周倫鋼 趙松波 仝戈 許亮

摘 要：為提高ＢＰ 神經(jīng)網(wǎng)絡(luò)對水工鋼閘門安全等級識別的速度和精度，構(gòu)建基于信息增益（ＩＧ）和混沌粒子群優(yōu)化（ＣＰＳＯ）算法優(yōu)化ＢＰ 神經(jīng)網(wǎng)絡(luò)的水工鋼閘門安全等級評估模型。該模型利用ＩＧ 算法精簡水工鋼閘門安全等級評估的特征指標，避免冗余變量干擾，提升模型的訓練速度；利用ＣＰＳＯ 算法優(yōu)化ＢＰ 神經(jīng)網(wǎng)絡(luò)的初始權(quán)重，提高模型的收斂性及對水工鋼閘門安全等級的分類能力。經(jīng)過驗證分析，基于ＩＧ－ＣＰＳＯ－ＢＰ 的水工鋼閘門安全等級評估模型的評估結(jié)果與實際的水工鋼閘門安全等級基本吻合，識別精度明顯優(yōu)于ＩＧ－ＢＰ、ＩＧ－ＧＡ－ＢＰ、ＩＧ－ＰＳＯ－ＢＰ 模型。

關(guān)鍵詞：信息增益；混沌粒子群優(yōu)化算法；ＢＰ 神經(jīng)網(wǎng)絡(luò)；安全等級識別；水工鋼閘門

中圖分類號：ＴＶ６６３ 文獻標志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２３．０７．０２４

引用格式：周倫鋼，趙松波，仝戈，等．基于ＩＧ－ＣＰＳＯ－ＢＰ 的水工鋼閘門安全等級識別［Ｊ］．人民黃河，２０２３，４５（７）：１３０－１３３，１６２．

０ 引言

南水北調(diào)中線工程是優(yōu)化我國水資源配置的一項戰(zhàn)略性基礎(chǔ)設(shè)施工程。南水北調(diào)中線工程全線輸水采用自流模式，根據(jù)沿線地勢、環(huán)境等布設(shè)節(jié)制閘、控制閘、分水口、退水閘等，各閘站均通過鋼閘門的啟閉實現(xiàn)輸水流量實時調(diào)控。水工鋼閘門的損壞程度與運行環(huán)境和運行狀態(tài)密切相關(guān)，不同程度的損壞均會導致鋼閘門功能減弱，其危害往往具有突然性，嚴重威脅工程運行安全［１］ 。定期檢測并評估水工鋼閘門的運行狀態(tài)，及時處理其存在的安全問題，對開展設(shè)備運維工作具有重要意義［２］ 。目前水工鋼閘門安全等級評估方法眾多，但大多數(shù)方法僅適用于傳統(tǒng)定期檢測，數(shù)據(jù)處理速度慢，且缺乏水工鋼閘門相關(guān)的實時監(jiān)測數(shù)據(jù)，具有實時在線安全等級評估功能的水工鋼閘門運行系統(tǒng)研究一直未能得到拓展［３－５］ 。

水工鋼閘門的安全等級評估可以理解為模式識別，即將安全等級特征值所構(gòu)成的模式空間正確映射到類別隸屬空間，同時保證該過程快速、穩(wěn)定。ＢＰ 神經(jīng)網(wǎng)絡(luò)具有自組織性、協(xié)同性、容錯性和聯(lián)想記憶性的優(yōu)勢，其基于大腦結(jié)構(gòu)原理，可以實現(xiàn)數(shù)據(jù)并行分析［６］ 。然而，在實際工程中傳統(tǒng)的水工鋼閘門安全等級評估模型的評估指標眾多，模型中輸入樣本所包含的特征參數(shù)繁雜，ＢＰ 神經(jīng)網(wǎng)絡(luò)對初始權(quán)重敏感，易陷入局部最優(yōu)，導致基于ＢＰ 神經(jīng)網(wǎng)絡(luò)的水工鋼閘門安全等級評估模型的準確性和快速性不高。信息增益（Ｉｎｆｏｒｍａｔｉｏｎ Ｇａｉｎ，ＩＧ）算法是一種過濾式特征選取算法，可依據(jù)信息熵篩選出影響水工鋼閘門安全等級的主導因素［７］ 。混沌粒子群優(yōu)化（Ｃｈａｏｓ Ｐａｒｔｉｃｌｅ ＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＣＰＳＯ）算法是一種通過模擬鳥群覓食過程中的遷徙和群聚行為而提出的基于群體智能的全局隨機搜索算法，利用混沌算法對粒子群進優(yōu)化處理，具有結(jié)構(gòu)簡單、收斂速度快、不易陷入局部最優(yōu)等特點。目前ＣＰＳＯ 算法已廣泛應(yīng)用于模式識別、數(shù)據(jù)挖掘等領(lǐng)域［６，８］ 。

