[发明专利]一种基于PSO优化BP神经网络的耙吸挖泥船艏吹浓度预测方法

说明书

本发明公开了一种基于PSO优化BP神经网络的耙吸挖泥船艏吹浓度预测方法，包括：收集耙吸挖泥船历史施工数据，上传至数据库；对历史施工数据进行预处理，并划分成训练样本和测试样本；分析训练样本和测试样本，确定预测模型的输入量与输出量；建立PSO优化的BP神经网络预测模型，用于耙吸挖泥船艏吹浓度预测；通过训练样本对预测模型进行训练；使用测试样本计算评价指标MSE，对完成训练的预测模型进行验证，得到耙吸挖泥船艏吹浓度预测模型。本发明采用PSO优化的BP神经网络预测模型，其收敛速度快，精度高，可有效解决耙吸挖泥船抽舱吹岸时泥泵出口处浓度计的滞后问题，从而实现艏吹出口的泥浆浓度预测。

技术领域

本发明属于耙吸挖泥船优化疏浚技术领域，涉及一种耙吸挖泥船艏吹浓度预测方法，尤其是一种基于PSO优化BP神经网络的耙吸挖泥船艏吹浓度预测方法。

背景技术

耙吸挖泥船是挖泥船中的一种，具有独立完成挖泥、装载、运输、卸泥和吹填等疏浚要求的优点。艏吹是耙吸挖泥船排泥的一种方法，在填海造陆方面有广泛应用。艏吹是指耙吸挖泥船在抽舱吹岸施工中，从离岸深海区取沙，再运输到近岸区抽吹造陆的过程。由于管道两相流特性和耙吸挖泥船抽舱机理的复杂性，对抽舱管道内的泥浆浓度瞬时值实时监控具有困难；并且，耙吸挖泥船的施工数据为时间序列数据，存在数据滞后问题，泥沙在抽舱管道中传输，而泥浆的浓度计处在泥泵出口处，使得浓度计的读数产生滞后性，不能即时得到泥浆浓度的瞬时值，导致工作人员不能根据泥浆瞬时浓度调整设备，来使管道内泥浆稳定，易发生堵管。因此，对耙吸挖泥船艏吹浓度进行预测对保证疏浚安全具有重要意义。

中国专利申请CN202010875940.0公开了一种挖泥船产量计，采用无源传感器提升浓度测量效果。这种测量虽然能得到管道泥浆浓度，但是无法获得泥浆浓度的瞬时值。中国专利申请CN104299031A公开了一种BP神经网络预测方法，通过建立BP神经网络训练模型来预测负载。但是所采用的传统BP神经网络预测模型，收敛速度慢，精度低，且容易陷入局部极小值，导致模型训练速度慢，且模型准确度不高，因此得到的预测模型精度不高。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种基于PSO优化BP神经网络的耙吸挖泥船艏吹浓度预测方法，采用PSO优化的BP神经网络预测模型，其收敛速度快，精度高，可有效解决耙吸挖泥船抽舱吹岸时泥泵出口处浓度计的滞后问题，实现艏吹出口的泥浆浓度预测。

为解决上述技术问题，本发明采用以下技术方案。

本发明的一种基于PSO优化BP神经网络的耙吸挖泥船艏吹浓度预测方法，包括以下步骤：

步骤1.收集耙吸挖泥船历史施工数据，并通过数据传输设备上传至数据库；所述数据包括耙吸挖泥船在抽舱过程中不同阶段的数据，并涉及耙吸挖泥船抽舱吹岸时使用的多个关键设备；

步骤2.在数据库中对历史施工数据进行预处理，并将预处理后的数本划分成训练样本和测试样本；其预处理，包括数据滤波处理、归一化处理；

步骤3.分析训练样本和测试样本，确定预测模型的输入量与输出量；

步骤4.建立PSO优化的BP神经网络预测模型，用于耙吸挖泥船艏吹浓度预测；

步骤5.通过训练样本进行预测模型训练，选择均方误差MSE作为预测模型的评价指标；

步骤6.使用测试样本对完成训练的预测模型进行验证，查看模型的输出结果与测试样本结果的MSE，得到耙吸挖泥船艏吹浓度预测模型。

进一步的，所述的步骤2包括：

步骤2.1采用卡尔曼滤波对历史施工数据进行滤波，去除数据中的干扰和噪声：

时间更新向前推算状态变量：