[发明专利]一种基于危化品事故扩散模型的短期风速计算方法

摘要

本发明公开了一种基于危化品事故扩散模型的短期风速计算方法，利用人工蜂群(ABC)算法结合BP神经网络，采用人工蜂群算法优化BP神经网络中的权值和阈值，可以准确地进行风速预测，能够迅速高效地对化工园区的危化品泄漏事故的影响程度、影响范围进行精确估计；该方法与PSO‑BP神经网络以及GA‑BP神经网络相比，可以显著地提高预测精度，实现高效预测，降低经济成本；提高了对短期风速的预测精度，误差率仅为1.82％；可以对现场事故的进行有效处理，迅速展开应急救援和高效的人群疏散，降低事故中人员伤亡以及经济损失。

主权项

1.一种基于危化品事故扩散模型的短期风速计算方法，其特征在于，包括以下步骤：S1、利用人工蜂群算法优化BP神经网络的权值和阈值；S1.1、初始化人工蜂群(ABC)算法中的食物源，设共有F个食物源，每个食物源代表一个可行解，食物源的参数就是需要优化BP神经网络的权值和阈值，每个食物源的形式为：W₁₁₁W₁₁₂…W_11n…W_1m1W_1m2…W_1mn、b₁₁₁b₁₁₂…b_11s…b_1n1b_1n2…b_1ns、W₂₁…W_2n、b₂₁b₂₂…b_2s，随机初始化每个食物源，其中，W₁₁₁W₁₁₂…W_11n…W_1m1W_1m2…W_1mn是输入层与隐含层之间的连接权值，W₂₁…W_2n是隐含层与输出层之间的连接权值，b₂₁b₂₂…b_2s是输出层阈值，b₁₁₁b₁₁₂…b_11s…b_1n1b_1n2…b_1ns是隐含层阈值；S1.2、将每个食物源代入公式(1)中进行计算，其中，o_k是输出节点在训练样本作用下的输出，y_k是在训练样本作用下的目标值，n是输出变量的维数，N为训练样本数量；将计算结果代入公式(2)中，计算适应度值，S1.3、根据公式(3)进行交叉变异，V_ij＝x_ij+φ_ij(x_ij‑x_kj)          公式(3)其中，V_ij是交叉变异后的解，x_ij是第i个食物源的第j个参数，x_kj是与i不同邻居食物源的第j个参数，φ_ij是范围为[‑1,1]之间的随机数，得到V_ij后根据公式(2)计算适应度值，如果适应度值优于之前的适应度值，则参数变为交叉变异后的参数；S1.4、根据公式(4)进行概率计算，计算概率并且与[0,1]范围内的随机数比较，如果概率小于随机数，则根据公式(3)继续进行交叉变异；S1.5、在一定的交叉变异次数内可行解仍然无法收敛，则丢弃该可行解，重新产生一个解，继续进行迭代；S2、采集风速数据，风速样本数据通过移动安全应急平台采集，数据采集时，把移动应急平台停靠采集区域中风向合适的位置，启动平台，通过控制室内的控制按钮升起平台车辆顶部的气象站，保持平稳直立，通过把气象站专用数据传输线的数据针通过串口器，再通过网线链接到PC机上，在PC机上安装串口调试工具，设置好server和client端的ip地址，实现把气象站采集到的风速数据传输、存储到PC上,其中需要的风速数据位于文件当中$WIMDA传输语句当中；S3、利用ABC‑BP神经网络进行短期风速预测，BP神经网络获得ABC算法优化后的权值和阈值之后，进行二次优化训练，网络隐含层和输出层神经元节点的转换函数f和g分别使用matlab神经网络工具箱中的函数，为非线性的s型函数tansig函数和线性的purelin函数。