為降低ＢＰ 神經(jīng)網(wǎng)絡(luò)模型的輸入變量維度，保證其收斂快速性、準確性，本文選取信息增益值大于０．６的特征指標作為網(wǎng)絡(luò)模型的輸入變量。通過對其信息增益值進行排序后，選取特征指標依次為主要構(gòu)件應(yīng)力、支臂穩(wěn)定度、銹蝕速率、面板剛度、檢修時間、振動情況、焊縫質(zhì)量。

３．２ 模型參數(shù)設(shè)置

為保證水工鋼閘門安全等級評估模型的穩(wěn)定性，隨機選取上述３６０ 組水工鋼閘門安全狀態(tài)數(shù)據(jù)中的３３０ 組數(shù)據(jù)作為模型訓練樣本集，剩余３０ 組數(shù)據(jù)作為模型測試樣本集。利用ＩＧ 熵理論選擇上述７ 個特征指標作為模型的輸入變量，故ＢＰ 神經(jīng)網(wǎng)絡(luò)輸入層神經(jīng)元數(shù)為７。參考表１，選取水工鋼閘門的３ 種安全等級為模型輸出變量，即ＢＰ 神經(jīng)網(wǎng)絡(luò)輸出層神經(jīng)元數(shù)為３。經(jīng)多次試驗，ＢＰ 神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置如下：隱含層神經(jīng)元數(shù)為１５，學習速率為０．０００ １，目標精度為１０－６，最大迭代次數(shù)為２００ 次。

ＣＰＳＯ 算法參數(shù)設(shè)置如下：粒子數(shù)目ｍ ＝ ３０，維數(shù)Ｄ ＝ ２，最高迭代次數(shù)ｉｔｍａｘ ＝ １００，學習因子ｃ１ ＝ １．５、ｃ２ ＝１．５，慣性權(quán)重最大值ωｍａｘ ＝ ０．９，慣性權(quán)重最小值ωｍｉｎ ＝０．４，ＳＧｍａｘ ＝１０，ＳＧ ＝０，誤差精度ｅ ＝１０－５。

４ 模型仿真結(jié)果分析

基于ＩＧ－ＣＰＳＯ－ＢＰ 的水工鋼閘門安全等級評估模型的適應(yīng)度變化曲線見圖２。在進化過程中，粒子群逐漸陷入局部最優(yōu)，此時依據(jù)混沌原理使種群跳出局部最優(yōu)，當進化代數(shù)為２４ 次時，模型滿足設(shè)定要求，表明基于ＩＧ－ＣＰＳＯ－ＢＰ 的水工鋼閘門安全等級評估模型具有較大的收斂速率以及較高的收斂精度。

為進一步評估基于ＩＧ－ＣＰＳＯ－ＢＰ 的水工鋼閘門安全等級評估模型的優(yōu)劣性，利用相同的水工鋼閘門安全狀態(tài)數(shù)據(jù)樣本，對基于ＩＧ－ＢＰ、ＩＧ－ＧＡ－ＢＰ、ＩＧＰＳＯ－ＢＰ 的水工鋼閘門安全等級評估模型進行訓練測試，測試結(jié)果見表３。

通過對比分析可得，基于ＩＧ－ＣＰＳＯ－ＢＰ 的水工鋼閘門安全等級評估模型的評估結(jié)果與實際的水工鋼閘門安全等級基本吻合，識別精度明顯高于其他模型，模型運行時間相對較短，模型泛化能力更好，在實際的工程應(yīng)用中具有更好的在線識別效果。

５ 結(jié)論

采用ＩＧ 算法對水工鋼閘門安全等級評估特征指標進行擇優(yōu)篩選，采用ＣＰＳＯ 算法對ＢＰ 神經(jīng)網(wǎng)絡(luò)的初始權(quán)系進行優(yōu)化，建立基于ＩＧ－ＣＰＳＯ－ＢＰ 的水工鋼閘門安全等級評估模型，其識別準確率較ＩＧ－ＢＰ、ＩＧＧＡ－ＢＰ、ＩＧ－ＰＳＯ－ＢＰ 模型均有提升，在降低ＢＰ 神經(jīng)網(wǎng)絡(luò)模型輸入向量維度的同時，有效克服了ＢＰ 神經(jīng)網(wǎng)絡(luò)及ＰＳＯ 算法易陷入局部最優(yōu)的弊端，在南水北調(diào)中線工程水工鋼閘門安全等級在線識別中具有良好的應(yīng)用前景。

