买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东和光智慧能源科技有限公司

摘要：本发明公开了一种天然气管道泄漏风险预测优化方法，属于数据预测技术领域，包括：S1、改进差异化创意搜索算法；S2、将LSTM网络模型的学习率因子和正则化系数转化为一个解空间，并建立解空间与差异化创意搜索算法中个体位置的映射关系；S3、利用改进的差异化创意搜索算法调整LSTM网络模型的最佳学习率因子和正则化系数，获得最优的学习率因子和正则化系数；S4、使用优化后的LSTM网络对影响天然气管道泄漏风险的因素进行数据处理，生成天然气管道泄漏风险的预测数值，通过本发明的方法，解决传统LSTM模型进行网络预测参数难以确定的问题，提高了对天然气管道泄露风险的预测效果。

主权项：1.一种天然气管道泄漏风险预测优化方法，其特征在于，具体步骤为：S1、改进标准差异化创意搜索算法，建立改进的差异化创意搜索算法的个体位置更新数学模型，具体步骤为：S11、引入当前个体位置的适应度值以及所有个体的平均适应度值对差异化创意搜索算法收敛思维阶段中的权重因子进行改进；改进后的权重因子w数学模型公式为： 式1中，N是最大种群数量，是第t次迭代第i个个体的位置，是对应的适应度值，是当前第t二次迭代的所有个体的平均适应度值；S12、将牛顿-拉夫逊算法中的陷阱避免算子引入差异化创意搜索算法的发散思维阶段，并引入切换因子p策略对差异化创意搜索算法发散思维阶段的个体位置更新数学模型；包括：将原始差异化创意搜索算法的发散思维阶段公式与牛顿-拉夫逊算法中的陷阱避免算子公式结合，并通过切换因子p来决定使用哪个公式来更新，改进的差异化创意搜索算法发散思维阶段的数学模型公式为： 式3中，是第t+1次迭代第i个个体的位置，是当前最优的个体位置，θ1是-1到1之间的随机数，θ2是-0.5到0.5之间的随机数，u1是0到3之间的随机数，rand和u2均为0到1之间的随机数，是第t次迭代第i个个体的位置，是当前所有个体的平均位置，和是从所有个体中随机选择r1和r2的两个个体，λ为0.1+1-0.518*tT0.5，t是当前迭代次数，T是最大迭代次数；切换因子p采用改进的差异化创意搜索算法的种群稀疏度设计，其中，通过核函数估计种群在搜索空间中的稀疏度分布，数学模型公式为： 式中，pt为第t次迭代的切换因子值，rand为0到1的随机数，Dt为第t次迭代改进的差异化创意搜索算法的种群稀疏度，D0为初始状态时改进的差异化创意搜索算法的种群稀疏度，其中改进的差异化创意搜索算法的种群稀疏度Dt的数学模型为： 式中，N是最大种群数量，K是核函数，hi是当前迭代第i个个体的核宽度；S2、将LSTM网络模型的学习率因子C和正则化系数g转化为一个解空间，并建立所述解空间与差异化创意搜索算法中个体位置的映射关系；S3、利用改进后的差异化创意搜索算法来调整LSTM网络模型的最佳学习率因子C和正则化系数g；得到最优的学习率因子C和正则化系数g；具体为：S31、初始化差异化创意搜索算法的当前迭代次数t、概率常量Pc和择优阈值ngS，最大种群规模N、最大迭代次数T；S32、判断算法当前执行到的迭代次数t和设置的最大迭代次数T的大小关系，如果t＜T时，执行S33，否则就退出循环，输出最优个体所表示的位置，将最优个体位置的两个维度分别映射为学习率因子C和正则化系数g；S33、确定当前迭代次数t下，适应度值最小的个体并且按照适应度值对种群中个体进行排序；S34、根据设置的择优阈值ngS，判断当前个体是采用收敛思维阶段还是发散思维阶段来进行位置更新；S35、如果当前个体适应度值排名i≤ngS，则结合公式1改进权重因子，得到改进后的权重因子w，利用公式2构造出差异化创意搜索算法的收敛思维模型，对个体进行位置更新； 式2中，是第t+1次迭代第i个个体的位置，是第t次迭代第一i个个体的位置，c1和c2为0到1之间的随机值，和是从所有个体中随机选择r3和r4的两个个体，为当前最优的个体位置，w是改进后的权重因子；S36、如果当前个体适应度值排名ingS，利用公式3将原发散思维阶段公式与牛顿-拉夫逊算法中的陷阱避免算子公式结合，对个体进行位置更新；S37、提出一种自适应t分布变异算子对个体进行干扰，以增加种群多样性，跳出局部最优，具体扰动更新数学模型公式为： 式4中，是当前最优的个体位置，是第t次迭代经过自适应T分布扰动后的得到的新位置，Tσ是以差异化创意搜索算法迭代次数为自由度的t分布变异算子，在算法的迭代初期，t分布变异类似于柯西分布变异，使得算法有较强的全局搜索能力，在迭代后期，t分布类似于高斯分布变异，这有助于算法具有较好的局部搜索能力；S4、使用优化后的LSTM网络对影响天然气管道泄漏风险的因素进行数据处理，并生成天然气管道泄漏风险的预测数值；其中数据处理包括：使用天然气管道传感器采集相关数据，包括：流量、温度、压力参数，随后对采集到的相关数据进行数据预处理，保证数据质量，然后将处理好的数据划分为训练集、测试集和验证集，用于训练和评估泄漏风险预测模型的性能；经过差异化创意搜索算法改进之后的LSTM模型为多输入、单输出的时间序列预测模型，输入为从天然气管道传感器中采集到的天然气管道泄漏风险影响因素历史数据，而输出为天然气管道泄漏风险数据。

全文数据：

权利要求：

百度查询： 山东和光智慧能源科技有限公司 一种天然气管道泄漏风险预测优化方法