粒子群神经网络在供水管线腐蚀预测中的应用研究

发布时间：2021-01-08 04:05

　　水是生活中人们必不可少的资源,城市供水系统的正常运作是保障人们正常生活与工作的重要基础。内腐蚀作为地下管网破裂与其它故障的重要诱因,其危害性大,而又不易被发现,同时,国内的供水管网大多服役时间超过五年,随着使用时长的增加以及在运行维护过程中管理措施不当等等各方面因素的影响,地下供水管网系统往往存在着不同程度的隐患,并伴随着各种用水方面的相关问题。影响地下供水管网内腐蚀的因素较为复杂,各种因素之间又相互作用,当前业内各位学者们对该问题并没有建立一种通用的腐蚀速率预测模型。本文以此问题切入,设计了一种新的人工神经网络模型用于供水管道内腐蚀速率的计算,并进行了相关实验进行验证,主要研究内容如下:（1）供水管道内腐蚀速率是受到多个影响因素共同作用的回归问题。利用神经网络进行回归计算过程中,影响因素数据的选取至关重要。本文中将矿区地下管网普查项目中采集的部分灰口铸铁管相关数据资料进行整理,并依据内腐蚀研究专家学者们的研究成果对内腐蚀影响因素的重要程度选定了相关参数。（2）采用量子方势阱对对粒子群算法进行改进,并使用改进的QPSO算法对人工神经网络模型进行连接权值的优化,所构建的神经网络经验证具有... 

【文章来源】：东北石油大学黑龙江省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

测试函数为Rastrigrin时的计算结果变化曲线

对于这两个测试函数，两种粒子群算法都设置维度为 10，设代数均设置为 1000，控制参数 g 设置为 1.0。图(2.1)以及图trigrin时的计算结果变化曲线，图(2.3)和图(2.4)显示了测试函曲线。图 2.1 测试函数为 Rastrigrin 时的计算结果变化曲线

图 2.3 测试函数为 Ackley 时的计算结果变化曲线图 2.4 测试函数为 Ackley 时的计算结果变化曲线局部放大可以看出，相比于 delta 势阱，以方势阱改进的粒子群算有提高，结果的平均最优值在整体趋势上能够得到一定


本文编号：2963877