參考文獻：

［１］ 嚴柳紅．水工鋼閘門腐蝕影響因素及防腐蝕技術(shù)探析［Ｊ］．科技創(chuàng)新導報，２０１９，１６（３６）：８１，８３．

［２］ 李奇，鄭圣義．基于直覺模糊層次法和云模型的水工鋼閘門評估［Ｊ］．人民黃河，２０２２，４４（３）：１１８－１２１，１４３．

［３］ 李劍斌，巫世晶，楊志澤，等．基于層次分析法和模糊綜合評價的水工鋼閘門安全評估［Ｊ］．水電能源科學，２０１６，３４（６）：１９５－１９８．

［４］ 賈文斌，戚蘭英，劉月剛．基于ＦＡＨＰ 法的水工鋼閘門安全評價［Ｊ］．水利水電技術(shù)，２０１５，４６（１１）：８４－８７，１２０．

［５］ 楊娟娟，洪偉，吳振．現(xiàn)役水工鋼閘門的實時在線監(jiān)測方法［Ｊ］．大壩與安全，２０１９（４）：６４－６７．

［６］ 許亮，趙松波，高強，等．ＰＳＯ－ＢＰ 神經(jīng)網(wǎng)絡(luò)在語音干擾效果評估中的應(yīng)用［Ｊ］．現(xiàn)代電子技術(shù)，２０１９，４２（６）：４３－４６，５０．

［７］ 萬宇，齊金平，張儒，等．基于信息增益優(yōu)化支持向量機模型的煤礦瓦斯爆炸風險預(yù)測［Ｊ］．科學技術(shù)與工程，２０２１，２１（９）：３５４４－３５４９．

［８］ ＴＯＲＲＥＳ?ＨＥＲＲＥＲＡ Ｅ Ｊ，ＳＡＮＴＯＳ Ｌ Ｆ．Ｄｙｎａｍｉｃａｌ Ｍａｎｉｆｅｓ?ｔａｔｉｏｎｓ ｏｆ Ｑｕａｎｔｕｍ Ｃｈａｏｓ：Ｃｏｒｒｅｌａｔｉｏｎ Ｈｏｌｅ ａｎｄ Ｂｕｌｇｅ［Ｊ］．ＰｈｉｌｏｓＴｒａｎｓａｃｔ Ａ Ｍａｔｈ Ｐｈｙｓ Ｅｎｇ Ｓｃｉ，２０１７，３７５（２１０８）：２０１６０４３４．

［９］ ＹＡＮＧ Ｚ Ｃ，ＳＨＥＮ Ｙ，ＹＡＮＧ Ｆ，ｅｔ ａｌ．Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ Ｒｅａｌ?Ｔｉｍｅ Ｓｔａｔｅ Ｅｖａｌｕａｔｉｏｎ Ｓｔｒａｔｅｇｙ ｆｏｒ Ｄｉｓｔｒｉｂｕｔｉｏｎ ＥｑｕｉｐｍｅｎｔＢａｓｅｄ ｏｎ Ｍ?ＰＳＯ?ＢＰ Ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｔｒａｎｓａｃｔｉｏｎｓｏｎ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｅｒｇｙ Ｓｙｓｔｅｍｓ，２０１９，２９（１１）：１２１０８．

［１０］ 中華人民共和國水利部．水工鋼閘門和啟閉機安全檢測技術(shù)規(guī)程：ＳＬ １０１—２０１４［Ｓ］． 北京中國標準出版社，２０１４：５－２４．

［１１］ 李劍斌，巫世晶，楊志澤，等．基于層次分析法和模糊綜合評價的水工鋼閘門安全評估［Ｊ］． 水電能源科學，２０１６，３４（６）：１９５－１９８．

［１２］ 楊光明，鄭圣義，王鋼鋼，等．水工金屬結(jié)構(gòu)健康診斷理論、方法及應(yīng)用［Ｍ］．南京：河海大學出版社，２０１３：３５－６８．

［１３］ 蔣榮，郭建斌．基于理想點法的水工鋼閘門安全評價［Ｊ］．水電能源科學，２０１７，３５（１１）：１８３－１８５，２１１．

［１４］ 方仍存，李超順，蒲桂林．基于自適應(yīng)混沌蜂群算法的梯級電站優(yōu)化調(diào)度［Ｊ］． 人民黃河，２０１７，３９（２）：１０２ －１０６，１１１．

［１５］ 趙松波．基于改進優(yōu)化算法的液體火箭發(fā)動機故障檢測與診斷研究［Ｄ］．天津：天津理工大學，２０１９：４６－６０．

【責任編輯 栗 銘】