一种基于演化神经网络的尾矿安全监测方法
【专利摘要】本发明公开了一种基于演化神经网络的尾矿安全监测方法,包括以下几个步骤:步骤1:获取历史数据,同时依据曲线建模原则构建尾矿曲线模型;步骤2:利用历史数据建立演化神经网络预测模型;步骤3:确定进化个体,对进化个体采用高维优化进化算法进行优化,获得成熟的预测模型;步骤4:实时采集数据作为步骤3得到的成熟的预测模型的输入层的节点数据,对间隔时间Δt之后的尾矿参数进行预测;步骤5:若尾矿曲线模型的输出值超过设定的警戒值,则发出预警信号;该方法综合事先测量的数据与实时测量的数据,有效预测尾矿库主要安全参数的发展走势,从而大大提前了预警时间。
【专利说明】一种基于演化神经网络的尾矿安全监测方法
【技术领域】
[0001] 本发明涉及一种基于演化神经网络的尾矿安全监测方法。
【背景技术】
[0002]随着我国经济建设的发展,路基、桥梁、隧道、水坝、尾矿、边坡、高层建筑等各种大型土木工程如雨后春笋般出现。如何长期防范这些土木建筑中出现的安全隐患成为确保人民生命财产和公共安全的重要环节。有效的检测手段有利于及时发现问题,可靠的监测模式更是确保土木建筑长期处于安全状态的“哨兵”。目前,国内尾矿的安全检测机制普遍采用传感器实时采集监控数据,根据经验事先设置好安全阈值的方式来形成“传感器+触发+报警”的模式。这种报警模式可以做到准确预警,不过一旦警报发生,留给人们应急处理的时间却已经不多了。因为传感器检测到的是各种实体正在发生的形变数据,报警意味着灾难顷刻将至或者已经到来。另外,对于各种传感器所检测到是数据,一些用户选择不保存;更普遍的是将使用过的各传感器采集数据作为存档备查,以形成所谓“历史数据”或者“历史记录”。除了作为档案使用,利用程度并不高。
【发明内容】
[0003]本发明提供了一种基于演化神经网络的尾矿安全监测方法,其目的在于克服现有技术中对尾矿的安全报警时留给应急处理的时间短暂,不利于及时排除危险的问题。
[0004]一种基于演化神经网络的尾矿安全监测方法,包括以下步骤:
[0005]步骤1:获取历史数据,同时依据曲线建模原则构建尾矿曲线模型;
[0006]所述历史数据是指利用传感器对尾矿同时采集的气温、水位、水温、边坡位移、干滩位移、地下水渗透压力、混凝土应力以及尾矿曲线模型输出的尾矿干滩曲线面积、体积与形状;
[0007]所述的尾矿曲线模型是指
【权利要求】
1.一种基于演化神经网络的尾矿安全监测方法,其特征在于,包括以下步骤: 步骤1:获取历史数据,同时依据曲线建模原则构建尾矿曲线模型; 所述历史数据是指利用传感器对尾矿同时采集的气温、水位、水温、边坡位移、干滩位移、地下水渗透压力、混凝土应力以及尾矿曲线模型输出的尾矿干滩曲线面积、体积与形状; 步骤2:利用历史数据建立演化神经网络预测模型; 以时间t时刻采集的历史数据作为演化神经网络预测模型的输入层的节点数据,以时间t+At时刻采集的历史数据作为演化神经网络预测模型的输入出层的节点数据,其中,Δ t表示预测间隔时间; 演化神经网络预测模型的隐含层节点个数至少包括4个; 其中,演化神经网络预测模型如下:
2.根据权利要求1所述的基于演化神经网络的尾矿安全监测方法,其特征在于,所述logsig(.)的函数表达式为
3.根据权利要求2所述的基于演化神经网络的尾矿安全监测方法,其特征在于,所述高维优化进化算法是指输 入N个个体组成的群体,然后通过佳点集交叉策略对群体进行交叉,采用高斯变异算子对群体进行变异,经过选择形成下一代种群,对种群进行迭代,获得最优解。
【文档编号】G08B21/10GK103942922SQ201410097266
【公开日】2014年7月23日 申请日期:2014年3月17日 优先权日:2014年3月17日
【发明者】肖赤心, 罗世武 申请人:湖南五舟检测科技有限公司