一种基于BP算法的输变电工程临时占地面积预测方法与流程

本发明涉及一种基于bp算法的输变电工程临时占地面积预测方法，属于面积预测。

背景技术：

1、近几年，国网的水土保持工作发展迅速，从规划、监管、治理、验收等各个环节都逐步建立起多项技术规范。但是，输变电工程对生态环境的影响往往开始于工程规划选址和方案编制阶段，仅仅是加强施工中的平台监管还不够，等到发现时已经产生了一定的环境影响和水土流失；此外，在输变电行业，对于更为细致化的水土保持占地范围的依据，还缺乏深入的研究，没有形成具有参考指导意义的文件。

2、为实现在项目设计阶段能够准确预测工程扰动面积，避免预估过高导致向相关部门缴纳超过实际占用的补偿款，或预估过低造成实际占用面积超标所面临管理部门的经济处罚和行政处罚，采用更适合准确估计的bp算法，对已经建成的输变电工程临时占地面积数据进行训练，从而生成输变电工程临时占地面积模型，为今后输变电工程临时占地面积范围预测提供科学依据。

3、202011397119.9的申请文件公开了基于改进神经网络算法的建设用地面积预测方法，该方法构建含一层隐含层的三层结构反向传播神经网络，等通过规定的迭代次数后，则完成模型构建。现有的技术未能形成关于输变电工程临时占地面积的预测方法，施工时极易产生单基塔随意变动扰动面积而造成的全线扰动面积与设计的临时占地面积严重不符，难以进一步提升水保管理效率和质量，此外，现有的面积预测模型隐含层数低，节点数太少，网络不能很好地学习，训练精度也受影响。

技术实现思路

1、本发明目的是提供一种基于bp算法的输变电工程临时占地面积预测方法，实现建设初期的输变电工程临时占地面积预测，网络学习效果好，提升了训练精度，解决了背景技术中存在的问题。

2、本发明的技术方案是：

3、一种基于bp算法的输变电工程临时占地面积预测方法，包含如下步骤：

4、①收集不同电压等级输变电工程临时占地面积的相关资料，筛选表征输变电工程临时占地面积影响因素的相关指标，采集相关历史数据；

5、②构建bp神经网络模型，将输变电工程临时占地面积数据库p依据70％和30％的比例分别进行训练和测试；

6、③依据数据库中70％的输变电工程临时占地面积数据，采用bp神经网络算法对其学习；

7、④将数据库存中30％历史数据，对生成的bp神经网络算法测试验证；验证结果达标预期标准后，则得到输变电工程临时占地面积预测模型；评价指标采用平均绝对值误差(mae)表征。

8、所述步骤①中，输变电工程临时占地影响要素主要包括输变电工程性质、建设所在地类和建设类型，其中，输变电工程性质包括电流类型、电压类型和工程类型；建设所在地类包括地形地貌和土地利用类型；建设类型包括输电线路塔基区的基础类型、跨越施工场地区的被跨越的类型和场地数量、牵张场的场地数量、电缆区的场地数、临时施工道路的路宽和路长以及变电站的站外设施区面积、施工生产生活区面积。

9、所述步骤②中，bp神经网络模型包括三层结构：输入层、隐藏层和输出层；此模型中，现有数据库的值作为输入层，设置隐藏层层数为3，并通过70％、30％的比例设置了训练集和测试集，训练的次数为1000，得到的输出层就是相应的预测值。

10、所述步骤②中，输变电工程临时占地面积数据库p为根据输变电工程临时占地面积的历史数据，对不同数据采用归一化处理，使得数据性质标准统一而形成。

11、所述步骤③具体步骤为：

12、设有n个输入，输入向量x＝(x1，x2，...，xn)t，隐含层有q个神经元；输出层有m个输出，输出层的输出向量y＝(y1，y2，...，yp)t，输入层与隐含层之间的连接权值为ωij(i＝1，2，...，n)，阈值为θj(j＝1，2，...，q)；隐含层与输出层之间的权值为ωjk，阈值为βk(k＝1，2，…，m)；

13、1)确定神经网络的结构；确定神经网络结构的层数3；

14、2)给bp网络提供样本的输入值，并对输入层的节点数n、隐含层的节点数为q、输出层节点数m赋予初值；对输入层与隐含层的连接权值ωij、隐含层与输出层的连接权值ωjk赋予初值；初始化隐含层神经元的阈值为θj、输出层神经元的阈值为βk；最后给定bp网络的学习率η和激活函数采用双曲正切s型激活函数tansig(u)，其公式如下：

