[发明专利]结果切合实际的输电杆塔塔材实际强度计算方法

摘要

本发明公开了一种结果切合实际的输电杆塔塔材实际强度计算方法，应用粗糙集理论对杆塔强度影响因素集进行约简；采用数据挖掘方法从大量的历史数据中挖掘有用数据构造学习集；根据学习集运用梯度下降法不断迭代学习来确定因素集权重，并将得到的权值综合评价计算塔材实际强度的退化率。该方法可解决演化过程中影响塔材强度因素的效度不清晰的典型不确定性、非线性问题。该方法可为输电铁塔结构安全评价提供重要的科学判据。

主权项

一种结果切合实际的输电杆塔塔材实际强度计算方法，其特征在于：包括如下步骤：步骤1：指标集约简；步骤2：数据挖掘学习集的构造；步骤3：因素集权重确定；步骤4：实际强度评估；其中因素集权重确定：杆塔塔材的实际强度退化率与影响因素集U局部线性关系如下：η＝f_θ(U)＝U^Tθ其中：θ表示因素集权重值，T表示转置；由于当前和数据是在不同的工作点，符合当前工作点U(t)的数据密度可能不一样，用于建模的数据个数也是不定的，亦即：建模邻域值大小可变，为了获得最佳的因素集权重向量θ，同时减小计算量，可预先设定邻域的变化范围k∈[k_m,k_M](k_m<k_M)，在计算近邻k+1的因素集权重向量θ_k+1时，直接利用近邻k的因素集权重向量θ_k，首先给出一个错误函数，$\underset{\mathrm{\&theta;}}{min}J\left(\mathrm{\&theta;}\right)=\frac{1}{2}\underset{i=1}{\overset{m}{\&Sigma;}}{\left(f_{\mathrm{\&theta;}}\right(U^i)-{\mathrm{\&eta;}}^i)}^2$采用梯度下降法，计算得到因素集权重向量如下,$\frac{\&part;}{\&part;\mathrm{\&theta;}}J\left(\mathrm{\&theta;}\right)=\frac{\&part;}{\&part;\mathrm{\&theta;}}\frac{1}{2}\underset{i=1}{\overset{m}{\&Sigma;}}{\left(f_{\mathrm{\&theta;}}\right(U^i)-{\mathrm{\&eta;}}^i)}^2=\left(f_{\mathrm{\&theta;}}\right(U)-\mathrm{\&eta;})U^i$${\mathrm{\&theta;}}^{k+1}={\mathrm{\&theta;}}^k-\mathrm{\&alpha;}\frac{\&part;}{\&part;\mathrm{\&theta;}}J\left(\mathrm{\&theta;}\right)={\mathrm{\&theta;}}_i-\mathrm{\&alpha;}\left(f_{\mathrm{\&theta;}}\right(U)-\mathrm{\&eta;})U^i$得到系近邻k+1的模型θ_k+1，同时，也可以得到近邻k+1的去一交叉误差值：$e_{k+1,j}^{loo}=\mathrm{\&eta;}\left(j\right)-{\mathrm{\&alpha;\&theta;}}_{k+1}^{-j},j=1,\mathrm{2...},k+1.$式中：表示在k+1组数据中，用去掉第j个数据所得到的模型；表示实际塔材强度退化率η(j)与模型得到的预测值之间的误差；这样，可以得到近邻k+1的去一交叉误差集均方和这些得$E^{loo}(k+1)=\frac{\underset{j=1}{\overset{k+1}{\&Sigma;}}{w}_j{\left(e_{k+1,j}^{loo}\right)}^2}{\underset{j=1}{\overset{k+1}{\&Sigma;}}{w}_j}.$式中：加权因子直接反映每个U(j)的去一交叉误差对E^loo(k+1)“贡献”大小；越靠近U(t)的U(j)，其“贡献”越大，反之越小；此时，若E^loo(k+1)>E^loo(k),k+1∈[k_m,k_M].则认为模型“变差”，停止回归计算，并以模型θ_k作为系统当前时刻的最佳模型；否则，按采用梯度下降法得到的模型，从学习集中选取出新的信息向量，继续迭代，直到k＝k_M为止；这样，可以及时判断局部模型的优劣，得到符合当前时刻影响因素和退化率关系的最佳局部线性模型；于是这个局部线性模型可以用于计算杆塔塔材实际强度的退化率，即η(t)＝＝U^T(t)θ_k。