据处理模块分析监测的极化电位数据中极化电位为正的数据的比例，并根据所占比例确定特征属性训练数据；(4)决策树模块由步骤(3)中的特征属性训练数据生成决策树，并通过特征属性测试数据对决策树进行裁剪生成目标决策树模型；(5)利用生成的目标决策树模型对采集到的极化电位数据进行分析处理，以此决定恒电位仪的投入使用，如若投入使用，那么进入步骤(6)，否则进入步骤(7)；(6)神经网络模块将过去某一时间段内监测到的极化电位数据及恒电位仪开关管的占空比作为学习样本，构建出一个神经网络模型，预测恒电位仪的当前开关管占空比；(7)将极化电压监测数据再次应用于目标决策树模型，将监测部分、决策树和神经网络模块循环利用起来，形成一个自适应的恒电位仪控制系统。