15、

16、3)计算隐含层节点输出；根据输入向量x＝(x1，x2，...，xn)t、权值ωij以及阈值θj计算出隐含层的输入，再与激活函数作用得出隐含层的输出hj；其公式如下：

17、

18、4)计算输出层节点输出；根据输入hj、权值wjk以及阈值βk计算出输出层的输入，再将输出层的输入与激活函数作用后得到网络预测输出yk；其公式如下：

19、

20、5)计算误差；设定期望输出为ok，计算网络输出yk与期望输出ok的误差ek；其公式如下：

21、ek＝yk-ok

22、判断误差是否达到网络精度或最大训练次数，如果达到了网络精度或者训练次数就结束训练；如果没有，继续执行下一步；

23、6)更新权值；根据误差ek更新连接权值wij、wjk，其公式为：

24、

25、wjk＝wjk+ηhjek

26、7)更新阈值；根据误差ek更新阈值θj、βk，其公式为：

27、

28、βk＝βk+ek

29、根据误差修改权值和阈值以后，返回到3)继续执行；反复执行以上两个流程，训练次数为1000次，达到指定的训练次数或者误差精度后停止训练。

30、所述步骤④中，平均绝对值误差(maf)公式为：

31、

32、本发明的有益效果是：实现建设初期的输变电工程临时占地面积预测，为在设计阶段的水土保持方案编制提供了强有力的支撑，网络学习效果好，提升了训练精度。

技术特征：

1.一种基于bp算法的输变电工程临时占地面积预测方法，其特征在于包含如下步骤：

2.根据权利要求1所述的一种基于bp算法的输变电工程临时占地面积预测方法，其特征在于：所述步骤①中，输变电工程临时占地影响要素主要包括输变电工程性质、建设所在地类和建设类型，其中，输变电工程性质包括电流类型、电压类型和工程类型；建设所在地类包括地形地貌和土地利用类型；建设类型包括输电线路塔基区的基础类型、跨越施工场地区的被跨越的类型和场地数量、牵张场的场地数量、电缆区的场地数、临时施工道路的路宽和路长以及变电站的站外设施区面积、施工生产生活区面积。

3.根据权利要求1所述的一种基于bp算法的输变电工程临时占地面积预测方法，其特征在于：所述步骤②中，bp神经网络模型包括三层结构：输入层、隐藏层和输出层；此模型中，现有数据库的值作为输入层，设置隐藏层层数为3，并通过70％、30％的比例设置了训练集和测试集，训练的次数为1000，得到的输出层就是相应的预测值。

4.根据权利要求3所述的一种基于bp算法的输变电工程临时占地面积预测方法，其特征在于：所述步骤②中，输变电工程临时占地面积数据库p为根据输变电工程临时占地面积的历史数据，对不同数据采用归一化处理，使得数据性质标准统一而形成。

5.根据权利要求1所述的一种基于bp算法的输变电工程临时占地面积预测方法，其特征在于：所述步骤③具体步骤为：

6.根据权利要求1所述的一种基于bp算法的输变电工程临时占地面积预测方法，其特征在于：所述步骤④中，平均绝对值误差maf公式为：

技术总结
本发明涉及一种基于BP算法的输变电工程临时占地面积预测方法，属于面积预测技术领域。技术方案：收集不同电压等级输变电工程临时占地面积相关资料，筛选表征输变电工程临时占地面积影响因素的相关指标，采集相关历史数据；构建BP神经网络模型；依据数据库中70%的输变电工程临时占地面积数据，采用BP神经网络算法对其学习；将数据库存中30%历史数据，对生成的BP神经网络算法测试验证；验证结果达标预期标准后，则得到输变电工程临时占地面积预测模型；评价指标采用平均绝对值误差表征。本发明实现建设初期的输变电工程临时占地面积预测，为在设计阶段的水土保持方案编制提供了强有力的支撑，网络学习效果好，提升了训练精度。

技术研发人员：任向东,杨雪松,王菲,夏良,吴玉斌,闫荣华,肖云英,于海峰,郑硕,韩斐,王妍,杨东星,邓珺,梁轶欧
受保护的技术使用者：国网冀北电力有限公司唐山供电公司
技术研发日：
技术公布日：2024/1/22