[发明专利]基于遗传小波神经网络的安全预警模型

摘要

本发明公开一种基于遗传小波神经网络的安全预警模型，包括以下步骤：1)输入数据的模糊化；2)确定遗传小波神经网络的层数以及输入、输出和隐含层节点数；3)信息编码；4)种群初始化；5)适应度函数计算；6)选择操作；7)遗传操作；8)选择最优个体解码；9)根据第一步设定的BP网络的参数进行训练；10)优化小波神经网络；11)优化遗传函数。本发明的安全预警模型，小波神经网络结构更简单，收敛速度更快，通过小波基函数作为神经网络神经元使神经网络有更强的学习能力，精度更高，实现即时、高效的对化工生产系统科学的、准确的预警，避免化工生产出现事故。

主权项

1.基于遗传小波神经网络的安全预警模型，其特征在于，包括以下步骤：1)输入数据的模糊化：借助模糊数学和隶属度函数对预警指标进行标准化和无量纲化处理；2)确定遗传小波神经网络的层数以及输入、输出和隐含层节点数；3)信息编码：根据编码公式确定编码的长度:N＝nk×i+nk×j+j其中i为输入层节点数，j为输出层节点数，mk为隐层节点数；4)种群初始化：通过MATLAB工具箱汇中的initializega函数对种群进行初始化；5)适应度函数计算：根据测试集数据的误差平方和的倒数为适应度函数，在式子中为测试集合中第i个预测值，r_i为测试集中第i个的真实值，n为样本个数；6)选择操作:①计算种群中个体的适应度之和②计算种群中各个个体的适应度，作为个体被选中遗传到下一代种群中的概率，7)遗传操作，采用单点交叉算子和单点变异算子对输入自变量进行降维操作，对父代和子代的适应度值按顺序进行排列后，从中挑选N个适应度值较大的个体作为下一代的样本，重复训练直到达到训练的终止条件；8)选择最优个体解码，得到BP神经网络的初始权值和闽值；9)根据第一步设定的BP网络的参数进行训练，训练次数达到预定值，或者误差小于目标值，则网络训练结束，否则转入上一步；10)优化小波神经网络，根据优化计算的得到的结果，将选出的参与建模的输入自变量对应的训练集和测试集数据提取出来，利用小波神经网络重新建立模型进行仿真实验，并进行结果分析；11)优化遗传函数。