[发明专利]基于贝叶斯神经网络算法的蒸汽管网预测系统

说明书

技术领域

本发明涉及保健按摩器械领域，具体地说，特别涉及到一种贝叶斯神经网络算法以及基于该算法的蒸汽管网预测系统。

背景技术

蒸汽是钢铁企业重要能源介质之一。在大型联合钢铁企业里，蒸汽系统是具有大时滞、大惯性、非线性、多变量耦合、变参数等特点的复杂对象，具体表现在多分散用户、多汽源、多压力等级（中、低压）、多工况变化(季节、生产方案)，操作管理人员缺乏对管网运行工况信息的准确预测和有效控制。面对如此复杂的运行状况，管理人员大多数还是采用“因应式”的调度管理方式，依靠多年来生产所积累的经验指挥系统运行，时常发生放空、降质使用等情况，造成极大的浪费。这样必然导致缺乏有效的管网运行预测控制手段。

贝叶斯神经网络是一种将贝叶斯原理与神经网络相结合的数据挖掘方法，它将贝叶斯原理引入到神经网络的权值学习中，以权值的后验概率为优化目标函数，通过最大化权值的后验概率来求取神经网络的权值，从而建立完整的神经网络模型。基于贝叶斯方法的神经网络被广泛地应用于非线性系统模型辨识研究，并取得了良好的实际效果。

发明内容

本发明采用基于贝叶斯网络的人工神经算法对蒸汽管网运行工况进行预测研究，预测结果可用于管网调度控制，为优化管网运行提供决策支持。基于贝叶斯网络算法来训练神经网络，可以提高网络的泛化能力。为避免网络的过训练，在网络的目标函数中引入了表示网络结构复杂性的惩罚项，以便能够通过在训练优化过程中降低网络结构的复杂性。

本发明所解决的技术问题可以采用以下技术方案来实现：

基于贝叶斯神经网络算法的蒸汽管网预测系统，其特征在于：包括实时数据库服务器、应用服务器、关系数据库服务器和工程师站；

所述实时数据库服务器具有数据采集模块和实时数据库，数据采集模块用于采集现场数据并将其存储于实时数据库中，实时数据库用于向贝叶斯神经网络预测模块提供现场数据；

所述应用服务器具有贝叶斯神经网络预测模块，应用服务器与实时数据库服务器连接，所述贝叶斯神经网络预测模块采用贝叶斯神经网络算法，用于根据现场数据计算出蒸汽管网的运行工况模型和数据；

所述关系数据库服务器具有关系数据库，所述关系数据库的端口分别与应用服务器和工程师站连接，用于存储贝叶斯神经网络预测模块计算得出的运行工况模型和数据；

所述工程师站具有数据显示模块，该数据显示模块用于读取并显示关系数据库中存储的运行工况模型和数据；所述数据显示模块具有数据接口部分，用于向贝叶斯神经网络预测模块输入数据。

一种用于蒸汽管网预测系统的贝叶斯神经网络算法，其特征在于：所述算法流程如下：

1）计算贝叶斯神经网络的误差函数J_D：

JD=12Σk=1KΣn=1N(dnk-onk)2]]>

式中，d_nk为网络的实际输出，o_nk为期望输出值，k为样本个数，n为神经网络的输出量个数；

2）计算权衰减项J_W：